基于长短时记忆网络的输电杆塔螺栓紧固检测方法及系统技术方案

本发明专利技术实施例公开了一种基于长短时记忆网络的输电杆塔螺栓紧固检测方法及系统，方法包括：获取原始声波数据；对原始声波数据进行预处理，以得到处理数据；将处理数据划分为训练样本和测试样本；提取训练样本的共振峰和13阶MFCC特征，并构建特征向量；根据特征向量训练长短时记忆网络分类模型；将测试样本输入长短时记忆网络分类模型进行预测，以得到预测结果，并输出预测结果。实施本发明专利技术实施例，构建了一套铁塔声波数据采集的作业方法，并利用机器学习技术实现对螺栓紧固状态的检测，解决了传统上对高压输电线螺栓紧固检测时所需要的大量人力和时间问题。

Detection method and system of transmission tower bolt fastening based on long and short time memory network

【技术实现步骤摘要】
基于长短时记忆网络的输电杆塔螺栓紧固检测方法及系统
本专利技术涉及音频处理
，具体涉及一种基于长短时记忆网络的输电杆塔螺栓紧固检测方法及系统。
技术介绍
在输电系统的构建中需要用到大量的螺栓用以进行不同组件间的连接与固定。在此类场景中，不同组件的可靠连接与固定显得尤为重要，对于安装使用的螺栓进行定期检查时排除安全隐患的必要措施。传统的排查方法需要人工实施，通过高空作业或采集图像肉眼判别的方法往往存在一定的危险。利用视觉的方法往往需要借助无人机巡检，拍摄现场画面，并利用图像处理和目标检测的相关技术对螺栓的紧固进行判断，但此类方法存在两大问题：一是由于训练样本不足，难以利用机器学习的方法进行学习；二是由于紧固螺栓和松动螺栓在形态差异上区分不明显，利用传统图像处理技术判断螺栓紧固状态存在一定困难。同时利用机器视觉检测螺栓的方法在面对高压输电线周围环境的图像时，因为存在着复杂的环境，并不能产生令人满意的结果。因此，利用螺栓不同状态敲击时产生的声波信息进行螺栓紧固检测成为一种新的思路。
技术实现思路
本专利技术实施例的目的在于提本文档来自技高网...

【技术保护点】
1.一种基于长短时记忆网络的输电杆塔螺栓紧固检测方法，其特征在于，包括：/n获取原始声波数据，所述原始声波数据由光纤传感器分析仪在输电铁塔塔基处采集所得；/n对所述原始声波数据进行预处理，以得到处理数据；/n将所述处理数据划分为训练样本和测试样本；/n提取所述训练样本的共振峰和13阶MFCC特征，并基于所述共振峰和13阶MFCC特征构建特征向量；/n根据所述特征向量训练长短时记忆网络分类模型；/n将所述测试样本输入所述长短时记忆网络分类模型进行预测，以得到预测结果，并输出所述预测结果。/n

【技术特征摘要】
1.一种基于长短时记忆网络的输电杆塔螺栓紧固检测方法，其特征在于，包括：
获取原始声波数据，所述原始声波数据由光纤传感器分析仪在输电铁塔塔基处采集所得；
对所述原始声波数据进行预处理，以得到处理数据；
将所述处理数据划分为训练样本和测试样本；
提取所述训练样本的共振峰和13阶MFCC特征，并基于所述共振峰和13阶MFCC特征构建特征向量；
根据所述特征向量训练长短时记忆网络分类模型；
将所述测试样本输入所述长短时记忆网络分类模型进行预测，以得到预测结果，并输出所述预测结果。


2.如权利要求1所述的检测方法，其特征在于，对所述原始声波数据进行预处理具体包括：
对所述原始声波数据进行滤除处理、端点检测处理、声波分帧处理及预加重处理。


3.如权利要求2所述的检测方法，其特征在于，提取所述训练样本的共振峰和13阶MFCC特征，并基于所述共振峰和13阶MFCC特征构建特征向量，具体包括：
计算每一个训练样本的13阶MFCC特征；
计算每一个训练样本的频谱数据的共振峰变化范围差值，作为声波数据特征；
将所述13阶MFCC特征和声波数据特征进行合并，以作为声波样本的特征向量。


4.如权利要求3所述的检测方法，其特征在于，根据所述特征向量训练长短时记忆网络分类模型具体包括：
初始化LSTM网络结构：设置LSTM隐藏单元的数量numHiddemUnits＝40，类别数量numClass＝2，特征维数D＝14，最大迭代轮数maxEpoch＝40，批大小miniBatchSize＝512，以及选择使用随机梯度下降(SGD)作为优化算法，选择交叉熵损失作为损失函数；
将所述训...

【专利技术属性】
技术研发人员：骆昊骏，金春峰，朱炜，沈华峰，王晶，冯晔，陆新，卓亚光，何渊，陈伟俊，
申请(专利权)人：上海电力高压实业有限公司，
类型：发明
国别省市：上海;31