【技术实现步骤摘要】
一种海缆振动信号的故障识别方法
[0001]本专利技术涉及输电线路故障诊断领域,尤其涉及一种海缆振动信号的故障识别方法。
技术介绍
[0002]随着海上风电建设规模化,海缆在信号传输和跨海输电中发挥着越来越重要的作用。海缆一般敷设于海床上或海底淤泥中,受海底复杂地形、洋流和潮汐冲刷等因素的影响,导致海缆振动并对其结构安全造成一定伤害,轻则影响用户供电,重则需要采取封闭航道应急措施,造成更大范围的经济损失和社会影响,因此,识别海缆振动信号尤其重要。深度学习作为人工智能的基础技术,在计算机视觉和自然语言处理等学科取得巨大的成功,在图像分类、语音识别、面部识别和机器翻译风格转换等方面超越了传统机器学习方法的性能,使得在复杂情况下的进行故障诊断识别成为可能。
[0003]现有技术对于海缆信号的故障诊断常采用的方式是统计分析,然而传统的基于统计方法的识别误差大,统计过程复杂繁琐。
技术实现思路
[0004]本专利技术提供了一种海缆振动信号的故障识别方法,实现高效识别海缆振动信号,提高海缆振动信号的识别率。
[0005]为了解决上述技术问题,本专利技术实施例提供了一种海缆振动信号的故障识别方法,包括:
[0006]采集并提取海缆的正常运行信号和故障振动信号,并根据正常运行信号和故障振动信号建立波形数据库;其中,故障振动信号包括冲刷振动信号、摩擦振动信号和锚砸振动信号;
[0007]将波形数据库中波形数据进行预处理及傅里叶转换,得到波形数据对应的二维RGB图片,将波形数据对应的二维R ...
【技术保护点】
【技术特征摘要】
1.一种海缆振动信号的故障识别方法,其特征在于,包括:采集并提取海缆的正常运行信号和故障振动信号,并根据所述正常运行信号和所述故障振动信号建立波形数据库;其中,所述故障振动信号包括冲刷振动信号、摩擦振动信号和锚砸振动信号;将所述波形数据库中波形数据进行预处理及傅里叶转换,得到所述波形数据对应的二维RGB图片,将所述波形数据对应的二维RGB图片进行标签化处理,构建波形样本库;通过海缆振动信号识别模型将待测海缆振动信号进行故障分类识别,获得所述待测海缆振动信号的故障识别结果;其中,所述海缆振动信号识别模型是利用所述波形样本库对预先构建的MobileNetV2信号识别模型进行训练验证而获得。2.如权利要求1所述的海缆振动信号的故障识别方法,其特征在于,所述采集并提取海缆的正常运行信号和故障振动信号,具体为:根据海底历史记录中所述海缆在正常运行时的振动信号,获得正常运行理想波形;根据所述海底历史记录中所述海缆在受冲刷影响时的振动信号,获得冲刷故障理想波形;根据所述海底历史记录中所述海缆在受摩擦影响时的振动信号,获得摩擦故障理想波形;根据所述海底历史记录中所述海缆在受锚砸影响时的振动信号,获得锚砸故障理想波形;采集所述海缆运行的监测信号,将所述监测信号分别与所述正常运行理想波形、所述冲刷故障理想波形、所述摩擦故障理想波形和所述锚砸故障理想波形进行对比,识别并分类筛选出所述监测信号中的所述正常运行信号、所述冲刷振动信号、所述摩擦振动信号和所述锚砸振动信号。3.如权利要求2所述的海缆振动信号的故障识别方法,其特征在于,所述根据所述正常运行信号和所述故障振动信号所述建立波形数据库,具体为:根据分类筛选出的所述正常运行信号,建立所述正常运行信号的子数据集;根据分类筛选出的所述冲刷振动信号,建立所述冲刷振动信号的子数据集;根据分类筛选出的所述摩擦振动信号,建立所述摩擦振动信号的子数据集;根据分类筛选出的所述锚砸振动信号,建立所述锚砸振动信号的子数据集;将所述正常运行信号的子数据集、所述冲刷振动信号的子数据集、所述摩擦振动信号的子数据集和所述锚砸振动信号的子数据集构建成所述波形数据库。4.如权利要求1所述的海缆振动信号的故障识别方法,其特征在于,所述将所述波形数据库中波形数据进行预处理及傅里叶转换,得到所述波形数据对应的二维RGB图片,具体为:将所述波形数据库中的全部的所述波形数据通过下采样方法,处理为相同长度的波形长度,得到预处理后的信号;将所述预处理后的信号进行短时傅里叶转换,生成所述波形数据对应的二维RGB图片;其中,所述短时傅里叶转换,具体为:STFT(t,f)=∫x(τ)h(τ
‑
t)e
(
‑
j2πfτ)
dτ其中,h(τ
‑
t)为分析窗函数,x(τ)为所述预处理后的信号,STFT(t,f)是t时刻的频谱。
5.如权利要求1所述的海缆振动信号的故障识别方法,其特征在于,所述将所述波形数据对应的二维RGB图片进行标签化处理,构建波形样本库,具体为:根据所述波形数据对应的二维RGB图片,获得全部波形数据的全部二维RGB图片,将所述全部二维RGB图片裁剪成预设尺寸,并将裁剪后的全部二维RGB图片作为统一尺寸样本;在所述统一尺寸样本中按照预设标准筛选出优质图片样本,将所述优质图片样本进行标签归类,得到所述波形样本库,并将所述波形样本库按照预设规则划分为训练集和验证集;其中,所述训练集占所述波形样本库的比例为第一预设比例...
【专利技术属性】
技术研发人员:朱文卫,许成昊,王兴华,王彦峰,郭金根,梁爱武,董晗拓,车伟娴,余梦泽,
申请(专利权)人:广东电网有限责任公司,
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。