高压电缆附件损伤识别方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种高压电缆附件损伤识别方法、系统、设备及存储介质，所述方法包括：获取数据集，其中，所述数据集包括多张多种高压电缆附件损坏样本的第一超声导波信号时频图；构建目标检测网络模型；利用数据集训练目标检测网络模型，得到高压电缆附件损伤识别网络模型；利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别。本发明专利技术通过实验室模拟高压电缆附件损伤样本，获取超声导波信号，并利用该超声导波信号的时频特性，完成对高压电缆附件损伤识别网络模型的训练，进而实现对高压电缆附件损伤的识别，有利于高压电缆附件的精确检测和及时维护。维护。维护。

【技术实现步骤摘要】
高压电缆附件损伤识别方法、系统、设备及存储介质


[0001]本专利技术涉及一种高压电缆附件损伤识别方法、系统、设备及存储介质，属于高压电缆附件无损检测领域。

技术介绍

[0002]在电力系统中，高压电缆附件是其重要组成部分，由尾管、铜编制带、铜网和电缆铝护套组成。由于长期暴露在复杂环境中，高压电缆附件会出现不同类型、不同情况的损伤，对电力系统造成较大的危害。高压电缆附件被绝缘层包裹，传统检测方式无法检测到内部的损伤，故引入超声导波检测技术对高压电缆附件损伤进行检测。
[0003]深度学习在超声导波检测中具有巨大的实用价值，能实现更高效、精确的检测，但目前仍有一些问题亟待解决。首先，同类损伤在不同环境下的超声导波信号会有所不同，传统的基于深度学习的方法对该类缺陷的识别率将会降低，可能会造成漏检、误检的情况；此外，高压电缆附件可能会同时存在多种损伤，不同损伤之间可能会相互遮盖部分导波信号，提高了深度学习网络模型对损伤识别的难度。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种高压电缆附件损伤识别方法、系统、计算机设备及存储介质，其通过实验室模拟高压电缆附件损伤样本，获取超声导波信号，并利用该超声导波信号的时频特性，完成对高压电缆附件损伤识别网络模型的训练，进而实现对高压电缆附件损伤的识别，有利于高压电缆附件的精确检测和及时维护。
[0005]本专利技术的第一个目的在于提供一种高压电缆附件损伤识别方法。
[0006]本专利技术的第二个目的在于提供一种高压电缆附件损伤检测系统。
[0007]本专利技术的第三个目的在于提供一种计算机设备。
[0008]本专利技术的第四个目的在于提供一种存储介质。
[0009]本专利技术的第一个目的可以通过采取如下技术方案达到：
[0010]一种高压电缆附件损伤识别方法，所述方法包括：
[0011]获取数据集，其中，所述数据集包括多张多种高压电缆附件损坏样本的第一超声导波信号时频图；
[0012]构建目标检测网络模型；
[0013]利用数据集训练目标检测网络模型，得到高压电缆附件损伤识别网络模型；
[0014]利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别。
[0015]进一步的，在所述利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别之前，还包括：
[0016]获取待识别高压电缆附件的第二超声导波信号；
[0017]对所述第二超声导波信号进行时频特性提取，进而得到所述第二超声导波信号时
频图。
[0018]进一步的，所述对所述第二超声导波信号进行时频特性提取，具体包括：
[0019]在固定的窗函数内，根据快速傅里叶变换，得到所述第二超声导波信号的局部信号频率成分；
[0020]沿时间轴移动所述窗函数，获取所述局部信号频率成分在不同时段的变化。
[0021]进一步的，所述利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别，具体包括：
[0022]将所述第二超声导波信号时频图划分为S*S的网格，其中，所述网格包括S*S个网格单元；
[0023]遍历每一个网格单元，判断待识别高压电缆附件的中心是否在网格单元中，并输出第一判断结果；
[0024]若第一判断结果为是，则输出多个信息边界框并输出网格单元属于C类的概率，其中，所述C类包括腐蚀类、裂纹类、孔洞类和挤压变形类的其中之一；
[0025]判断S*S个网格单元是否识别完毕，并输出第二判断结果；
[0026]若第二判断结果为是，则输出各个网格单元预测结果。
[0027]进一步的，所述目标检测网络模型包括骨干网络、颈部结构和头部结构；
[0028]所述骨干网络为CSPDarknet53，其中，所述CSPDarknet53包括至少一个CBM组件和至少五个CSP模块；
[0029]所述颈部结构包括CBL组件、SPP模块和FPN+PAN层；
[0030]所述头部结构包括CBL组件和Conv激活函数。
[0031]进一步的，所述CBM组件包括Conv激活函数、Bn激活函数和Mish激活函数；
[0032]所述CSP模块包括CBM组件和多个残差组件，其中，所述残差组件包括依次连接的1
×
1卷积层、3
×
3卷积层、1
×
1卷积层。
[0033]进一步的，所述CBL组件包括Conv激活函数、Bn激活函数和Leaky_relu激活函数；
[0034]所述SPP模块采用1
×
1，5
×
5，9
×
9，13
×
13的最大池化的方式。
[0035]本专利技术的第二个目的可以通过采取如下技术方案达到：
[0036]一种高压电缆附件损伤检测系统，所述系统包括：
[0037]获取单元，用于获取数据集，其中，所述数据集包括多张多种高压电缆附件损坏样本的第一超声导波信号时频图；
[0038]构建单元，用于构建目标检测网络模型；
[0039]训练单元，用于利用数据集训练目标检测网络模型，得到高压电缆附件损伤识别网络模型；
[0040]识别单元，用于利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别。
[0041]本专利技术的第三个目的可以通过采取如下技术方案达到：
[0042]一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述高压电缆附件损伤识别方法。
[0043]本专利技术的第四个目的可以通过采取如下技术方案达到：
[0044]一种存储介质，存储有程序，所述程序被处理器执行时，实现上述高压电缆附件损
伤识别方法。
[0045]本专利技术相对于现有技术具有如下的有益效果：
[0046]本专利技术通过实验室模拟高压电缆附件损伤样本，获取超声导波信号，并利用该超声导波信号的时频特性，完成对高压电缆附件损伤识别网络模型的训练，进而实现对高压电缆附件损伤的识别，有利于高压电缆附件的精确检测和及时维护。
附图说明
[0047]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0048]图1为本专利技术实施例1的高压电缆附件损伤识别方法的流程图。
[0049]图2为本专利技术实施例1的短时傅里叶变换的流程图。
[0050]图3为本专利技术实施例1的高压电缆附件损伤识别网络模型的结构图。
[0051]图4为本专利技术实施例1的高压电缆附件损本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高压电缆附件损伤识别方法，其特征在于，所述方法包括：获取数据集，其中，所述数据集包括多张多种高压电缆附件损坏样本的第一超声导波信号时频图；构建目标检测网络模型；利用数据集训练目标检测网络模型，得到高压电缆附件损伤识别网络模型；利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别。2.根据权利要求1所述方法，其特征在于，在所述利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别之前，还包括：获取待识别高压电缆附件的第二超声导波信号；对所述第二超声导波信号进行时频特性提取，进而得到所述第二超声导波信号时频图。3.根据权利要求2所述方法，其特征在于，所述对所述第二超声导波信号进行时频特性提取，具体包括：在固定的窗函数内，根据快速傅里叶变换，得到所述第二超声导波信号的局部信号频率成分；沿时间轴移动所述窗函数，获取所述局部信号频率成分在不同时段的变化。4.根据权利要求1所述方法，其特征在于，所述利用高压电缆附件损伤识别网络模型对待识别高压电缆附件的第二超声导波信号时频图进行识别，具体包括：将所述第二超声导波信号时频图划分为S*S的网格，其中，所述网格包括S*S个网格单元；遍历每一个网格单元，判断待识别高压电缆附件的中心是否在网格单元中，并输出第一判断结果；若第一判断结果为是，则输出多个信息边界框并输出网格单元属于C类的概率，其中，所述C类包括腐蚀类、裂纹类、孔洞类和挤压变形类的其中之一；判断S*S个网格单元是否识别完毕，并输出第二判断结果；若第二判断结果为是，则输出各个网格单元预测结果。5.根据权利要求1所述方法，其特征在于，所述目标检测网络模型包括骨干网络、颈部结构和头部结构；所述骨干网络为CSPDarknet53，...

【专利技术属性】
技术研发人员：李瀚儒，张耿斌，石银霞，韩卓展，徐涛，冉倩，汪雾洁，阮耀萱，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：