本发明专利技术公开了一种基于神经网络的地埋线破坏预警装置及预警方法，沿着地埋线走向以间距50米的距离布置的监测桩，该监测桩包括一个带有SPI接口的IMU惯性测量单元、一个带有SPI接口的CPU、4G传输模块、报警器及开关；该监测桩外接太阳能板，蓄电池位于监测桩内部且与太阳能板和CPU连接，太阳能板安装在监测桩的顶端，报警器安装在监测桩的顶端，IMU安装在监测桩的底端内部的平面上，CPU及4G传输模块安装在IMU旁边，通过SPI接口实现IMU与CPU的信息传输。本发明专利技术将深度神经网络引入到了地埋线防破坏的工况中，实现地埋线走向区域施工的监测，对保证地埋线的完整及其工作状态具有较高的实用价值。
Early warning device and method of buried line damage based on Neural Network
【技术实现步骤摘要】
基于神经网络的地埋线破坏预警装置及预警方法
本专利技术涉及一种地埋线的预警保护装置，防止施工中误触及破坏地埋线。
技术介绍
由于地埋线可以增强城市输电网络的可靠性、消除了线路交叉跨越的矛盾、避免视觉污染，提高土地利用率等多方面的优势，使得地埋电缆在社会上的应用日益广泛。尽管地埋线的优点是非常突出的，但在日常生活中却有很多施工导致地埋线被破坏的情况。
技术实现思路
本专利技术针对传统的地埋线布置区域由于施工导致地埋线破坏的问题，提出一种基于神经网络的地埋线破坏预警装置及预警方法，将深度神经网络引入到了地埋线防破坏的工况中，实现地埋线走向区域施工的监测，对保证地埋线的完整及其工作状态具有较高的实用价值。本专利技术的技术方案如下：一种基于神经网络的地埋线破坏预警装置，其特征是包括沿着地埋线走向以间距50米的距离布置的监测桩，该监测桩包括一个带有SPI接口的IMU惯性测量单元、一个带有SPI接口的CPU、4G传输模块、报警器及开关；该监测桩外接太阳能板，蓄电池位于监测桩内部且与太阳能板和CPU连接，太阳能板安装在监测桩的顶端，报警器安装在监测桩的顶端，IMU安装在监测桩的底端内部的平面上，CPU及4G传输模块安装在IMU旁边，通过SPI接口实现IMU与CPU的信息传输。一种基于神经网络的地埋线破坏预警方法，其特征是包含以下步骤：(1)通过IMU采集三方向的加速度数据和绕着三方向的角速度数据，得到反映地面振动矢量的振动信号，CPU2通过SPI接口访问IMU的数据缓冲器读取振动信号并将其发送给4G通讯模块，4G通讯模块将振动信号传输到服务器，服务器接收到振动信号后，将振动信号转变为振动频域图；(2)将训练数据集输入到搭建好的残差神经网络中进行训练，得到训练好的残差神经网络；利用已训练好的残差神经网络，将服务器上的振动频域图作为检测样本输入到残差神经网络进行检测，检测结果分为两类：处于施工状态和处于未施工状态；最终神经网络会将这两种检测结果输出到服务器中；(3)服务器将残差神经网络输出的检测结果发送给监测桩，当监测桩的CPU接收到服务器传来的施工数据时，闭合报警器电路开关使报警器报警，并以短信形式将地埋线施工的地点和坐标发送给地埋线的负责人及负责单位；当监测桩的CPU接收到服务器传来的未施工数据时，则不会闭合报警器电路开关，并且IMU会继续采集振动信号。本专利技术的优点：(1)本专利技术将深度神经网络引入到了地埋线防破坏的工况中，此种方法首次应用在在地埋线的保护方面，可以快速有效地检测出施工状态，并具有实时性。(2)本专利技术与传统的地埋线警示桩相比，预警及保护功能大大提升。(3)本专利技术在工作过程中具有全自动化，实时化。附图说明图1是本专利技术方法的整体流程图。图2是预警装置安装示意图。图中：1-带SPI接口的IMU、2-带SPI接口的CPU、3-4G通讯模块、4-蓄电池、5-监测桩、6-太阳能板、7-报警器、8-开关。图3是残差网络检测图。具体实施方式下面结合附图对本专利技术做进一步详细描述。步骤一：预警装置安装如图2所示。一种基于神经网络的地埋线破坏预警装置，由一个带有SPI接口的IMU(即惯性测量单元)1、一个带有SPI接口的CPU2、4G通讯模块3、蓄电池4、监测桩5、太阳能板6、报警器7及开关8组成。监测桩5是沿着地埋线走向以间距50米的距离布置的。太阳能板6安装在监测桩5的顶端，便于采集太阳能。报警器7安装在监测桩5的顶端，方便示警声音的传播。通过采用SPI接口实现IMU与CPU的信息传输。IMU(即惯性测量单元)1安装在监测桩5的底端内部的平面上，不仅保证了传感器安装的基平面要求，也方便我们获取水平与竖直方向加速度的测量。带SPI接口的CPU及4G通讯模块3安装在IMU(即惯性测量单元)1旁边，保证了数据的处理与传输。步骤二：振动信号获取为了获取振动信号，需要将整个装置进行运转。太阳能板6在白天将太阳能转变为电能，使得整个装置保持运转。并将收集到多余的电能传输给蓄电池4储存起来，当在无光环境下则由蓄电池4为整个装置提供能量。本专利技术IMU(即惯性测量单元)1选用了MPU9250型号的传感器。传感器可以采集三方向的加速度数据和绕着三方向的角速度数据，得到反映地面振动矢量的振动信号。CPU通过SPI接口访问IMU的数据缓冲器读取振动信号。当其幅度超过一定的阈值时，CPU将振动信号发送给4G通讯模块3，4G通讯模块3与服务器建立通信关系，将振动信号发给服务器进行处理与分析。若其幅度未超过设定的阈值时，CPU则会控制整个装置使其在不工作时或数据无效时保持整体装置的低能耗，用于节省能源。步骤二：服务器上的数据预处理我们将4G通讯模块3传输过来的振动信号传输到服务器上。在服务器端，我们设立对应的服务端程序监听这个端口的通信，然后当4G通讯模块3向这个端口发送通信请求，即可完成数据的传输。服务器接收到振动信号后，先对振动信号进行预处理。将收集到的振动信号转变为横轴是频率、纵轴是频率幅度的频域图。将振动信号转变为频域图是为了方便后续使用神经网络对数据的检测判断。步骤三：残差神经网络检测神经网络的训练步骤如下：1.构造训练数据集在构建神经网络时首先需要训练数据集，训练数据集就是用来提取特征并保存，然后和实际数据进行比对从而实现识别；为了保证数据集的准确程度，所以我们需要大量的样本。我们采集了汽车驶过、挖掘机施工、压路机压路、锄地、人们集会、打桩机打桩及打井等多种情况下的数据，共10000组。我们将其划分为2组，一种是在存在施工的情况下进行训练；另一种是不存在施工的情况下进行训练。训练前需要给振动频域图制作标签，即就是将振动频域图分为施工时的振动频域图和未施工的振动频域图。然后再将已分类的振动频域图作为训练数据集输入到残差网络中进行训练。2.训练残差神经网络相比较于一般的卷积神经网络训练进行识别，残差神经网络结果更准，复杂度降低，参数下降，优化更简单，解决了帝都弥散梯度爆炸等问题。所以此处选择搭建一个残差神经网络用来分类图像，即就是检测是否存在施工。如图3所示。本实施训练过程主要包括以下部分：1)对残差网络进行权值的初始化这里主要采用适合ReLU激活函数的初始化方法：其中，hi、wi分别表示卷积层中卷积核的高和宽，而di表示当前卷积核的个数。2)输入的数据经过卷积层、池化层、全连接层的向前传播到输出值卷积层的向前传播过程通过卷积核对输入数据进行卷积操作，采集的图像数据在网络中，形成了局部感受野，然后对其进行卷积计算，即权值矩阵与图片的特征值进行加权和加上一个偏置值，然后经过ReLU激活函数的到输出；其中，ReLU激活函数的函数公式如下：f(x)＝max(0,x)上一层(卷积层)提取的振动频域图像通过池化层的池化操作，降低图像特征数据的维度，可以本文档来自技高网...
【技术保护点】
1.一种基于神经网络的地埋线破坏预警装置，其特征是包括沿着地埋线走向以间距50米的距离布置的监测桩(5)，该监测桩(5)包括一个带有SPI接口的IMU(1)、一个带有SPI接口的CPU(2)、4G传输模块(3)、报警器(7)及开关(8)；/n该监测桩(5)外接太阳能板(6)，蓄电池(4)位于监测桩(5)内部且与太阳能板(6)和CPU(2)连接，太阳能板(6)安装在监测桩(5)的顶端，报警器(7)安装在监测桩(5)的顶端，IMU(1)安装在监测桩(5)的底端内部的平面上，CPU(2)及4G传输模块(3)安装在IMU(1)旁边，通过SPI接口实现IMU(1)与CPU(2)的信息传输。/n
【技术特征摘要】
1.一种基于神经网络的地埋线破坏预警装置，其特征是包括沿着地埋线走向以间距50米的距离布置的监测桩(5)，该监测桩(5)包括一个带有SPI接口的IMU(1)、一个带有SPI接口的CPU(2)、4G传输模块(3)、报警器(7)及开关(8)；
该监测桩(5)外接太阳能板(6)，蓄电池(4)位于监测桩(5)内部且与太阳能板(6)和CPU(2)连接，太阳能板(6)安装在监测桩(5)的顶端，报警器(7)安装在监测桩(5)的顶端，IMU(1)安装在监测桩(5)的底端内部的平面上，CPU(2)及4G传输模块(3)安装在IMU(1)旁边，通过SPI接口实现IMU(1)与CPU(2)的信息传输。
2.如权利要求1所述的一种基于神经网络的地埋线破坏预警装置，其特征是所述预警装置的预警方法包含以下步骤：
(1)通过IMU采集三方向的加速度数据和绕着三方向的角速度...
【专利技术属性】
技术研发人员：赵栓峰，李卿，郭卫，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。