基于彈性沖擊波技術的輸電桿塔螺栓快速檢測及定位診斷

劉易，陳芳芳，解海翔，蓋佳郇，徐天奇

（云南民族大學電氣信息工程學院，云南昆明 650031）

螺栓的連接優點主要是可以承受大載荷，能夠隨意拆卸以及重復裝配，所以被廣泛地使用在電力方面有拆卸需求的承載結構中[1-3]。國內外普通的機械行業集中于對螺栓的連接與松動等一系列問題進行研究，但對于輸電桿塔螺栓的松動等問題研究較少。部分文獻提出了輸電桿塔螺栓的松動檢測方法，但由于需要大量的傳感器和配套檢測電路等檢測儀器導致工作復雜，檢測的成本高且精度和效率低[4-5]。絕大部分的輸電桿塔都位于野外環境中，采用傳統的方法無法實現有效的檢測，而彈性沖擊波技術可以解決上述問題。

1 彈性沖擊波信號的特征提取及分析

輸電桿塔中彈性沖擊波信號特征的提取與分析是故障診斷的基礎，基于彈性沖擊波技術的螺栓檢測，能夠充分提取輸電桿塔中彈性沖擊波的有效特征，并判斷輸電桿塔全部螺栓的狀態。

沖擊波是在壓力的急劇變化下產生的，其具有在短時間產生很大壓力和很強張應力、壓應力以及可以穿透任意彈性介質等一系列優點[6]。彈性波的特征是可以使得擾動介質點間的彈性力在介質中傳播[7-8]。因為彈性沖擊波具有能量大等優點，且其基本性質類似于超聲波，所以很適合用于頻譜分析[9]。文中輸電桿塔螺栓的快速檢測及定位檢測主要依靠的是彈性沖擊波技術下的頻譜分析。

文中彈性沖擊波信號主要依靠的是頻譜分析，對輸電桿塔有缺陷的螺栓進行檢測及定位診斷。在外界環境下作用下，桿塔螺栓產生很大能量的彈性沖擊波，再通過圖1 所示的測震傳感器檢測到該彈性波信號。將檢測到的信號進行收集與放大，形成頻譜，對頻譜進行分析能夠對桿塔螺栓進行快速檢測和定位。

圖1 測振傳感系統裝置結構圖

2 輸電桿塔螺栓快速檢測及定位診斷

2.1 輸電桿塔整體螺栓快速檢測及定位

彈性沖擊波是一種應力波，例如輸電桿塔的螺栓斷裂、松動都會產生這種應力波。這種波由測振傳感器接收，由放大器放大。在放大器放大后，沖擊彈性波由圖2 所示的多路數據采集模型進行采集，之后把該信號傳輸到后期的數據分析和處理系統中，以進行分析處理。在輸電桿塔螺栓中產生的彈性沖擊波是靠在桿塔螺栓表面進行來回重復地反射傳播的。彈性沖擊波能夠引起輸電桿塔螺栓的瞬態動力響應[10]，從而在頻譜圖中顯現該物體的各個頻率成分。頻譜圖中的頻率成分發生改變是由輸電桿塔螺栓自身的狀態改變導致的，因此通過對頻譜圖中的頻率成分變化情況進行比對，就能達到判斷輸電桿塔螺栓狀態變化的目的，進而達到快速檢測和定位的效果，上述為輸電桿塔全部螺栓快速檢測和定位的基礎方法。

圖2 多路數據采集模型

2.2 輸電桿塔螺栓的快速可視化診斷

可視化快速診斷平臺是將提取和分析的波形文本及數據快速轉化為電脈沖信號，進而通過屏幕可視化呈現[11]?？梢暬脚_使得在輸電桿塔巡檢中對螺栓進行快速檢測、對定位狀態進行判別和預警，其基本原理圖如圖3 所示。

圖3 系統檢測原理示意圖

在圖3 所示的輸電桿塔中，其上下兩端分別安裝有測振儀和激振器，用于接收和發送信號。

輸電桿塔上端的測振儀主要接收輸電桿塔上端的彈性沖擊波信號，然后將信號傳輸到低通濾波電路進行濾波，經過A/D 差分電路以及A/D 轉換電路實現信號的轉變，再將最開始的彈性沖擊波信號轉變為數字信號。測振儀、低通濾波電路、A/D 差分電路以及A/D 轉換電路是圖3 中的接收系統。最后，將接收系統輸出的數字信號傳輸到FPGA 中的FIFO 模塊。

輸電桿塔下端的激振器主要發送相關信號到輸電桿塔。FPGA 中的DDS 模塊將信號傳送到D/A 轉換電路轉換成模擬信號，經過差分放大電路對模擬信號進行放大，再由低通濾波電路對其進行濾波，然后將其傳輸給功率放大器進行放大，最后將其傳輸給輸電桿塔的激振器。D/A 轉換電路、差分放大電路、低通濾波電路、功率放大器以及激振器是圖3 中的發射系統。

圖3 中的FPGA 可以和STM32 進行信息的雙向傳輸。STM32 中的FFT 模塊可以將輸電桿塔接收的彈性沖擊波信號經過接收系統及FPGA 中的FIFO 模塊傳輸到LCD 觸摸屏。其次在STM32 中的頻率控制字模塊會將SD 卡中的相關信息傳輸到STM32 中的DDS 模塊，再傳給發射系統，最終傳到輸電桿塔。

3 輸電桿塔螺栓的快速分析算法

在輸電桿塔整體螺栓檢測的海量數據背景下，要準確快速檢測及定位到桿塔螺栓的信息如同大海撈針，而輸電桿塔整體螺栓快速分析算法設計可以解決該問題，在彈性沖擊波頻率和波形提取的基礎上，這種算法能快速準確地提取和分析數據庫中的有關信息，此項算法設計也是文中研究的關鍵。

3.1 快速分析算法及其改進

文中主要采用的快速分析算法是基于熵加權的改進典型K-means[12]聚類算法。K-means 算法也叫K-均值聚類算法，是一種依靠距離來劃分聚類的分割方法，具有簡單、高效以及適合范圍廣等優點[13-14]。Kmeans 算法實現的目標函數如下所示：

式（1）的目標函數為計算誤差平方。其中，聚類準則函數是E，聚類總數是K，聚類中的簇為Cj(j=1,2,…,K)，簇Cj中的一個聚類目標為x，簇Cj的平均大小為mj。

在K-means 聚類算法中，數值K和數據集X中的聚類目標數量n代表的是輸入參數。當函數E，即聚類的準則函數到達最小的K個聚類時，代表的是輸出。K-means 聚類算法的基本步驟如下所示：

步驟1 輸入參數值，將K個聚類中心進行初始化；

步驟2 進行E值的計算；

步驟3 對每個群數集中心進行更新，之后計算出E的新數值；

步驟4 進行收斂的判斷。當滿足收斂條件時，進行參數的輸出，計算結束；反之，則回到步驟2。

經過上面關于典型K-means 聚類算法原理以及計算的介紹，可以看出，該算法在處理輸電桿塔螺栓定位與檢測的數據較多且雜亂時，計算量會明顯增加，導致其效率也大打折扣，因此，對其先進行一定的優化很有必要，優化后可以達到降低數據集合維度和去掉相類似數據冗余的目的。

文中基于熵加權[15]對典型的K-means 聚類算法進行改進，由此能夠對典型的K-means 聚類算法進行優化[16-17]。聚類的目標函數如下所示：

計算當前集合的隸屬度：

該數據集合的特征系數可以通過式（4）得到：

根據目標函數與式（3）可以得到隸屬迭代：

然后根據式（6）的結果推導聚類中心距離：

通過式（7）進一步計算t時刻的聚類中心值：

最后通過式（9）計算熵加權系數：

3.2 實驗結果與分析

仿真實驗環境配置為Windows 10 操作系統，CPU 為Intel 處理器，8 GB 內存，Matlab 2018 仿真平臺。測試數據來自大理近兩年和輸電桿塔螺栓相關的數據數據，隨機選取了超過500 GB 的數據。

在此之外，采用比較單一化的F1測試數值來評選和估計算法的性能，使得算法檢索的性能能夠得到更加直觀的效果。式（10）為F1的具體表達式[18]。

文中采用改進的算法和典型K-means 聚類算法，在處理輸電桿塔螺栓定位以及檢測信息的結果對比如表1 所示。

表1 輸電桿塔螺栓相關信息的數據實驗結果

從表1 可以看出，改進后的聚類算法的性能指標比起K-means 聚類算法提高10%以上，數據挖掘的速度更加快，能夠預先對螺栓快速檢測的海量數據庫進行預處理，也能對數據庫中的波形、頻率進行篩選和快速檢測及對定位波形特征進行提取，從而記錄快速檢測及定位波形特征和文件的對應關系。在需要搜索輸電桿塔整體螺栓快速檢測及定位波形特征時，能夠利用快速檢測及定位數據庫中已有的波形特征進行快速匹配。

4 結論

彈性沖擊波檢測技術對輸電桿塔全部螺栓狀態進行一次性檢測診斷和定位，可以減少人工巡查的時間和體力，并提高對輸電桿塔整體螺栓快速狀態分析和診斷的能力，解決目前主要通過人工巡檢觀察輸電桿塔螺栓劃線標記進行判斷螺栓故障的問題，可用于輸電桿塔巡檢工作中的螺栓快速檢測和健康診斷，提升巡檢工作質量，有效優化、提升目前的輸電桿塔巡檢模式，極大提高螺栓快速診斷效率，創造顯著經濟效益。