瓷套高壓電纜終端內(nèi)的液體介質(zhì)與高壓電纜的運(yùn)行安全有關(guān)，液位同步的檢測(cè)可有效消除由此引起的安全隱患。體泄漏。文提出了一種基于STFT和DBN的高壓瓷套管電纜液位智能檢測(cè)方法。先，將信號(hào)由超聲信號(hào)蘭姆，然后時(shí)間頻率分割信號(hào)表示由傅立葉獲得分段在時(shí)間短，則有效值，峰 - 峰值，和峰度變換提取時(shí)頻分段信號(hào)的波形因子。計(jì)特征：最后，提取的特征用作深度置信網(wǎng)絡(luò)模型的輸入，并且液體水平被劃分為15個(gè)間隔作為網(wǎng)絡(luò)輸出。
　　實(shí)驗(yàn)訓(xùn)練迭代5000次時(shí)，所提方法的準(zhǔn)確度為液位識(shí)別的92％，當(dāng)訓(xùn)練重復(fù)次數(shù)為10，000次時(shí)，測(cè)試的準(zhǔn)確率達(dá)到100％。驗(yàn)結(jié)果表明，該方法可以準(zhǔn)確識(shí)別液位高度范圍，并提供一些維護(hù)指導(dǎo)。羊的波浪;高壓電纜;短期傅立葉變換;液位檢測(cè);深信任網(wǎng)絡(luò)分類號(hào)：TM75文獻(xiàn)代碼：A文章編號(hào)：1674-5124（2019）04-0047-06介紹作為城市電網(wǎng)的重要設(shè)備，瓷套管終端（PBT） ，是高壓電纜室外終端的外絕緣和支撐裝置，具有良好的穩(wěn)定性，高抗污性和長(zhǎng)期抗老化性能。了改善冷卻和減震，PBT端子通常填充有硅油。果硅油泄漏，PBT終端可能會(huì)出現(xiàn)局部異常發(fā)熱問題，甚至爆炸。此，必須定期檢查PBT終端的液位以保持安全高度。前，檢測(cè)在PBT端子液面的最常見的方法是打開PBT終端的上蓋當(dāng)檢查被關(guān)斷，這可能損壞瓷殼體的原始結(jié)構(gòu)。了確保PBT終端的安全可靠運(yùn)行，非破壞性無損檢測(cè)技術(shù)已成為PBT終端液位檢測(cè)的迫切需求。明和他的合作者設(shè)計(jì)了一個(gè)基于簡(jiǎn)單瓷殼模型的油位傳感裝置，并使用超聲波反射波能量來確定感應(yīng)高度中油的存在。出。潤揚(yáng)及其合作者研究了陶瓷與其他支撐物接觸的復(fù)合層中的超聲回波特性，并提出根據(jù)法律確定瓷殼內(nèi)部是否為復(fù)合層界面回聲衰減。統(tǒng)的超聲波需要逐層檢查方法來確定瓷殼中液位的高度范圍。聲蘭姆波在慢衰減和大面積檢測(cè)方面具有優(yōu)越的特性。們已被廣泛用于管道，平板顯示器等，并且具有良好的檢測(cè)結(jié)果。存富及其合作者分析了液體充電時(shí)蘭姆波的衰減和色散特性，并用它來檢測(cè)密閉容器的內(nèi)部液位。洪和他的合作者研究了板載液體的導(dǎo)模變化，并利用一定模式的導(dǎo)波在不同液位下的傳播時(shí)間來測(cè)量封閉容器的內(nèi)部液位。于色散和多模態(tài)，蘭姆波信號(hào)需要額外的處理才能實(shí)現(xiàn)更直觀的檢測(cè)功能。春安和他的合作者使用短期傅里葉變換來比較不同缺陷對(duì)超聲信號(hào)時(shí)頻特性的影響，并驗(yàn)證了時(shí)頻分析方法在故障識(shí)別中的可行性。偉及其同事從小波選擇和非線性小波系數(shù)處理的角度分析了小波分析在超聲降噪中的應(yīng)用，并給出了參考在不同條件下選擇小波和小波分解母層。聲蘭姆波的特征可以為瓷包的液位檢測(cè)提供趨勢(shì)判斷，而定量檢測(cè)則需要進(jìn)一步獲取特征與液位之間的映射關(guān)系。同的特征值（例如時(shí)域特性，頻域特性和時(shí)頻域特性）可以反映從不同角度測(cè)量的物體的狀態(tài)，從而應(yīng)用一種方法全面的多特征評(píng)估可以提高檢測(cè)系統(tǒng)的魯棒性和準(zhǔn)確性。為非線性多分類器，深度學(xué)習(xí)網(wǎng)絡(luò)可以通過參數(shù)模型獲得函數(shù)輸入與目標(biāo)輸出之間的對(duì)應(yīng)關(guān)系。清使用BP的主成分分析和神經(jīng)網(wǎng)絡(luò)對(duì)石油和天然氣管道的內(nèi)部缺陷進(jìn)行分類和識(shí)別。煥琦提取了環(huán)境中土壤腐蝕的特征，并利用BP網(wǎng)絡(luò)評(píng)估埋地管道的腐蝕狀態(tài)，并通過遺傳算法優(yōu)化網(wǎng)絡(luò)參數(shù)。健及其合作者研究了影響光伏發(fā)電的各種因素，并提出了基于深度信任網(wǎng)絡(luò)的光伏發(fā)電預(yù)測(cè)模型。志強(qiáng)選擇管網(wǎng)的主要數(shù)據(jù)作為深度信任網(wǎng)絡(luò)的輸入，在管道中進(jìn)行泄漏檢測(cè)。
　　果優(yōu)于傳統(tǒng)的BP網(wǎng)絡(luò)模型。聲蘭姆波已經(jīng)在非破壞性測(cè)試中得到了廣泛的研究，但是很少有基于深度學(xué)習(xí)的多特征融合技術(shù)的研究。以往的研究中，研究小組通過小波包分解和非線性超聲波波導(dǎo)技術(shù)，從瓷殼中提取了液體束縛超聲蘭姆波的特征。了闡明提取函數(shù)的提取量與液位檢測(cè)之間的關(guān)系，本文將深度函數(shù)網(wǎng)絡(luò)作為多功能完全評(píng)估不穩(wěn)定超聲蘭姆波的多功能融合模型。能檢測(cè)瓷器的液位。種用于智能檢測(cè)在瓷殼體，基于STFT和DBN液面的超聲波蘭姆波的方法，進(jìn)行和在高電壓電纜端子瓷液面檢測(cè)。
　　殼體瓷萃取STFT特性的超聲波蘭姆波通過裙多層傘的殼體porcelaine.Après反射和折射傳播超聲波羔羊波檢測(cè)方法中，許多模式生成回聲并且回波波包可以重疊。時(shí)，難以區(qū)分超聲蘭姆波信號(hào)的不同模式，并且大量模式也使信號(hào)頻譜復(fù)雜化。期傅立葉變換（STFT）是加窗傅里葉變換，其確定時(shí)變信號(hào)的局部區(qū)域的時(shí)頻特性。STFT處理的基本原理如下：在固定的窗口克（t）的一個(gè)函數(shù)，由分析傅立葉原始信號(hào)變換，以獲得所述本地信號(hào)和窗函數(shù)的頻率分量被移動(dòng)沿時(shí)間軸獲得信號(hào)頻率。同時(shí)間的變化。

　　傳統(tǒng)的傅里葉變換相比，短時(shí)傅里葉變換可以獲得信號(hào)頻率隨時(shí)間變化的規(guī)律，信號(hào)處理過程如圖1所示。要步驟如下： 1）原始信號(hào)被窗口函數(shù)ω（n）截?cái)唷?）將窗函數(shù)ω（n）與截?cái)嘈盘?hào)Xk逐點(diǎn)相乘，得到加窗變換信號(hào)Xk。3）對(duì)Xk執(zhí)行傅立葉變換。4）沿時(shí)間軸移動(dòng)窗函數(shù)，找到不同周期信號(hào)的傅立葉變換。于給定的信號(hào)XM，窗口K的長(zhǎng)度被選擇，并且截短的信號(hào)的STFT轉(zhuǎn)化為：其中w（u）的表示的對(duì)應(yīng)點(diǎn)的窗函數(shù)的值。同時(shí)段的信號(hào)的傅里葉變換集是STFT變換的結(jié)果。函數(shù)直接影響到時(shí)間分辨率和STFT處理頻率的分辨率：矩形窗常用漢寧窗，漢明窗，指數(shù)窗和高斯窗被用作窗口函數(shù)STFT。函數(shù)的應(yīng)用不僅將信號(hào)時(shí)間與頻譜相關(guān)聯(lián)，而且還減少了該區(qū)域中信號(hào)模態(tài)的數(shù)量。地信號(hào)的STFT變換可以在穩(wěn)態(tài)下近似，并且其RMS，峰 - 峰，峰度和波形因子被提取作為包絡(luò)中的液位鑒別的特征值。器：在瓷包絡(luò)中傳播的DBN液位判別模型一旦通過STFT轉(zhuǎn)換了Lamb超聲信號(hào)，就可以獲得信號(hào)的一系列局部時(shí)頻特性。過構(gòu)建多特征合并評(píng)估模型，可以建立特征向量與目標(biāo)檢測(cè)值之間的映射關(guān)系。度定罪網(wǎng)絡(luò)（DBN）是Hinton等人提出的典型深度學(xué)習(xí)網(wǎng)絡(luò)。2006年由DBN層學(xué)習(xí)下級(jí)信號(hào)貪婪層以形成高級(jí)別表示的更abstraite.Le無監(jiān)督自學(xué)習(xí)方法允許他避免專門知識(shí)合并傳統(tǒng)功能和實(shí)現(xiàn)檢測(cè)的智能。訓(xùn)練過程中，DBN可以通過多層非線性映射建立Lamb的超聲信號(hào)的特征輸入與瓷殼的液位之間的參數(shù)模型。

　　制波爾茲曼DBN模型是一系列RBM中，每個(gè)RBM包括可見層（V）和一個(gè)隱藏層（H）的組成的多層感知器神經(jīng)網(wǎng)絡(luò)。同層的節(jié)點(diǎn)給予重量。w連接，沒有連接到同一層節(jié)點(diǎn)。絡(luò)結(jié)構(gòu)DBN在學(xué)習(xí)階段中，DBN網(wǎng)絡(luò)映射從層到層掩蔽可見的相關(guān)信息，提取在隱藏層中的可見層上的新的映射信息，重構(gòu)所述輸入數(shù)據(jù)中可見層并重復(fù)執(zhí)行可見層和掩蔽。之間的制圖和重建過程。圖3中示出通過重疊3 RBM形成DBN圖案可見v層可以是改性倍caractéristique.UneSTFT的輸入層，所述RBM低學(xué)習(xí)特征矢量的時(shí)間 - 頻率的本地和輸出結(jié)果用作高級(jí)RBM的輸入。幾個(gè)貪婪的學(xué)習(xí)層之后，形成更直觀的函數(shù)表示。DBN學(xué)習(xí)過程由兩部分組成：從面向結(jié)果的堆棧前向管理和向后學(xué)習(xí)微調(diào)中學(xué)習(xí)。接堆疊過程是無監(jiān)督的學(xué)習(xí)過程，不需要標(biāo)簽數(shù)據(jù)的參與。修剪包括使用標(biāo)記數(shù)據(jù)來細(xì)化網(wǎng)絡(luò)模型的參數(shù)。RBM堆棧前向功能的學(xué)習(xí)過程如下：在執(zhí)行實(shí)驗(yàn)之前，最佳響應(yīng)頻率被掃描為218 kHz。此，中心頻率為218kHz的10峰值正弦信號(hào)被用作激勵(lì)信號(hào)。

　　0到1400mm的不同高度，每100mm獲取10個(gè)信號(hào)，并獲得總共150個(gè)信號(hào)樣本。驗(yàn)采樣頻率為2 UHz，采樣時(shí)間為1秒。于瓷殼液位檢測(cè)的液位傳感平臺(tái)由信號(hào)發(fā)生器，信號(hào)放大器，數(shù)據(jù)采集卡和信號(hào)放大器組成。性能PC（見圖4）。先，由信號(hào)發(fā)生器產(chǎn)生的數(shù)字控制信號(hào)由放大器放大，以產(chǎn)生足夠大的信號(hào)。裝在PBT終端下部的接收傳感器用于接收信號(hào)，并通過數(shù)據(jù)采集卡（DAQ）在PC上收集。PBT終端的高度為1410 mm，控制傳感器安裝在離上表面10 mm處，礦用電纜接收傳感器安裝在距離下端10 mm處。有傳感器均為PZT壓電傳感器，直徑為10 mm，中心頻率為2 UHz。STFT功能分析當(dāng)STFT運(yùn)行在數(shù)據(jù)上時(shí)，為了減少數(shù)據(jù)處理量，窗口函數(shù)設(shè)置為矩形窗口，礦用電纜時(shí)間窗口為2000個(gè)樣本，恢復(fù)率為0對(duì)于FFT變換信號(hào)，獲得四個(gè)統(tǒng)計(jì)特性，例如其均方根值，峰 - 峰值，峰度值和波形因子。

　　
　　液面到低水平依次處理150種不同液位的樣品，并提取每個(gè)樣品的特征值。提取的RMS特性示于圖5（a），當(dāng)不分段：特征值成反比在低液位的液位和成比例的值élevé.La單液體電平對(duì)應(yīng)于不同的高度。級(jí)液體不能有效識(shí)別液位。于信號(hào)分割處理的STFT的RMS特性如圖5（b）至5（d）所示.RMS值與1-2000段中的液位負(fù)相關(guān)，而在5000段中-7000，它通常是正相關(guān)的。而，存在波動(dòng)，RMS值與10，000至12，000范圍內(nèi)的液位正相關(guān)。

　　此，單個(gè)特征值通常僅適用于趨勢(shì)分析。測(cè)到的物體的狀態(tài)，難以進(jìn)行定量分析。時(shí)，單個(gè)特征的不穩(wěn)定性嚴(yán)重影響檢測(cè)的效率和穩(wěn)健性。DBN水平檢測(cè)分析將收集的數(shù)據(jù)的150個(gè)樣本劃分為學(xué)習(xí)集和測(cè)試集，其中80％是學(xué)習(xí)集樣本，20％是設(shè)置樣本。驗(yàn)。STFT變換后提取的特征值用作網(wǎng)絡(luò)輸入，并根據(jù)液位的高度將樣本分成15個(gè)類別。
　　絡(luò)輸出包括15個(gè)唯一代碼類別。網(wǎng)絡(luò)中的迭代次數(shù)設(shè)置為5，000次。練準(zhǔn)確率，測(cè)試準(zhǔn)確率和網(wǎng)絡(luò)形成損失函數(shù)根據(jù)圖3所示的迭代次數(shù)而變化。6.隨著迭代次數(shù)的增加，網(wǎng)絡(luò)損耗函數(shù)的損失值逐漸減小，驅(qū)動(dòng)器的準(zhǔn)確率逐漸增加。別是在算法的第一迭代過程，損失函數(shù)的值迅速減小和地層的準(zhǔn)確率迅速增加，表明提取的特征的值具有與所述電平良好的映射關(guān)系檢測(cè)液。后，訓(xùn)練的準(zhǔn)確率和測(cè)試的準(zhǔn)確率大于90％。
　　請(qǐng)注意，loss函數(shù)的值始終處于down狀態(tài)，并且錯(cuò)誤可能會(huì)繼續(xù)減少。5，000次迭代后的測(cè)試結(jié)果如圖7（a）所示。當(dāng)前的迭代次數(shù)下，訓(xùn)練的準(zhǔn)確率為92.8％。液位半滿時(shí)，發(fā)生相鄰類別的錯(cuò)誤分類。后觀察圖5中的特征值表明，與該液面相鄰的液面特性之間的差異很小。迭代次數(shù)增加到10，000，并正確識(shí)別所有類別，如圖7（b）所示。論對(duì)于瓷質(zhì)高壓電纜終端液位的在線檢測(cè)，提出了一種基于BPN的超聲蘭姆波檢測(cè)方法。先，分段信號(hào)的時(shí)頻表示由STFT算法獲得，從而提取超聲波羔羊信號(hào)的局部的時(shí)頻特性和提取特征為DBN的輸出。驗(yàn)結(jié)果表明，當(dāng)?shù)螖?shù)為5000時(shí)，所提出的方法原則上允許識(shí)別液位的高度，并且只有少數(shù)狀態(tài)具有相鄰的判斷誤差;當(dāng)?shù)螖?shù)為10，000時(shí)，識(shí)別液晶高度的精度達(dá)到100％。于液位檢測(cè)的準(zhǔn)確性，下一步將是研究深度學(xué)習(xí)網(wǎng)絡(luò)的回歸應(yīng)用。
　　本文轉(zhuǎn)載自
　　電纜價(jià)格 http://www.ktio.cn