CN106680371A - 一种电瓷瓷体在线探伤装置及方法 - Google Patents

一种电瓷瓷体在线探伤装置及方法 Download PDF

Info

Publication number
CN106680371A
CN106680371A CN201611264803.3A CN201611264803A CN106680371A CN 106680371 A CN106680371 A CN 106680371A CN 201611264803 A CN201611264803 A CN 201611264803A CN 106680371 A CN106680371 A CN 106680371A
Authority
CN
China
Prior art keywords
porcelain body
electroceramics
electroceramics porcelain
flaw detection
knock
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611264803.3A
Other languages
English (en)
Other versions
CN106680371B (zh
Inventor
王莹
周强
陈颖
脱羚
杜晞盟
胡江涛
李烨
李敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi University of Science and Technology
Original Assignee
Shaanxi University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shaanxi University of Science and Technology filed Critical Shaanxi University of Science and Technology
Priority to CN201611264803.3A priority Critical patent/CN106680371B/zh
Publication of CN106680371A publication Critical patent/CN106680371A/zh
Application granted granted Critical
Publication of CN106680371B publication Critical patent/CN106680371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0232—Glass, ceramics, concrete or stone
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/269—Various geometry objects

Landscapes

  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明提供的一种电瓷瓷体在线探伤测量装置及方法，包括检测单元、驱动单元、收集单元和处理单元，其中，当检测单元检测到电瓷瓷体时，向驱动单元和收集单元发送信号；通过驱动单元敲击电瓷瓷体，再结合收集单元收集电瓷瓷体所产生的敲击声信号，所述收集单元将收集到的电瓷瓷体敲击声转换为数字信号传输给所述处理单元；所述处理单元根据所采集到的电瓷瓷体敲击声，采用预设算法辨识电瓷瓷体的损伤类型。该结构只需安装在电瓷瓷体的生产线上，即可自动完成电瓷瓷体内在缺陷的检测。

Description

一种电瓷瓷体在线探伤装置及方法
技术领域
本发明电工陶瓷生产领域，尤其涉及种电瓷瓷体在线探伤装置及方法。
背景技术
目前，电瓷瓷体广泛应用于直接关系到我们日常用电和铁路运输的电力***中，比如，不同电压等级的输电线路、变电站、电器设备。电瓷瓷体作为电力***中非常重要的一个构成部分，一旦出现如气孔、裂纹等，长期使用会严重地影响电瓷的性能而造成电力***的瘫痪，因此，对电瓷瓷体进行探伤检测在电瓷瓷体生产过程中就显得尤为重要。
目前主要的探伤检测方法主要通过人工的方式进行，即通过人工肉眼进行的表面探伤检测。虽然目前的方法也能够实现陶瓷瓷体的表面探伤检测，但是这种方法存在效率低下、自动化程度低、而且无法实现陶瓷磁体的内在缺陷检测。
发明内容
本发明的目的在于提供的一种电瓷瓷体在线探伤测量装置及方法，解决了现有的电瓷瓷体探伤效率低下、自动化程度低、而且无法实现陶瓷磁体的内在缺陷检测。
为了达到上述目的，本发明采用的技术方案如下：
本发明提供的一种电瓷瓷体在线探伤测量装置，包括检测单元、驱动单元、收集单元和处理单元，其中，所述检测单元用于检测电瓷瓷体并控制驱动单元敲击所检测到的电瓷瓷体；所述收集单元用于收集驱动单元所敲击电瓷瓷体产生的敲击声，并将收集到的电瓷瓷体敲击声转换为数字信号传输给所述处理单元；所述处理单元根据所采集到的电瓷瓷体敲击声，采用预设算法辨识电瓷瓷体的损伤类型。
优选地，所述检测单元包括光电开关，通过光电开关对电瓷瓷体进行检测。
优选地，所述驱动单元包括敲击子单元和放大子单元，其中，所述敲击子单元包括敲击锤，所述敲击锤设置在电瓷瓷体的正上方；所述放大子单元包括功率放大器，所述功率放大器将敲击电瓷瓷体产生的敲击声进行放大。
优选地，所述收集单元包括声音收集子单元和声音转换子单元，其中，所述声音收集子单元包括麦克风，所述声音转换子单元包括声音采集卡，所述声音采集卡将麦克风收集到的敲击声转换为数字信号传输给处理单元。
优选地，所述处理单元包括五阶巴特沃兹滤波器和处理器，其中，通过五阶巴特沃兹滤波器对电瓷瓷体敲击声进行滤波处理，获取滤波声音信号；所述处理器通过采用预设算法对获取的滤波声音信号进行处理得到电瓷瓷体的损伤类型。
一种电瓷瓷体在线探伤的测量方法，包括以下步骤：
S1：通过检测单元检测电瓷瓷体，并向驱动单元发送一个敲击信号，同时向收集单元发送一个收集使能信号；
S2：所述驱动单元收到敲击信号后，通过其内部的敲击子单元在预设的力度范围内敲击电瓷瓷体；
S3：通过所述驱动单元内的放大子单元将敲击电瓷瓷体产生的敲击声进行放大，产生电瓷瓷体敲击声放大信号；
S4：通过收集单元收集电瓷瓷体敲击声放大信号，并将所述电瓷瓷体声音放大信号转换为数字信号传输给处理单元；
S5：所述处理单元对电瓷瓷体敲击声数字信号进行滤波处理，获取滤波声音信号，根据该滤波声音信号采用第一预设算法对获取的滤波声音信息进行提取，得到滤波声音信号对应的探伤特征信息，再根据获取的探伤特征信息采用第二预设算法得到电瓷瓷体的损伤类型。
优选地，所述第一预设算法采用的是模糊小波算法，其具体步骤为：
S101：首先确定模糊小波变换中的母小波，并对母小波进行尺度a的变换；
S102：接着对经过滤波获取的滤波声音信号和经过尺度a变换的母小波进行模糊化处理，获取模糊化处理后的滤波声音信号的第一语言变量Sj和所述第一语言变量对应的第一隶属度值以及经过尺度a变换的母小波的第二语言变量Mi和所述第二语言变量对应的第二隶属度值
S103：接着根据预定的模糊匹配规则对第一语言变量Sj和第二语言变量Mi进行模糊匹配，获取所述模糊化处理后的滤波声音信号与所述经过尺度a变换的母小波之间的匹配语言变量Rij；
S104：最后根据所述第一语言变量Sj对应的第一隶属度值和所述第二语言变量Mi对应的第二隶属度值对所述匹配语言变量Rij进行清晰化处理，获取滤波声音信号对应的探伤特征信息Ta。
优选地，所述第二预设算法采用的是径向基神经网络算法，所述径向基神经网络算法具体是将尺度a下滤波声音信号对应的探伤特征信息Ta作为输入层的输入量、将Φi(||Ta-ci||)作为隐含层的激活函数、将电瓷瓷体的损伤类型y作为输出层的输出量，其中，所述电瓷瓷体的损伤类型y的非线性关系为：
其中，||Ta-ci||表示Ta与ci之间的欧式距离，ci表示第i个隐含层神经元的数据中心值，wi为输出权值。
优选地，所述隐含层的激活函数Φi(||Ta-ci||)的数学定义为：
其中，δi为第i个隐含层神经元的扩展常数。
优选地，在步骤S101之前，首先需要确定第i个隐含层神经元的数据中心值ci、扩展常数δi和输出权值wi，实现对径向基神经网络进行拟合，其中，确定第i个隐含层神经元的数据中心值ci、扩展常数δi和输出权值wi的过程具体如下：
第一，选取同等数量的没有损伤的电瓷瓷体、存在气孔的电瓷瓷体和存在内部裂纹的电瓷瓷体若干个，分别将没有损伤的电瓷瓷体作为第一类样本；存在气孔的电瓷瓷体作为第二类样本；存在内部裂纹的电瓷瓷体作为第三类样本；
第二，分别将第一类样本、第二类样本及第三类样本分别通过模糊小波算法，获取对应的第一类特征量、第二类特征量及第三类特征量；
第三，将获取的第一类特征量、第二类特征量、第三类特征量分别输入RBFNN，通过网络训练获取c1,c2,c3...ch、δ1,δ2,δ3...δh以及w1,w2,w3...wh，完成径向基神经网络的训练过程。
与现有技术相比，本发明的有益效果是：
本发明提供的一种电瓷瓷体在线探伤测量装置及方法，包括检测单元、驱动单元、收集单元和处理单元，其中，当检测单元检测到电瓷瓷体时，向驱动单元和收集单元发送信号；通过驱动单元敲击电瓷瓷体，再结合收集单元收集电瓷瓷体所产生的敲击声信号，所述收集单元将收集到的电瓷瓷体敲击声转换为数字信号传输给所述处理单元；所述处理单元根据所采集到的电瓷瓷体敲击声，采用预设算法辨识电瓷瓷体的损伤类型。该结构只需安装在电瓷瓷体的生产线上，即可自动完成电瓷瓷体内在缺陷的检测。
附图说明
图1为测量***示意图；
图2为测量方法流程图；
图3为径向基神经网络结构图；
其中，101、检测单元 102、驱动单元 103、收集单元 104、处理单元。
具体实施方式
下面将结合本发明实施例中的附图，对发明作进一步说明，本领域技术人员可有本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修改或改变。需要说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互结合。
需要说明的是，以下实施例中所提供的图示仅以示意图方式说明本发明的基本构想，所以图示中仅显示于本发明中相关组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可谓一种随意的改变，且其组件布局型态也可以更为复杂。
如图1所示，本发明提供的一种电瓷瓷体在线探伤测量装置，包括检测单元101、驱动单元102、收集单元103和处理单元104。其中，所述检测单元101用于检测电瓷瓷体并驱动单元102敲击所检测到的电瓷瓷体；所述收集单元103用于收集驱动单元102所敲击电瓷瓷体产生的敲击声，并将收集到的电瓷瓷体敲击声转换为数字信号传输给所述处理单元104；所述处理单元104根据所述电瓷瓷体敲击声，采用预设算法辨识电瓷瓷体的损伤类型。
所述检测单元101包括光电开关，通过光电开关对电瓷瓷体进行检测；
所述驱动单元102包括敲击子单元和放大子单元，其中，所述敲击子单元包括敲击锤，所述敲击锤设置在电瓷瓷体的正上方；所述放大子单元包括功率放大器，所述功率放大器将敲击电瓷瓷体产生的敲击声进行放大；
所述收集单元103包括声音收集子单元和声音转换子单元，其中，所述声音收集子单元包括麦克风，所述声音转换子单元包括声音采集卡，所述声音采集卡将麦克风收集到的敲击声转换为数字信号传输给处理单元104；
所述处理单元104包括五阶巴特沃兹滤波器和处理器，其中，所述处理单元104通过五阶巴特沃兹滤波器对电瓷瓷体敲击声进行滤波处理，获取滤波声音信号，之后通过处理器对获取的滤波声音信号进行处理得到电瓷瓷体的损伤类型。
一种电瓷瓷体在线探伤的测量方法，包括以下步骤：
S1：所述检测单元101检测到电瓷瓷体时，所述检测单元101向驱动单元102发送一个敲击信号，同时向收集单元103发送一个收集使能信号；
S2：所述驱动单元102收到敲击信号后，通过其内部的敲击子单元在预设的力度范围内敲击电瓷瓷体；
S3：通过所述驱动单元102内的放大子单元将敲击电瓷瓷体产生的敲击声进行放大，产生电瓷瓷体敲击声放大信号；
S4：通过收集单元103内的声音收集子单元收集电瓷瓷体敲击声放大信号；
S5：通过收集单元103内的声音转换子单元将所述电瓷瓷体声音放大信号转换为数字信号传输给处理单元103；
S6：所述处理单元104对电瓷瓷体敲击声数字信号进行滤波处理，获取滤波声音信号；
S7：所述处理单元104通过预设算法辨识电瓷瓷体的损伤类型。
具体地，步骤S1中，所述检测单元101包括光电开关，通过光电开关实现电瓷瓷体的检测。
所述敲击信号和收集使能信号均为高电平信号。
具体地，步骤S2中，所述预设的力度范围，是根据不同的电瓷瓷体进行设置。
具体地，步骤S6中，采用的滤波器为五阶巴特沃兹滤波器，所述滤波处理，是指滤除所述电瓷瓷体声音放大信号中的环境噪声信号，以获取滤波声音信号。
具体地，步骤S7中，所述预设算法包括第一预设算法和第二预设算法，其中，所述第一预设算法采用的是模糊小波算法，所述第二预设算法采用的是径向基神经网络算法。
在步骤S6后，首先通过第一预设算法对获取的滤波声音信息进行提取，得到滤波声音信号对应的探伤特征信息，再通过第二预设算法得到电瓷瓷体的损伤类型。
所述第一预设算法的具体步骤为：
S101：首先确定模糊小波变换中的母小波，并对母小波进行尺度a的变换；
S102：接着对经过滤波获取的滤波声音信号和经过尺度a变换的母小波进行模糊化处理，获取模糊化处理后的滤波声音信号的第一语言变量Sj和所述第一语言变量对应的第一隶属度值以及经过尺度a变换的母小波的第二语言变量Mi和所述第二语言变量对应的第二隶属度值
S103：接着根据预定的模糊匹配规则对第一语言变量Sj和第二语言变量Mi进行模糊匹配，获取所述模糊化处理后的滤波声音信号与所述经过尺度a变换的母小波之间的匹配语言变量Rij；
S104：最后根据所述第一语言变量Sj对应的第一隶属度值和所述第二语言变量Mi对应的第二隶属度值对所述匹配语言变量Rij进行清晰化处理，获取滤波声音信号对应的探伤特征信息Ta。
对于步骤S101，所述母小波，具体地是指Maxican-hat母小波；
进一步地，所述尺度a变换，具体指对母小波进行尺度a变换和平移变换。
对于步骤S103，所述预定的模糊匹配规则如表1，获取所述模糊化处理后的滤波声音信号与所述经过尺度a变换的母小波之间的匹配语言变量；
表1
从表1中可以看出，所述预定的模糊匹配规则为I×J的矩阵，其中，I表示尺度a下母小波的第二语言变量个数，J表示尺度a下滤波声音信号的第一语言变量个数，Sj表示尺度a下第j个滤波声音信号的第一语言变量，Mi表示尺度a下第i个母小波的第二语言变量，Rij表示Mi与Sj之间的匹配语言变量。
对于步骤S104，所述清晰化处理的公式为：
在公式(1)中，Ta为尺度a下滤波声音信号对应的探伤特征信息，a代表小波的尺度，是在尺度a下滤波声音信号的第一语言变量Sj的第一隶属度值，是在尺度a下母小波的第二语言变量Mi的第二隶属度值，表示在尺度a下Mi与Sj之间的匹配语言变量。
如图3所示，所述第二预设算法采用的是径向基神经网络(RBFNN，Radical BasisFunction Neural network)算法，所述径向基神经网络算法具体是将尺度a下滤波声音信号对应的探伤特征信息Ta作为输入层的输入量、将Φi(||Ta-ci||)作为隐含层的激活函数、将电瓷瓷体的损伤类型y作为输出层的输出量，其中，所述电瓷瓷体的损伤类型y的非线性关系为：
其中，||Ta-ci||表示Ta与ci之间的欧式距离，ci表示第i个隐含层神经元的数据中心值，wi为输出权值；所述Φi()选取Gaussian函数，则：
其中，δi为第i个隐含层神经元的扩展常数，δi越小，Φi(||Ta-ci||)的宽度越小。
径向基神经网络投入到工作过程：即，将滤波声音信号对应的探伤特征信息Ta通过径向基神经网络，可以获取对应的电瓷瓷体的损伤类型y。
为了测量得到电瓷瓷体的损伤类型y，首先需要在步骤S101之前，确定第i个隐含层神经元的数据中心值ci、扩展常数δi和输出权值wi，实现对径向基神经网络进行拟合。
其中，确定第i个隐含层神经元的数据中心值ci、扩展常数δi和输出权值wi的过程具体如下：
首先选取没有损伤的电瓷瓷体20个，作为第一类样本；选取存在气孔的电瓷瓷体20个，作为第二类样本；选取存在内部裂纹的电瓷瓷体20个，作为第三类样本；
其次，分别将第一类样本、第二类样本及第三类样本分别通过模糊小波算法，获取对应的第一类特征量、第二类特征量及第三类特征量，此时第一类特征量对应没有损伤的20个电瓷瓷体，第二类特征量对应存在气孔的20个电瓷瓷体，第三类特征量对应内部裂纹的20个电瓷瓷体；
将第一类特征量、第二类特征量、第三类特征量分别输入RBFNN，通过网络训练获取c1,c2,c3...ch，δ1,δ2,δ3...δh以及w1,w2,w3...wh，完成径向基神经网络的训练过程。其计算公式为：
所述电瓷瓷体的损伤类型包括：外伤或者内伤；其中外伤包括：表面裂痕、表面划伤；内伤包括：内部气孔及内部裂纹。
以上，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (10)

1.一种电瓷瓷体在线探伤测量装置，其特征在于：包括检测单元(101)、驱动单元(102)、收集单元(103)和处理单元(104)，其中，所述检测单元(101)用于检测电瓷瓷体并控制驱动单元(102)敲击所检测到的电瓷瓷体；所述收集单元(103)用于收集驱动单元(102)所敲击电瓷瓷体产生的敲击声，并将收集到的电瓷瓷体敲击声转换为数字信号传输给所述处理单元(104)；所述处理单元(104)根据所采集到的电瓷瓷体敲击声，采用预设算法辨识电瓷瓷体的损伤类型。
2.根据权利要求1所述的一种电瓷瓷体在线探伤测量装置，其特征在于：所述检测单元(101)包括光电开关，通过光电开关对电瓷瓷体进行检测。
3.根据权利要求1所述的一种电瓷瓷体在线探伤测量装置，其特征在于：所述驱动单元(102)包括敲击子单元和放大子单元，其中，所述敲击子单元包括敲击锤，所述敲击锤设置在电瓷瓷体的正上方；所述放大子单元包括功率放大器，所述功率放大器将敲击电瓷瓷体产生的敲击声进行放大。
4.根据权利要求1所述的一种电瓷瓷体在线探伤测量装置，其特征在于：所述收集单元(103)包括声音收集子单元和声音转换子单元，其中，所述声音收集子单元包括麦克风，所述声音转换子单元包括声音采集卡，所述声音采集卡将麦克风收集到的敲击声转换为数字信号传输给处理单元(104)。
5.根据权利要求1所述的一种电瓷瓷体在线探伤测量装置，其特征在于：所述处理单元(104)包括五阶巴特沃兹滤波器和处理器，其中，通过五阶巴特沃兹滤波器对电瓷瓷体敲击声进行滤波处理，获取滤波声音信号；所述处理器通过采用预设算法对获取的滤波声音信号进行处理得到电瓷瓷体的损伤类型。
6.一种电瓷瓷体在线探伤的测量方法，其特征在于，包括以下步骤：
S1：通过检测单元检测电瓷瓷体，并向驱动单元发送一个敲击信号，同时向收集单元发送一个收集使能信号；
S2：所述驱动单元收到敲击信号后，通过其内部的敲击子单元在预设的力度范围内敲击电瓷瓷体；
S3：通过所述驱动单元内的放大子单元将敲击电瓷瓷体产生的敲击声进行放大，产生电瓷瓷体敲击声放大信号；
S4：通过收集单元收集电瓷瓷体敲击声放大信号，并将所述电瓷瓷体声音放大信号转换为数字信号传输给处理单元；
S5：所述处理单元对电瓷瓷体敲击声数字信号进行滤波处理，获取滤波声音信号，根据该滤波声音信号采用第一预设算法对获取的滤波声音信息进行提取，得到滤波声音信号对应的探伤特征信息，再根据获取的探伤特征信息采用第二预设算法得到电瓷瓷体的损伤类型。
7.根据权利要求6所述的一种电瓷瓷体在线探伤测量方法，其特征在于，所述第一预设算法采用的是模糊小波算法，其具体步骤为：
S101：首先确定模糊小波变换中的母小波，并对母小波进行尺度a的变换；
S102：接着对经过滤波获取的滤波声音信号和经过尺度a变换的母小波进行模糊化处理，获取模糊化处理后的滤波声音信号的第一语言变量Sj和所述第一语言变量对应的第一隶属度值以及经过尺度a变换的母小波的第二语言变量Mi和所述第二语言变量对应的第二隶属度值
S103：接着根据预定的模糊匹配规则对第一语言变量Sj和第二语言变量Mi进行模糊匹配，获取所述模糊化处理后的滤波声音信号与所述经过尺度a变换的母小波之间的匹配语言变量Rij；
S104：最后根据所述第一语言变量Sj对应的第一隶属度值和所述第二语言变量Mi对应的第二隶属度值对所述匹配语言变量Rij进行清晰化处理，获取滤波声音信号对应的探伤特征信息Ta。
8.根据权利要求6所述的一种电瓷瓷体在线探伤测量方法，其特征在于：所述第二预设算法采用的是径向基神经网络算法，所述径向基神经网络算法具体是将尺度a下滤波声音信号对应的探伤特征信息Ta作为输入层的输入量、将Φi(||Ta-ci||)作为隐含层的激活函数、将电瓷瓷体的损伤类型y作为输出层的输出量，其中，所述电瓷瓷体的损伤类型y的非线性关系为：
y = Σ i = 1 h w i Φ i ( | | T a - c i | | )
其中，||Ta-ci||表示Ta与ci之间的欧式距离，ci表示第i个隐含层神经元的数据中心值，wi为输出权值。
9.根据权利要求8所述的一种电瓷瓷体在线探伤测量方法，其特征在于：所述隐含层的激活函数Φi(||Ta-ci||)的数学定义为：
Φ i ( | | T a - c i | | ) = e | | T a - c i | | 2 δ i 2
其中，δi为第i个隐含层神经元的扩展常数。
10.根据权利要求8所述的一种电瓷瓷体在线探伤测量方法，其特征在于：在步骤S101之前，首先需要确定第i个隐含层神经元的数据中心值ci、扩展常数δi和输出权值wi，实现对径向基神经网络进行拟合，其中，确定第i个隐含层神经元的数据中心值ci、扩展常数δi和输出权值wi的过程具体如下：
第一，选取同等数量的没有损伤的电瓷瓷体、存在气孔的电瓷瓷体和存在内部裂纹的电瓷瓷体若干个，分别将没有损伤的电瓷瓷体作为第一类样本；存在气孔的电瓷瓷体作为第二类样本；存在内部裂纹的电瓷瓷体作为第三类样本；
第二，分别将第一类样本、第二类样本及第三类样本分别通过模糊小波算法，获取对应的第一类特征量、第二类特征量及第三类特征量；
第三，将获取的第一类特征量、第二类特征量、第三类特征量分别输入RBFNN，通过网络训练获取c1,c2,c3...ch、δ1,δ2,δ3...δh以及w1,w2,w3...wh，完成径向基神经网络的训练过程。
CN201611264803.3A 2016-12-30 2016-12-30 一种电瓷瓷体在线探伤装置及方法 Active CN106680371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611264803.3A CN106680371B (zh) 2016-12-30 2016-12-30 一种电瓷瓷体在线探伤装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611264803.3A CN106680371B (zh) 2016-12-30 2016-12-30 一种电瓷瓷体在线探伤装置及方法

Publications (2)

Publication Number Publication Date
CN106680371A true CN106680371A (zh) 2017-05-17
CN106680371B CN106680371B (zh) 2019-12-20

Family

ID=58849628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611264803.3A Active CN106680371B (zh) 2016-12-30 2016-12-30 一种电瓷瓷体在线探伤装置及方法

Country Status (1)

Country Link
CN (1) CN106680371B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109387565A (zh) * 2018-10-12 2019-02-26 山东理工大学 一种通过分析声音信号检测刹车片内部缺陷的方法
CN114324580A (zh) * 2021-12-03 2022-04-12 西安交通大学 一种结构缺陷的智能敲击检测方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402015A (zh) * 2002-09-13 2003-03-12 西安交通大学 基于小波变换的电机绝缘老化诊断方法及其装置
CN202614725U (zh) * 2012-04-16 2012-12-19 中南林业科技大学 木材内部缺陷无损智能探测装置
CN203385697U (zh) * 2013-08-29 2014-01-08 廖文祥 一种陶瓷检测设备
CN104198578A (zh) * 2014-07-30 2014-12-10 国家电网公司 瓷支柱绝缘子自动探伤测试***及测试方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1402015A (zh) * 2002-09-13 2003-03-12 西安交通大学 基于小波变换的电机绝缘老化诊断方法及其装置
CN202614725U (zh) * 2012-04-16 2012-12-19 中南林业科技大学 木材内部缺陷无损智能探测装置
CN203385697U (zh) * 2013-08-29 2014-01-08 廖文祥 一种陶瓷检测设备
CN104198578A (zh) * 2014-07-30 2014-12-10 国家电网公司 瓷支柱绝缘子自动探伤测试***及测试方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冷劲松 等: "复合材料结构敲击法无损检测灵敏度研究", 《复合材料学报》 *
臧春艳 等: "振动法检测支柱绝缘子缺陷的研究", 《高压电器》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109387565A (zh) * 2018-10-12 2019-02-26 山东理工大学 一种通过分析声音信号检测刹车片内部缺陷的方法
CN114324580A (zh) * 2021-12-03 2022-04-12 西安交通大学 一种结构缺陷的智能敲击检测方法及***

Also Published As

Publication number Publication date
CN106680371B (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN107393542A (zh) 一种基于双通道神经网络的鸟类物种识别方法
CN106841403A (zh) 一种基于神经网络的声学玻璃缺陷检测方法
CN109142547B (zh) 一种基于卷积神经网络的声学在线无损检测方法
CN106405339A (zh) 基于高低频小波特征关联的输电线路故障原因辨识方法
CN107356432A (zh) 基于频域窗经验小波共振解调的滚动轴承故障诊断方法
CN103776903B (zh) 一种风电叶片脱层检测方法及检测***
CN112304614B (zh) 采用多注意力机制的端到端滚动轴承智能故障诊断方法
WO2021068983A1 (zh) 一种基于智能声信息识别的焊后焊缝冲击质量判别方法及***
CN106680371A (zh) 一种电瓷瓷体在线探伤装置及方法
CN104535646A (zh) 一种粮食籽粒不完善度检测方法
CN107886078A (zh) 一种基于分层自适应阈值函数的小波阈值降噪方法
CN107314251A (zh) 一种下水管道泄漏故障的检测装置及检测方法
CN116913316A (zh) 一种基于Mosaic数据增强的电力变压器典型故障声纹诊断方法
CN111582132A (zh) 基于改进eemd与pcnn的气体泄漏信号降噪方法
CN202661576U (zh) 一种无饱和随机共振数学模型的含噪声微弱信号检出电路
CN108278438A (zh) 一种管道噪声主动控制装置及方法
CN101738436B (zh) 一种提高中厚板自动探伤信号信噪比的***和方法
CN114970610A (zh) 一种基于格拉姆角场增强的电力变压器状态辨识方法及装置
CN113392773A (zh) 基于图谱信息融合的卷积神经网络的变压器故障诊断***
CN106595835A (zh) 一种基于错位叠加算法的声信标信号提取方法及***
CN110196069B (zh) 一种传感器补偿***及其补偿方法
CN202433457U (zh) 用于电磁阀在线检测台的控制装置
CN1844940B (zh) 一种测试adsl线路差模噪声的装置及其方法
Li et al. A robust classification method for power transformer status recognition based on sound signals
CN206919927U (zh) 一种基于无线网络传感器的地区环境检测控制***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant