一种海缆振动信号的故障识别方法技术

本发明专利技术公开了一种海缆振动信号的故障识别方法，方法包括建立包含冲刷、摩擦、锚砸三类常见海缆故障振动信号及海缆正常运行信号的波形数据库，对信号波形进行预处理和傅里叶转换，生成二维RGB图片，针对不同波形种类的RGB图，分别赋予冲刷、摩擦、锚砸振动及正常运行的标签，预先搭建MobileNetV2神经网络信号识别模型，通过训练与验证，得到海缆振动信号识别模型，通过海缆振动信号识别模型将待测海缆振动信进行分类识别操作，在基于深度学习的技术上识别海缆振动信号。本实施例实现了高效识别海缆振动信号，提高海缆振动信号的识别率。提高海缆振动信号的识别率。提高海缆振动信号的识别率。

【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RGB图片进行标签化处理，构建波形样本库；
[0008]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，获得待测海缆振动信号的故障识别结果；其中，海缆振动信号识别模型是利用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。
[0009]实施本专利技术实施例，建立包含冲刷、摩擦、锚砸三类常见海缆故障振动信号及海缆正常运行信号的波形数据库，对信号波形进行预处理和傅里叶转换，生成二维RGB图片，针对不同波形种类的RGB图，分别赋予冲刷、摩擦、锚砸振动及正常运行的标签，预先搭建MobileNetV2神经网络信号识别模型，通过训练与验证，得到海缆振动信号识别模型，通过海缆振动信号识别模型将待测海缆振动信进行分类识别操作，在基于深度学习的技术上识别海缆振动信号，可准确的从复杂的海底环境的监测信号中识别出振动信号，能够得到精确度更高的优质海缆振动信号识别效果，识别率较高且更为简单。
[0010]作为优选方案，采集并提取海缆的正常运行信号和故障振动信号，具体为：
[0011]根据海底历史记录中海缆在正常运行时的振动信号，获得正常运行理想波形；
[0012]根据海底历史记录中海缆在受冲刷影响时的振动信号，获得冲刷故障理想波形；
[0013]根据海底历史记录中海缆在受摩擦影响时的振动信号，获得摩擦故障理想波形；
[0014]根据海底历史记录中海缆在受锚砸影响时的振动信号，获得锚砸故障理想波形；
[0015]采集海缆运行的监测信号，将监测信号分别与正常运行理想波形、冲刷故障理想波形、摩擦故障理想波形和锚砸故障理想波形进行对比，识别并分类筛选出监测信号中的正常运行信号、冲刷振动信号、摩擦振动信号和锚砸振动信号。
[0016]作为优选方案，根据正常运行信号和故障振动信号建立波形数据库，具体为：
[0017]根据分类筛选出的正常运行信号，建立正常运行信号的子数据集；
[0018]根据分类筛选出的冲刷振动信号，建立冲刷振动信号的子数据集；
[0019]根据分类筛选出的摩擦振动信号，建立摩擦振动信号的子数据集；
[0020]根据分类筛选出的锚砸振动信号，建立锚砸振动信号的子数据集；
[0021]将正常运行信号的子数据集、冲刷振动信号的子数据集、摩擦振动信号的子数据集和锚砸振动信号的子数据集构建成波形数据库。
[0022]作为优选方案，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，具体为：
[0023]将波形数据库中的全部的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；
[0024]将预处理后的信号进行短时傅里叶转换，生成波形数据对应的二维RGB图片；其中，短时傅里叶转换，具体为：
[0025]STFT(t,f)＝∫x(τ)h(τ
‑
t)e
(
‑
j2πfτ)
dτ
[0026]其中，h(τ
‑
t)为分析窗函数，x(τ)为预处理后的信号，STFT(t,f)是t时刻的频谱。
[0027]实施本专利技术实施例，利用短时傅里叶转换方法，一次STFT便可将波形本质参数、时间、频率和幅值特征考虑进去，选用STFT转化后的信号时频特征图作为MobileNetV2信号识别模型的输入，通过训练CNN神经网络，得到精确度更高的优质海缆振动信号识别效果。
[0028]作为优选方案，将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：
[0029]根据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；
[0030]在统一尺寸样本中按照预设标准筛选出优质图片样本，将优质图片样本进行标签归类，得到波形样本库，并将波形样本库按照预设规则划分为训练集和验证集；其中，训练集占波形样本库的比例为第一预设比例，在波形样本库中去除训练集的部分，其余部分为验证集。
[0031]作为优选方案，将优质图片样本进行标签归类，得到波形样本库，具体为：
[0032]将优质图片样本中正常运行信号对应的图片归类为正常类，且设为第一标签，获得正常波形样本；
[0033]将优质图片样本中冲刷振动信号对应的图片归类为故障振动类，且设为第二标签，获得第一故障波形样本；
[0034]将优质图片样本中摩擦振动信号对应的图片归类为故障振动类，且设为第三标
签，获得第二故障波形样本；
[0035]将优质图片样本中锚砸振动信号对应的图片归类为故障振动类，且设为第四标签，获得第三故障波形样本；
[0036]根据正常波形样本、第一故障波形样本、第二故障波形样本和第三故障波形样本，构建波形样本库。
[0037]作为优选方案，预先构建的MobileNetV2信号识别模型，具体为：
[0038]构造1
×
1的第一卷积层，第一卷积层连接第一ReLU6激活函数，得到升维层；
[0039]构造3
×
3深度可分卷积的空间卷积层，空间卷积层连接第二ReLU6激活函数，得到特征提取层；
[0040]构造1
×
1的第二卷积层，第二卷积层连接Linear激活函数，得到降维层；
[本文档来自技高网...

【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：