一种基于GRU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GRU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；提取每一所述训练样本的12阶LPCC特征，并构建特征向量；根据特征向量训练GRU网络分类模型；将测试样本输入GRU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，构建了一套采集输电铁塔声波数据的作业流程，并利用机器学习的相关算法实现对输电铁塔螺栓紧固状态的检测，解决了传统上对输电铁塔螺栓紧固检测时所需要的大量人力和传统方法所存在的性能。

【技术实现步骤摘要】
一种基于GRU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GRU网络的输电杆塔螺栓紧固检测方法及系统。
技术介绍
目前的输电系统例如输电杆塔由于长期处于动态风载荷中，所以容易诱发杆塔组件间的螺栓松动问题，威胁杆塔结构安全。螺栓是输电系统中的重要组成部件，一旦出现故障隐患，将直接威胁高压电网安全，甚至造成难以估量的损失。所以，定期针对于输电杆塔上螺栓的检测尤为重要。传统的一些检测方法比如人工方法在高压、高危的环境下进行排查检测通常伴随着一定程度的风险；而现有的一些检测方法，例如无人机巡检技术由于采集的图片背景较为复杂，检测成本高，检测精度低及效率低等问题，难以获得比较满意的结果。因此，利用螺栓被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供一种基于GRU网络的输电杆塔螺栓紧固检测方法及系统，以解决传统方法中在检测输电塔螺栓紧固问题上存在的人力问题和性能问题。为实现上述目的，第一方面，本专利技术实施例提供了一种基于GRU网络的本文档来自技高网...

【技术保护点】
1.一种基于GRU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提取每一所述训练样本的12阶LPCC特征，并基于所述12阶LPCC特征构建特征向量；/n根据所述特征向量训练门控循环单元网络分类模型；/n将所述测试样本输入所述门控循环单元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GRU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；
提取每一所述训练样本的12阶LPCC特征，并基于所述12阶LPCC特征构建特征向量；
根据所述特征向量训练门控循环单元网络分类模型；
将所述测试样本输入所述门控循环单元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、声波预加重处理、分帧处理、加窗处理及端点检测处理。


3.如权利要求2所述的检测方法，其特征在于，根据所述特征向量训练门控循环单元网络分类模型具体包括：
初始化GRU网络结构：设置GRU隐藏单元的数量numHiddemUnits＝30，类别数量numClass＝2，特征维数D＝24，最大迭代次数maxEpoch＝40，批大小miniBatchSize＝512，以及选择使用随机梯度下降算法作为优化算法，选择交叉熵损失作为损失函数；
将所述训练样本中提取的特征向量和训练样本对应的分类真值作为GRU网络的输入，开始训练门控循环单元网络分类模型，其中训练过程为迭代过程，每一次迭代通过前向传播计算交叉熵损失，最小化目标函数，并反向传播更新模型参...

【专利技术属性】
技术研发人员：鲁炜，骆昊骏，荣吉良，朱炜，卓亚光，
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