[发明专利]基于振动速度传感器波形采集的杆塔螺栓松动判别方法

说明书

本发明的一种基于振动速度传感器波形采集的杆塔螺栓松动判别方法，包括如下步骤：步骤1：通过振动速度传感器预先采集多组螺栓松动振动信号和螺栓紧固振动信号作为训练集；步骤2：将训练集中的振动信号去除奇异值并进行RLS滤波处理；步骤3：建立一维卷积神经网络模型，通过训练集对卷积神经网络模型进行训练；步骤4：通过训练好的神经网络模型判断螺栓松动情况。该方法可有效地解决通过人工检测杆塔螺栓松动情况费时、费力的问题。

技术领域

本发明属于故障诊断技术领域，涉及基于振动速度传感器波形采集的杆塔螺栓松动判别方法。

背景技术

杆塔螺栓在紧固后，由于外界环境因素的影响，杆塔本身会发生自振，当横向力超过预紧力并产生摩擦抵抗力，紧固螺纹配件之间发生相对运动，将会导致紧固件松动。然而，杆塔螺栓松动将带来高额的财产损失以及严重行人安全问题。目前，杆塔螺栓松动的检修方式主要为人工检修，工人通过锤子敲击杆塔，当螺栓松动时能够听到明显拖尾颤音，这是由于螺栓松动处两连接部位发生碰撞产生的。这个额外的碰撞以振动信号采集的方式更为明显，同时，振动信号沿杆塔金属架构传播时的衰减更小，受到外界声音、温度、天气情况的影响更小。人工检测费时费力，工作人员需要定时巡检所有杆塔。

发明内容

针对现有人工检测方法的不足，本发明提供一种基于振动速度传感器波形采集的杆塔螺栓松动判别方法，以有效地解决通过人工检测杆塔螺栓松动情况费时、费力的问题。

本发明提供一种基于振动速度传感器波形采集的杆塔螺栓松动判别方法，包括如下步骤：

步骤1：通过振动速度传感器预先采集多组螺栓松动振动信号和螺栓紧固振动信号作为训练集；

步骤2：将训练集中的振动信号去除奇异值并进行滤波处理；

步骤3：建立一维卷积神经网络模型，通过训练集对一维卷积神经网络模型进行训练；

步骤4：通过训练好的一维卷积神经网络模型判断螺栓松动情况。

在本发明的基于振动速度传感器波形采集的杆塔螺栓松动判别方法中，所述步骤1具体为；

步骤1.1：将振动速度传感器通过磁座吸附到杆塔上，并依次连接振动速度传感器、AD7606模块、FPGA模块、GPRS模块，远程配置好上位机；

步骤1.2：通过电磁敲击锤敲击杆塔一侧，并采集多组螺栓松动振动信号和螺栓紧固振动信号传输给上位机，以构成训练集。

在本发明的基于振动速度传感器波形采集的杆塔螺栓松动判别方法中，所述步骤2具体为；

步骤2.1：通过循环剔除电压范围不在1-5V之间的数字电压信号；

步骤2.2：通过RLS算法对干扰信号滤波，选取滤波器输出作为期望响应，滤波器的代价函数如下：

J(n)＝∑λ^n-1|d(i)-w^H(n)u(i)|²

其中，λ为遗忘因子，λ值越小时历史数据的权重越小；d(i)为期望信号序列；u(i)为输入信号序列；w^H(n)是抽头增益向量初始化为0，通过迭代调节w^H(n)使迭代函数达到最小；

步骤2.3，为使误差达到最小，对权向量求偏导：

步骤2.4，选取P(n)＝R^-1(n)，基于步骤2.3推导出RLS滤波解集为：

其中，是求解过程的中间变量；