[發明專利]一種基于GRU網絡的輸電桿塔螺栓緊固檢測方法及系統

在審

• 申請號: 202010712021.1
• 申請日: 2020-07-22
• 公開（公告）號: CN111879394A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 魯煒;駱昊駿;榮吉良;朱煒;卓亞光
• 申請（專利權）人: 上海電力高壓實業有限公司
• 主分類號: G01H9/00
• 分類號: G01H9/00;G01D5/48;G01D5/353;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 向霞

1.一種基于GRU網絡的輸電桿塔螺栓緊固檢測方法，其特征在于，包括：

獲取原始聲波數據，所述原始聲波數據由光纖傳感器分析儀在輸電鐵塔塔基處采集所得；

對所述原始聲波數據進行預處理，以得到處理數據；

將所述處理數據劃分為訓練樣本和測試樣本；

提取每一所述訓練樣本的12階LPCC特征，并基于所述12階LPCC特征構建特征向量；

根據所述特征向量訓練門控循環單元網絡分類模型；

將所述測試樣本輸入所述門控循環單元網絡分類模型進行預測，以得到預測結果，并輸出所述預測結果。

2.如權利要求1所述的檢測方法，其特征在于，對所述原始聲波數據進行預處理具體包括：

對所述原始聲波數據進行濾除處理、聲波預加重處理、分幀處理、加窗處理及端點檢測處理。

3.如權利要求2所述的檢測方法，其特征在于，根據所述特征向量訓練門控循環單元網絡分類模型具體包括：

初始化GRU網絡結構：設置GRU隱藏單元的數量numHiddemUnits＝30，類別數量numClass＝2，特征維數D＝24，最大迭代次數maxEpoch＝40，批大小miniBatchSize＝512，以及選擇使用隨機梯度下降算法作為優化算法，選擇交叉熵損失作為損失函數；

將所述訓練樣本中提取的特征向量和訓練樣本對應的分類真值作為GRU網絡的輸入，開始訓練門控循環單元網絡分類模型，其中訓練過程為迭代過程，每一次迭代通過前向傳播計算交叉熵損失，最小化目標函數，并反向傳播更新模型參數。

4.如權利要求1所述的檢測方法，其特征在于，將所述測試樣本輸入所述門控循環單元網絡分類模型進行預測具體包括：

對所述測試樣本進行特征提取，以得到預測特征向量；

將所述預測特征向量輸入所述門控循環單元網絡分類模型進行預測，以得到預測結果。

5.如權利要求1-4任一項所述的檢測方法，其特征在于，將所述處理數據劃分為訓練樣本和測試樣本之后，所述檢測方法還包括：

記錄用于訓練的聲波數據所對應的螺栓緊固狀態。

6.一種基于GRU網絡的輸電桿塔螺栓緊固檢測系統，包括光纖傳感器分析儀和計算機，其特征在于，所述光纖傳感器分析儀分別與被測鐵塔和計算機進行通信；所述光纖傳感器分析儀用于采集所述被測鐵塔塔基處的原始聲波數據，并將所述聲波數據發送至所述計算機；

所述計算機包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調用所述程序指令，執行如權利要求5所述的方法。

7.如權利要求6所述的檢測系統，其特征在于，所述光纖傳感器分析儀采集所述被測鐵塔塔基處的原始聲波數據，具體包括：

設備連接：將所述光纖傳感器分析儀和被測鐵塔通過光纖連接；

數據采集：將所述光纖傳感器分析儀的采集片粘貼于所述被測鐵塔塔基內側的鋼壁上，通過回彈儀敲擊塔基以采集所述原始聲波數據，并記錄鐵塔螺栓的緊固狀態。