瓷套高壓電纜終端內(nèi)的液體介質(zhì)與高壓電纜的運行安全有關(guān)，液位同步的檢測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方法。先，將信號由超聲信號蘭姆，然后時間頻率分割信號表示由傅立葉獲得分段在時間短，則有效值，峰 - 峰值，和峰度變換提取時頻分段信號的波形因子。計特征：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個間隔作為網(wǎng)絡(luò)輸出。
　　實驗訓(xùn)練迭代5000次時，所提方法的準(zhǔn)確度為液位識別的92％，當(dāng)訓(xùn)練重復(fù)次數(shù)為10，000次時，測試的準(zhǔn)確率達(dá)到100％。驗結(jié)果表明，該方法可以準(zhǔn)確識別液位高度范圍，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;深信任網(wǎng)絡(luò)分類號：TM75文獻(xiàn)代碼：A文章編號：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終端的安全可靠運行，非破壞性無損檢測技術(shù)已成為PBT終端液位檢測的迫切需求。明和他的合作者設(shè)計了一個基于簡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結(jié)果。存富及其合作者分析了液體充電時蘭姆波的衰減和色散特性，并用它來檢測密閉容器的內(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間來測量封閉容器的內(nèi)部液位。于色散和多模態(tài)，蘭姆波信號需要額外的處理才能實現(xiàn)更直觀的檢測功能。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超聲信號時頻特性的影響，并驗證了時頻分析方法在故障識別中的可行性。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提供趨勢判斷，而定量檢測則需要進(jìn)一步獲取特征與液位之間的映射關(guān)系。同的特征值（例如時域特性，頻域特性和時頻域特性）可以反映從不同角度測量的物體的狀態(tài)，從而應(yīng)用一種方法全面的多特征評估可以提高檢測系統(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)輸出之間的對應(yīng)關(guān)系。清使用BP的主成分分析和神經(jīng)網(wǎng)絡(luò)對石油和天然氣管道的內(nèi)部缺陷進(jìn)行分類和識別。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)測模型。志強選擇管網(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。
　　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)作為多功能完全評估不穩(wěn)定超聲蘭姆波的多功能融合模型。能檢測瓷器的液位。種用于智能檢測在瓷殼體，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。
　　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方法中，許多模式生成回聲并且回波波包可以重疊。時，難以區(qū)分超聲蘭姆波信號的不同模式，并且大量模式也使信號頻譜復(fù)雜化。期傅立葉變換（STFT）是加窗傅里葉變換，其確定時變信號的局部區(qū)域的時頻特性。STFT處理的基本原理如下：在固定的窗口克（t）的一個函數(shù)，由分析傅立葉原始信號變換，以獲得所述本地信號和窗函數(shù)的頻率分量被移動沿時間軸獲得信號頻率。同時間的變化。

　　傳統(tǒng)的傅里葉變換相比，短時傅里葉變換可以獲得信號頻率隨時間變化的規(guī)律，信號處理過程如圖1所示。要步驟如下： 1）原始信號被窗口函數(shù)ω（n）截斷。2）將窗函數(shù)ω（n）與截斷信號Xk逐點相乘，得到加窗變換信號Xk。3）對Xk執(zhí)行傅立葉變換。4）沿時間軸移動窗函數(shù)，找到不同周期信號的傅立葉變換。于給定的信號XM，窗口K的長度被選擇，并且截短的信號的STFT轉(zhuǎn)化為：其中w（u）的表示的對應(yīng)點的窗函數(shù)的值。同時段的信號的傅里葉變換集是STFT變換的結(jié)果。函數(shù)直接影響到時間分辨率和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)用不僅將信號時間與頻譜相關(guān)聯(lián)，而且還減少了該區(qū)域中信號模態(tài)的數(shù)量。地信號的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，就可以獲得信號的一系列局部時頻特性。過構(gòu)建多特征合并評估模型，可以建立特征向量與目標(biāo)檢測值之間的映射關(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)下級信號貪婪層以形成高級別表示的更abstraite.Le無監(jiān)督自學(xué)習(xí)方法允許他避免專門知識合并傳統(tǒng)功能和實現(xiàn)檢測的智能。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RBM包括可見層（V）和一個隱藏層（H）的組成的多層感知器神經(jīng)網(wǎng)絡(luò)。同層的節(jié)點給予重量。w連接，沒有連接到同一層節(jié)點。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)特征矢量的時間 - 頻率的本地和輸出結(jié)果用作高級RBM的輸入。幾個貪婪的學(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)行實驗之前，最佳響應(yīng)頻率被掃描為218 kHz。此，中心頻率為218kHz的10峰值正弦信號被用作激勵信號。

　　0到1400mm的不同高度，每100mm獲取10個信號，并獲得總共150個信號樣本。驗采樣頻率為2 UHz，采樣時間為1秒。于瓷殼液位檢測的液位傳感平臺由信號發(fā)生器，信號放大器，數(shù)據(jù)采集卡和信號放大器組成。性能PC（見圖4）。先，由信號發(fā)生器產(chǎn)生的數(shù)字控制信號由放大器放大，以產(chǎn)生足夠大的信號。裝在PBT終端下部的接收傳感器用于接收信號，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運行在數(shù)據(jù)上時，為了減少數(shù)據(jù)處理量，窗口函數(shù)設(shè)置為矩形窗口，礦用電纜時間窗口為2000個樣本，恢復(fù)率為0對于FFT變換信號，獲得四個統(tǒng)計特性，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單液體電平對應(yīng)于不同的高度。級液體不能有效識別液位。于信號分割處理的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，RMS值與10，000至12，000范圍內(nèi)的液位正相關(guān)。

　　此，單個特征值通常僅適用于趨勢分析。測到的物體的狀態(tài)，難以進(jìn)行定量分析。時，單個特征的不穩(wěn)定性嚴(yán)重影響檢測的效率和穩(wěn)健性。DBN水平檢測分析將收集的數(shù)據(jù)的150個樣本劃分為學(xué)習(xí)集和測試集，其中80％是學(xué)習(xí)集樣本，20％是設(shè)置樣本。驗。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個類別。
　　絡(luò)輸出包括15個唯一代碼類別。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)系檢測液。后，訓(xùn)練的準(zhǔn)確率和測試的準(zhǔn)確率大于90％。
　　請注意，loss函數(shù)的值始終處于down狀態(tài)，并且錯誤可能會繼續(xù)減少。5，000次迭代后的測試結(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，發(fā)生相鄰類別的錯誤分類。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，并正確識別所有類別，如圖7（b）所示。論對于瓷質(zhì)高壓電纜終端液位的在線檢測，提出了一種基于BPN的超聲蘭姆波檢測方法。先，分段信號的時頻表示由STFT算法獲得，從而提取超聲波羔羊信號的局部的時頻特性和提取特征為DBN的輸出。驗結(jié)果表明，當(dāng)?shù)螖?shù)為5000時，所提出的方法原則上允許識別液位的高度，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，識別液晶高度的精度達(dá)到100％。于液位檢測的準(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
　　電纜價格 http://jslianhai.cn