【技术实现步骤摘要】
输电杆塔的倾斜测量信号的处理方法及计算机存储介质
[0001]本专利技术涉及工业物联网信息感知技术,特别是涉及输电杆塔的倾斜测量信号的处理方法及计算机存储介质。
技术介绍
[0002]输电杆塔是架空输电线路中用来支撑输电线的主要支撑设备。输电杆塔所处位置大多为偏远地区,且这些地区存在着地形下陷或变化产生移动、倾斜、下沉等现象,导致输电杆塔存在严重的安全隐患。特别对于煤矿电网而言,随着煤矿开采区域的不断延伸,受沉陷区特殊地质条件的影响,地面易发生下沉、开裂、山体滑坡等地质灾害,从而使建立在采煤沉陷区上的输电杆塔容易发生倾斜、位移并对变电站建筑结构造成破坏,进而造成断线、绝缘击穿等供电事故,且事故具有突发性强、破坏性大的特点。
[0003]随着传感器、数据传输、物联网等相关电子技术的发展,针对输电杆塔的上述故障隐患,现有技术中出现了杆塔倾斜检测仪器,用于实时监测输电杆塔倾斜度。然而输电杆塔的特殊电磁环境使得杆塔倾斜检测仪器的核心部件高精度倾斜传感器输出的原始信号中包含了大量不同类型的噪声,特别是频率过低的噪声信号,难以被 ...
【技术保护点】
【技术特征摘要】
1.一种输电杆塔的倾斜测量信号的处理方法,包括:获取倾斜传感器生成的原始数字信号;将所述原始数字信号输入变分模态分解模型;对所述变分模态分解模型的参数进行迭代优化,计算得到K个内涵模态分量IMF;过滤所述K个IMF中的噪声分量,并将保留的所述IMF进行叠加运算,得到重构信号;对所述重构信号进行奇异值分解降噪,得到降噪后的倾斜测量信号。2.根据权利要求1所述的输电杆塔的倾斜测量信号的处理方法,其中,对所述变分模态分解模型的参数进行迭代优化的过程包括:使用蝴蝶优化算法求解所述变分模态分解模型的分解次数K以及惩罚因子α的优化值。3.根据权利要求2所述的输电杆塔的倾斜测量信号的处理方法,其中,所述使用蝴蝶优化算法求解所述变分模态分解模型的分解次数K以及惩罚因子α的优化值的步骤包括:在所述变分模态分解模型中设置参数范围,以参数[K,α]作为蝴蝶的位置,对蝴蝶种群进行初始化;以所述变分模态分解模型所有IMF分量的平均包络熵值作为适应度函数进行优化;迭代计算每只蝴蝶在所述变分模态分解模型的适应度值,逐次更新参数[K,α]的范围、蝴蝶的位置和香味;在迭代次数达到预设次数后,输出所述分解次数K以及所述惩罚因子α的优化值。4.根据权利要求2所述的输电杆塔的倾斜测量信号的处理方法,其中,在将所述原始数字信号输入变分模态分解模型的步骤之前还包括:对所述变分模态分解模型以及所述蝴蝶优化算法进行参数化,所述K初始值设置为1,所述α初始值设置为1000,所述蝴蝶优化算法的参数种群规模G设置为50,迭代次数N设置为100,感官模态C设置为0.01...
【专利技术属性】
技术研发人员:杨国和,于振子,周涛,陈耀辉,李春锋,李静,刘锦,陈岩,陈亮,
申请(专利权)人:中国平煤神马控股集团有限公司,
类型:发明
国别省市:
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。