CN117008056B - 一种基于mems确定目标声源的方法 - Google Patents
一种基于mems确定目标声源的方法 Download PDFInfo
- Publication number
- CN117008056B CN117008056B CN202311282617.2A CN202311282617A CN117008056B CN 117008056 B CN117008056 B CN 117008056B CN 202311282617 A CN202311282617 A CN 202311282617A CN 117008056 B CN117008056 B CN 117008056B
- Authority
- CN
- China
- Prior art keywords
- sound
- target
- information
- mems
- fault
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 239000012634 fragment Substances 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 12
- 238000005336 cracking Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及电力***技术领域，提供一种基于MEMS确定目标声源的方法，基于MEMS***，MEMS***包括多个MEMS检波器，MEMS检波器按照预设阵列设置在对应的电缆井内，该方法包括：构建地下电缆三维模型；利用MEMS检波器，获取第一预设时间内的多个声音信息，对多个声音信息进行预处理；根据预处理后的多个声音信息得到目标声源的多个水平位置信息和多个角度信息，以得到对应的目标声源的目标位置；更新三维模型，得到不同时间点的多个目标三维模型，对目标声源的变化进行预测，并根据预测结果进行预警。本发明的有益效果：采用目标三维模型对声音信息进行确定，即声形结合确定目标声源，有效增加了目标声源确定的准确性。
Description
技术领域
本发明涉及电力***技术领域，具体而言，涉及一种基于MEMS确定目标声源的方法。
背景技术
地下电缆是城市的血管，为城市输送源源不断的能量。随着国家电力基础设施投入的逐年增大，地下电缆的长度也正在迅速增加，由于运行维护人员的增长速度远远跟不上基础设施的增长速度，致使地下电缆运行工作面临着巨大压力。
地下电缆的安全关乎城市的各个方面，地下电缆不但需要对电缆本体进行监测，如电缆接头的监测，还需要对地下电缆内的环境进行监测，如道路施工、地下水、地震、地面沉降等。目前常使用光纤传感器或MEMS（微机电***，Micro-Electro-Mechanical System）对地下电缆进行声音监测。通过声音以判断地下电缆是否发生运行故障，并进行故障类型判断及预警。但是光纤传感器成本较高、铺设难度大；MEMS虽安装便利，但是其是利用神经网络对目标声源的类型进行判断，在进行使用前，需要人工进行大量的标注以提供训练神经网络的数据基础，人工成本较高，若训练数据量不够时，会出现误判等现象，降低维修效率。且上述两种检测方式均只能对已经发生的故障进行判断。
发明内容
本发明解决的问题是如何增加目标声源确定的准确性以及对故障进行预测。
为解决上述问题，本发明提供了一种基于MEMS确定目标声源的方法，基于MEMS***，所述MEMS***包括多个MEMS检波器，所述MEMS检波器按照预设阵列设置在对应的电缆井内，包括：
构建地下电缆三维模型；
利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理；
根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息；
分别根据各所述水平位置信息和所述角度信息得到对应的所述目标声源的目标位置；
根据多个所述目标位置更新所述三维模型，得到不同时间点的多个目标三维模型，根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警。
本发明中，MEMS检波器设置在电缆井内，便于安装与拆卸。构建地下电缆三维模型，便于对整个地下电缆环境进行了解，也为后续目标声源的监测提供基础。获取第一时间内的多个声音信息，对目标声源进行一段时间的检测，并对声音信息进行预处理，有效对声音信息进行过滤处理，避免杂音对后续监测产生影响，提高目标声源预测准确性。根据多个声音信息得到多个对应的水平位置信息和角度信息，以确定每个声音信息在不同时间点的目标位置，对电缆运行时产生的每个声源信息的目标位置进行监测，且根据目标位置更新三维模型得到目标三维模型，利用不同时间点的目标三维模型在第一预设时间对目标声源进行实时监测，使目标声源变化更加直观，且根据多个声音信息构建目标三维模型，声形结合，有效提高了目标声源确定的准确率。根据目标三维模型的变化趋势对目标声源变化进行预测以进行预警，实现对电缆运行进行监测，即实现在故障发生前或故障发生时实现故障发生预警或故障程度预警，且结合目标三维模型，以提示工作人员进行相应的应急措施。
可选地，所述根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警，包括：
获取预设电缆故障标准，根据所述预设电缆故障标准构建故障三维模型，其中，所述预设电缆故障标准包括预设故障类型和预设故障形状，根据所述预设故障类型和所述预设故障形状生成所述故障三维模型；
获取多个所述目标三维模型，根据多个所述目标三维模型判断变化趋势，比较所述目标三维模型的变化趋势和所述故障三维模型，根据比较结果进行预警。
可选地，所述预设电缆故障标准还包括与所述预设故障类型对应的维修方案；所述获取多个所述目标三维模型，根据多个所述目标三维模型判断变化趋势，比较所述目标三维模型的变化趋势和所述故障三维模型，根据比较结果进行预警，包括：
确定每个所述目标三维模型与每个所述故障三维模型的相似度，并按时间顺序对所述相似度进行排序；
若所述相似度逐渐增大，则根据对应的所述故障三维模型的所述维修方案进行预警；
若所述相似度呈波动变化，则比较每个所述相似度与预设故障相似度标准，当任一所述相似度超过所述预设故障相似度标准时，将对应的所述目标声源标记为重点关注目标。
可选地，在所述利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理之后，还包括：
获取预设地下声音数据库，根据所述预设地下声音数据库得到所述声音信息的类型；
根据所述第一预设时间内的所述声音信息得到强度变化趋势和声音频率；
根据所述强度变化趋势和所述声音频率对所述目标声源的变化进行预测。
可选地，所述根据所述强度变化趋势和所述声音频率对所述目标声源的变化进行预测，包括：
若所述声音强度逐渐减小且所述声音频率逐渐减小，则判定所述目标声源不故障；
若所述声音强度逐渐增强且所述声音频率逐渐增加，则判定所述目标声源为预发故障目标，进行预警。
可选地，在所述利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理之后，还包括：
利用所述MEMS检波器获取温度信息和湿度信息；
根据所述湿度信息、预设电缆湿度标准、所述温度信息和预设电缆温度标准对地下电缆的运行环境进行判断；
根据所述声音信息和所述运行环境判断故障类型，根据所述故障类型进行预警。
可选地，所述根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警，包括：
获取第一预测结果、第二预测结果和第三预测结果，其中，所述第一预测结果包括所述目标三维模型和所述故障三维模型的比较结果，所述第二预测结果包括根据所述强度变化趋势和所述声音频率的预测结果，所述第三预测结果包括根据所述声音信息和所述运行环境判断的所述故障类型；
若所述第一预测结果、所述第二预测结果和所述第三预测结果中的至少两个相同，则根据相同的所述预测结果进行预警；
若所述第一预测结果、所述第二预测结果和所述第三预测结果均不相同，则返回对多个所述声音信息进行预处理的步骤，对所述声音信息重新进行预测，直至所述第一预测结果、所述第二预测结果和所述第三预测结果中的至少两个相同。
可选地，所述利用所述MEMS检波器获取多个声音信息，包括：
将所述声音信息分割为多个第一声音片段，其中，所述第一声音片段与前一个所述第一声音片段具有重叠信息，且与后一个所示第一声音片段具有重叠信息，两个所述重叠信息不相同；
对所述第一声音片段进行初始滤波，将环境声音信息进行过滤，得到处理后的多个第二声音片段；
利用自适应滤波器对每个所示第二声音片段进行处理，得到处理后的多个第三声音片段；
将每个所述第三声音片段进行加权平均后，进行拼接处理，得到预处理后的所述声音信息；
其中，所述环境声音信息的获取方法包括：
获取第二预设时间内的所述声音信息，生成所述声音信息在所述第二预设时间内的强度变化和声音频率；
根据所述强度变化和所述声音频率对所述声音信息进行筛选，将在预设环境声音标准内的所述声音信息作为所述环境声音信息。
可选地，所述根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息，包括：
获取每个所述MEMS检波器获取所述声音信息的时间；
根据所述声音信息的时间得到每两个所述MEMS检波器获取所述时间信息的时间差；
以任意三个所述MEMS检波器的位置为圆心，以对应的所述时间差为半径，构建三条位置曲线，根据三条所述位置曲线的交点得到所述目标声源的所述水平位置信息。
可选地，所述根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息，还包括：
获取任意两个所述MEMS检波器间的所述时间差；
根据所述时间差和声音传播速度得到声音传播的声传距离差；
根据所述预设阵列得到两个所述MEMS检波器间的检波器距离；
利用三角函数，根据所述声传距离差和所述检波器距离得到所述目标声源的所述角度信息。
附图说明
图1为本发明实施例的基于MEMS确定目标声源的方法的流程示意图一；
图2为本发明实施例的基于MEMS确定目标声源的方法的流程示意图二；
图3为本发明实施例的基于MEMS确定目标声源的方法的流程示意图三；
图4为本发明实施例的基于MEMS确定目标声源的方法的流程示意图四；
图5为本发明实施例的水平位置信息获取方法示意图；
图6为本发明实施例的MEMS检波器预设阵列结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
在本申请实施例的描述中，术语“一些实施例”的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”；术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
可以理解的是，本申请中涉及到的任何关于数据获取或采集的部分，均以获得用户授权。
如图1所示，本发明提供了一种基于MEMS确定目标声源的方法，基于于MEMS***，所述MEMS***包括多个MEMS检波器，所述MEMS检波器为全对称结构，可以提供更好的信号传输和抗干扰能力，提高检波器的性能和灵敏度，并且采用全硅晶圆级进行封装，为MEMS检波器提供更好的机械稳定性和温度稳定性，减少因环境变化而引起的性能波动，增加MEMS检波器使用寿命。且全对称、全硅晶圆封装的MEMS检波器可实现微小尺寸的器件制造，因此全对称全硅封装的MEMS检波器可以在小型化应用中被广泛使用，也可实现批量制造和集成制造，降低制造成本。按照预设阵列设置在对应的电缆井内，预设阵列可为例如线性阵列、平面阵列或三维阵列。
本发明实施例一种基于MEMS确定目标声源的方法包括：
步骤S1、根据电缆设计图构建地下电缆三维模型；
步骤S2、利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理；
具体地，MEMS检波器获取地下电缆的声音信息，但是获取的声音信息存在很多噪音，所以需要对声音信息进行预处理，以减小噪音对后续进行目标声源定位的影响，提升处理效率。
步骤S3、根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息；
步骤S4、分别根据各所述水平位置信息和所述角度信息得到对应的所述目标声源的目标位置；
步骤S5、根据多个所述目标位置更新所述三维模型，得到不同时间点的多个目标三维模型，根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警。
在现有技术中，通常是获取一个目标声源的点声源，而后利用例如交叉关联相位法、最小二乘法等得到点声源的具体的目标位置，将目标位置作为故障位置进行预警，且仅通过声音强度、类型确定故障强度和故障类型，并不准确，例如电缆外皮老化开裂，其裂开的声音并不是随开裂大小而变大的，当裂口为1cm时和裂口为10cm时的声音强度可能相同，此时判断失误，导致维修不及时产生事故等。
但是在例如电缆外皮开裂时，其并不是产生一个点声源，而是在开裂的过程中，整个开裂的外皮均会产生声音，即具有多个点声源，因此，本实施例中，对多个点声源进行位置确定后，得到对应的目标位置，并根据多个目标位置更新得到不同时间点的目标三维模型（其中，不同时间点指的是第一预设时间内的时间点，例如第一预设时间为10s，则时间点为1s、2s、3s…10s），不同时间点的目标三维模型会根据例如电缆外皮开裂程度产生的点声源的目标位置进行变化，因此，监测目标三维模型的变化即可监测目标声源故障或运行变化，当故障或运行状态超过预设故障或预设运行标准时，进行预警。
本实施例中，MEMS检波器设置在电缆井内，便于安装与拆卸。构建地下电缆三维模型，便于对整个地下电缆环境进行了解，也为后续目标声源的监测提供基础。获取第一时间内的多个声音信息，对目标声源进行一段时间的检测，并对声音信息进行预处理，有效对声音信息进行过滤处理，避免杂音对后续监测产生影响，提高目标声源预测准确性。根据多个声音信息得到多个对应的水平位置信息和角度信息，以确定每个声音信息在不同时间点的目标位置，对电缆运行时产生的每个声源信息的目标位置进行监测，且根据目标位置更新三维模型得到目标三维模型，利用不同时间点的目标三维模型在第一预设时间对目标声源进行实时监测，使目标声源变化更加直观，且根据多个声音信息构建目标三维模型，声形结合，有效提高了目标声源确定的准确率。根据目标三维模型的变化趋势对目标声源变化进行预测以进行预警，实现对电缆运行进行监测，即实现在故障发生前或故障发生时实现故障发生预警或故障程度预警，且结合目标三维模型，以提示工作人员进行相应的应急措施。
可选地，如图2所示，所述根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警，包括：
获取预设电缆故障标准，根据所述预设电缆故障标准构建故障三维模型，其中，所述预设电缆故障标准包括预设故障类型和预设故障形状，根据所述预设故障类型和所述预设故障形状生成所述故障三维模型；
具体地，故障三维模型包括根据故障类型和对应的故障形状在一段地下电缆中将例如地震或地面沉降引起的地下电缆结构变化、电缆外皮老化开裂或动物啃咬导致电缆外皮损坏等故障的结构变化生成的多种故障模型。
获取多个所述目标三维模型，根据多个所述目标三维模型判断变化趋势，比较所述目标三维模型的变化趋势和所述故障三维模型，根据比较结果进行预警；例如在10s内，电缆外皮开裂的目标三维模型由1cm变为5cm，即变化趋势为故障逐渐严重。将第一预设时间内目标三维模型的变化趋势与故障三维模型比较，可以确定目标三维模型是否发生故障、故障类型、故障强度等，有效对目标声源的变化情况进行监视、对目标声源的故障种类进行确定。
需要说明的是，第一预设时间的目标三维模型判定完成后，对数据进行记录，且在下一时间段比较与前一时间段的目标三维模型变化趋势判定时，应结合上一时间段（第一预设时间）的变化趋势或最后时间的目标三维模型进行判断，以增加目标声源确定的准确性。
可选地，所述预设电缆故障标准还包括与所述预设故障类型对应的维修方案；所述获取多个所述目标三维模型，根据多个所述目标三维模型判断变化趋势，比较所述目标三维模型的变化趋势和所述故障三维模型，根据比较结果进行预警，包括：
确定每个所述目标三维模型与每个所述故障三维模型的相似度，并按时间顺序对所述相似度进行排序；
若所述相似度逐渐增大，则根据对应的所述故障三维模型的所述维修方案进行预警；
具体地，若相似度逐渐变大，即目标三维模型的变化向某一故障三维模型变化，则说明目标三维模型发生故障，即调取对应的维修方案进行及时预警，以提示工作人员进行维修，有效减小故障对地下电缆运行的影响和损失。
若所述相似度呈波动变化，则比较每个所述相似度与预设故障相似度标准，当任一所述相似度超过所述预设故障相似度标准时，将对应的所述目标声源标记为重点关注目标。
具体地，若目标三维模型的变化趋势呈不规则的波动变化，则说明此时目标声源获取不稳定或地下电缆运行不稳定，则此时应比较第一预设时间内每个目标三维模型与每个故障模型的相似度，并设定故障相似度标准，该故障相似度标准表示故障发生初期或故障预发生相似度标准，将目标三维模型与故障模型的相似度与故障相似度进行比较，当相似度超过故障相似度标准时，则说明该目标三维模型对应的目标声源可能存在故障或存在发生故障的可能，则将该目标三维模型和对应的目标声源进行标记，作为重点关注目标，以进行重点监测。
可选地，如图3所示，在所述利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理之后，还包括：
获取预设地下声音数据库，根据所述预设地下声音数据库得到所述声音信息的类型；地下声音数据库包括例如地下水流声、地下电缆着火声、地下动物活动声音、电缆短路电流声等。
根据所述第一预设时间内的所述声音信息得到强度变化趋势和声音频率；
具体地，获取声音信息的声音强度，将声音信息按照时间进行排序，按序对声音强度的变化趋势，例如强度逐渐增加、逐渐减小等，并得到声音频率，声音频率包括目标声音出现的频率以及每次目标声音出现时例如声音断续的频率。
根据所述强度变化趋势和所述声音频率对所述目标声源的变化进行预测。
若所述声音强度逐渐减小且所述声音频率逐渐减小，则说明目标声源的故障逐渐减小，例如地下动物逐渐远离地下电缆运行区域，判定所述目标声源不故障；
若所述声音强度逐渐增强且所述声音频率逐渐增加，则说明目标声源的故障逐渐变大，例如地下电缆运行发生短路，电流突增等，判定所述目标声源为所述预发故障目标，即为可能发生故障的目标声源，进行预警；
进一步地，根据声音强度判断预警时，也需结合目标三维模型进行判断，例如，当检测到目标声源的类型为地下动物声音，但是目标三维模型并未检测到电缆运行环境发生结构变化，则判断地下动物为路过，不进行预警，以增加目标声源判断的准确性。
若所述强度变化趋势呈不规则的波动变化且所述声音频率呈不规则的波动变化，则根据所述声音信息的类型和所述目标三维模型判定所述目标声源是否为故障预发目标，例如当声音信息类型为地下水流声时，则结合目标三维模型即结合目标三维模型判断地下水与地下电缆的位置距离，当地下水与地下电缆的位置距离小于安全距离时，则将目标声源判定为故障预发目标，视情况进行预警或标记处理，当地下水与地下电缆的位置距离大于或等于安全距离时，则不将目标声源判定为故障预发目标。声形结合，有效增加目标生源确定的准确性。
可选地，MEMS检波器不仅可以获取声音信息，还可获取温度信息和湿度信息等，如图4所示，在所述利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理之后，还包括：
利用所述MEMS检波器获取温度信息和湿度信息；
根据所述湿度信息、预设电缆湿度标准、所述温度信息和预设电缆温度标准对地下电缆的运行环境进行判断；
若湿度信息超过预设电缆湿度标准，则判定地下水超过地下电缆的运行标准，地下电缆的运行环境存在浸泡危险；若温度信息超过预设电缆温度标准，则判定地下电缆的运行环境存在着火危险；
根据所述声音信息和所述运行环境判断故障类型，根据所述故障类型进行预警。
具体地，根据声音信息生成的目标三维模型或声音信息种类和运行环境判断故障类型，例如目标三维模型表示地下水与地下电缆运行环境的距离小于安全距离、湿度信息超过电缆湿度标准、目标声源类型经过数据库对比为水流声，则判定该目标声源的故障类型为浸泡危险。
可选地，所述根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警，包括：
获取第一预测结果、第二预测结果和第三预测结果，其中，所述第一预测结果包括所述目标三维模型和所述故障三维模型的比较结果，所述第二预测结果包括根据所述强度变化趋势和所述声音频率的预测结果，所述第三预测结果包括根据所述声音信息和所述运行环境判断的所述故障类型；
若所述第一预测结果、所述第二预测结果和所述第三预测结果中的至少两个相同，则根据相同的所述预测结果进行预警；
若所述第一预测结果、所述第二预测结果和所述第三预测结果均不相同，则返回对多个所述声音信息进行预处理的步骤，对所述声音信息重新进行预测，直至所述第一预测结果、所述第二预测结果和所述第三预测结果中的至少两个相同。
具体地，上述采用目标三维模型、目标声源数据库确定声音类型以及湿度信息和温度信息进行故障判定，得到对应的第一预测结果、第二预测结果和第三预测结果，当三个预测结果出现分歧时，应利用概率法以确定目标声源，例如，目标三维模型为故障1、声音类型为故障1、湿度信息显示运行环境为故障2，则确定目标声源为故障1；而当个预测结果均不同时，则持续对目标声源进行监测，以进行故障判定，提升故障预测、判定准确性。
可选地，所述利用所述MEMS检波器获取多个声音信息，包括：
采用重叠-添加分割法，将声音信息分割为具有重叠部分的多个声音片段，进行过滤处理后将声音片段进行拼接，有效增加了声音信息预处理的效率和准确性。
首先将所述声音信息分割为多个第一声音片段，其中，所述第一声音片段与前一个所述第一声音片段具有重叠信息，且与后一个所示第一声音片段具有重叠信息，两个所述重叠信息不相同；
对所述第一声音片段进行初始滤波，将环境声音信息进行过滤，得到处理后的多个第二声音片段；环境信息为一段时间内持续存在的声音信息，例如夏日的虫鸣，对环境声音信息进行初次过滤后，减小后续声音信息处理难度。
利用自适应滤波器对每个所示第二声音片段进行处理，得到处理后的多个第三声音片段；
将每个所述第三声音片段进行加权平均后，进行拼接处理，得到预处理后的所述声音信息。
另外地，还可采用时频滤波、频域滤波、滤波器自适应滤波、统计方法或机器学习滤波等方式进行滤波，此时并不做限定。
可选地，所述环境声音信息的获取方法包括：
获取第二预设时间内的所述声音信息，生成所述声音信息在所述第二预设时间内的强度变化和声音频率；声音频率包括目标声音出现的频率以及每次目标声音出现时例如声音断续的频率。强度变化稳定、声音频率稳定的声音信息即可判定为环境声音信息，即根据所述强度变化和所述声音频率对所述声音信息进行筛选，将在预设环境声音标准内的所述声音信息作为所述环境声音信息，例如预设预设环境声音标准为强度变化值在20dB以内、声音频率（即每次声音发生间隔）在1min中内，将满足该标准的声音信息判定为环境声音信息。
可选地，如图5所示，所述根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息，包括：
获取每个所述MEMS检波器获取所述声音信息的时间，如检波器M1获取声音信息的时间为t1，检波器M2获取声音信息的时间为t2，检波器M3获取声音信息的时间为t3；
根据所述声音信息的时间得到每两个所述MEMS检波器获取所述时间信息的时间差，△t1=t1-t2，△t2=t1-t3，△t3=t2-t3；
以任意三个所述MEMS检波器的位置为圆心，以对应的所述时间差为半径，构建三条位置曲线C1、C2、C3，三条所述位置曲线的交点O即为所述目标声源的所述水平位置，则交点O的水平坐标即为目标声源的水平位置信息。
另外地，也可采用其他方式计算水平位置信息，在此并不做具体限定。
可选地，所述根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息，还包括：
获取任意两个所述MEMS检波器间的所述时间差，例如检波器M1获取声音信息的时间为t1，检波器M2获取声音信息的时间为t2，检波器M3获取声音信息的时间为t3，时间差△t1=t1-t2，△t2=t1-t3，△t3=t2-t3；
根据所述时间差和声音传播速度得到声音传播的声传距离差，即根据声音传播速度v（在标准大气压下，约为343m/s），声传距离差△d=△t×v；
根据所述预设阵列得到两个所述MEMS检波器间的检波器距离d；
利用三角函数，根据所述声传距离差和所述检波器距离得到所述目标声源的所述角度信息。
具体地，如图6所示，其中A-H均表示MEMS检波器，预设阵列可为线性阵列（图6中（a））、平面阵列（图6中（b））或三维阵列（图6中（c））。当预设阵列为线性阵列时，MEMS检波器沿一条直线排列，使用正弦函数计算角度信息，即角度信息θ=arcsin（△d/d）；当预设阵列为平面阵列时，MEMS检波器在平面上排列，使用余弦函数计算角度信息，即角度信息θ=arccos（△d/d）；当预设阵列为三维阵列时，MEMS检波器在三维空间中排列，使用正切函数计算角度信息，即角度信息θ=arctan（△d/d）
另外地，也可采用其他方式计算角度信息，在此并不做具体限定。
虽然本发明披露如上，但本发明的保护范围并非仅限于此。本领域技术人员在不脱离本发明的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。
Claims (8)
1.一种基于MEMS确定目标声源的方法，其特征在于，基于MEMS***，所述MEMS***包括多个MEMS检波器，所述MEMS检波器按照预设阵列设置在对应的电缆井内，包括：
构建地下电缆三维模型；
利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理；
根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息；
分别根据各所述水平位置信息和所述角度信息得到对应的所述目标声源的目标位置；
根据多个所述目标位置更新所述三维模型，得到不同时间点的多个目标三维模型，根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警；
所述根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警，包括：
获取预设电缆故障标准，根据所述预设电缆故障标准构建故障三维模型，其中，所述电缆故障标准包括预设故障类型和预设故障形状，根据所述预设故障类型和所述预设故障形状生成所述故障三维模型；
获取多个所述目标三维模型，根据多个所述目标三维模型判断变化趋势，比较所述目标三维模型的变化趋势和所述故障三维模型，根据比较结果进行预警；
其中，所述预设故障标准还包括与所述预设故障类型对应的维修方案；所述获取多个所述目标三维模型，根据多个所述目标三维模型判断变化趋势，比较所述目标三维模型的变化趋势和所述故障三维模型，根据比较结果进行预警，包括：
确定每个所述目标三维模型与每个所述故障三维模型的相似度，并按时间顺序对所述相似度进行排序；
若任一所述相似度逐渐增大，则根据对应的所述故障三维模型的所述维修方案进行预警；
若所述相似度呈波动变化，则比较每个所述相似度与预设故障相似度标准，当任一所述相似度超过所述预设故障相似度标准时，将对应的所述目标声源标记为重点关注目标。
2.根据权利要求1所述的基于MEMS确定目标声源的方法，其特征在于，在所述利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理之后，还包括：
获取预设地下声音数据库，根据所述预设地下声音数据库得到所述声音信息的类型；
根据所述第一预设时间内的所述声音信息得到强度变化趋势和声音频率；
根据所述强度变化趋势和所述声音频率对所述目标声源的变化进行预测。
3.根据权利要求2所述的基于MEMS确定目标声源的方法，其特征在于，所述根据所述强度变化趋势和所述声音频率对所述目标声源的变化进行预测，包括：
若所述声音强度逐渐减小且所述声音频率逐渐减小，则判定所述目标声源不故障；
若所述声音强度逐渐增强且所述声音频率逐渐增加，则判定所述目标声源为预发故障目标，进行预警。
4.根据权利要求3所述的基于MEMS确定目标声源的方法，其特征在于，在所述利用所述MEMS检波器，获取第一预设时间内的多个声音信息，对多个所述声音信息进行预处理之后，还包括：
利用所述MEMS检波器获取温度信息和湿度信息；
根据所述湿度信息、预设电缆湿度标准、所述温度信息和预设电缆温度标准对地下电缆的运行环境进行判断；
根据所述声音信息和所述运行环境判断故障类型，根据所述故障类型进行预警。
5.根据权利要求4所述的基于MEMS确定目标声源的方法，其特征在于，所述根据多个所述目标三维模型对所述目标声源的变化进行预测，并根据所述预测结果进行预警，包括：
获取第一预测结果、第二预测结果和第三预测结果，其中，所述第一预测结果包括所述目标三维模型和所述故障三维模型的比较结果，所述第二预测结果包括根据所述强度变化趋势和所述声音频率的预测结果，所述第三预测结果包括根据所述声音信息和所述运行环境判断的所述故障类型；
若所述第一预测结果、所述第二预测结果和所述第三预测结果中的至少两个相同，则根据相同的所述预测结果进行预警；
若所述第一预测结果、所述第二预测结果和所述第三预测结果均不相同，则返回对多个所述声音信息进行预处理的步骤，对所述声音信息重新进行预测，直至所述第一预测结果、所述第二预测结果和所述第三预测结果中的至少两个相同。
6.根据权利要求1所述的基于MEMS确定目标声源的方法，其特征在于，所述利用所述MEMS检波器获取多个声音信息，包括：
将所述声音信息分割为多个第一声音片段，其中，所述第一声音片段与前一个所述第一声音片段具有重叠信息，且与后一个所示第一声音片段具有重叠信息，两个所述重叠信息不相同；
对所述第一声音片段进行初始滤波，将环境声音信息进行过滤，得到处理后的多个第二声音片段；
利用自适应滤波器对每个所示第二声音片段进行处理，得到处理后的多个第三声音片段；
将每个所述第三声音片段进行加权平均后，进行拼接处理，得到预处理后的所述声音信息；
其中，所述环境声音信息的获取方法包括：
获取第二预设时间内的所述声音信息，生成所述声音信息在所述第二预设时间内的强度变化和声音频率；
根据所述强度变化和所述声音频率对所述声音信息进行筛选，将在预设环境声音标准内的所述声音信息作为所述环境声音信息。
7.根据权利要求6所述的基于MEMS确定目标声源的方法，其特征在于，所述根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息，包括：
获取每个所述MEMS检波器获取所述声音信息的时间；
根据所述声音信息的时间得到每两个所述MEMS检波器获取所述时间信息的时间差；
以任意三个所述MEMS检波器的位置为圆心，以对应的所述时间差为半径，构建三条位置曲线，根据三条所述位置曲线的交点得到所述目标声源的所述水平位置信息。
8.根据权利要求7所述的基于MEMS确定目标声源的方法，其特征在于，所述根据预处理后的多个所述声音信息得到目标声源的多个水平位置信息和多个角度信息，还包括：
获取任意两个所述MEMS检波器间的所述时间差；
根据所述时间差和声音传播速度得到声音传播的声传距离差；
根据所述预设阵列得到两个所述MEMS检波器间的检波器距离；
利用三角函数，根据所述声传距离差和所述检波器距离得到所述目标声源的所述角度信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311282617.2A CN117008056B (zh) | 2023-10-07 | 2023-10-07 | 一种基于mems确定目标声源的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311282617.2A CN117008056B (zh) | 2023-10-07 | 2023-10-07 | 一种基于mems确定目标声源的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117008056A CN117008056A (zh) | 2023-11-07 |
| CN117008056B true CN117008056B (zh) | 2024-01-12 |
Family
ID=88562200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311282617.2A Active CN117008056B (zh) | 2023-10-07 | 2023-10-07 | 一种基于mems确定目标声源的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117008056B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009090754A1 (ja) * | 2008-01-18 | 2009-07-23 | Nittobo Acoustic Engineering Co., Ltd. | 音源識別測定装置、システム及び方法 |
| CN103176167A (zh) * | 2013-03-21 | 2013-06-26 | 徐华中 | 一种基于锁相放大器的强干扰下声源定位方法 |
| WO2014161309A1 (zh) * | 2013-08-19 | 2014-10-09 | 中兴通讯股份有限公司 | 一种移动终端实现声源定位的方法及装置 |
| CN107464388A (zh) * | 2017-07-21 | 2017-12-12 | 国网上海市电力公司 | 一种基于声源定位的电缆防外力破坏装置 |
| CN111610492A (zh) * | 2020-06-03 | 2020-09-01 | 电子科技大学 | 一种多声传感器阵列智能感知方法及*** |
| CN113532621A (zh) * | 2021-07-13 | 2021-10-22 | 国网浙江省电力有限公司 | 一种基于边缘计算的电力电缆监测分析***及其方法 |
| CN114125657A (zh) * | 2021-11-12 | 2022-03-01 | 歌尔科技有限公司 | 电子设备及其声音处理方法、计算机可读存储介质 |
| CN114428993A (zh) * | 2022-04-06 | 2022-05-03 | 山东高速德建建筑科技股份有限公司 | 基于bim的管线综合排布方法和*** |
| CN114519267A (zh) * | 2022-01-28 | 2022-05-20 | 国网河北省电力有限公司经济技术研究院 | 地下电缆模型的数据更新方法 |
| CN115047290A (zh) * | 2022-06-07 | 2022-09-13 | 国网山西省电力公司大同供电公司 | 基于深度学习的电缆故障放电声音的检测方法 |
| CN115047286A (zh) * | 2022-03-30 | 2022-09-13 | 青岛科技大学 | 一种电缆缺陷检测方法、设备及介质 |
| CN115345078A (zh) * | 2022-10-18 | 2022-11-15 | 国网浙江省电力有限公司宁波供电公司 | 一种基于电缆迭代模型的电缆管理方法及装置 |
| WO2022257499A1 (zh) * | 2021-06-11 | 2022-12-15 | 五邑大学 | 一种基于麦克风阵列的声源定位方法、装置及存储介质 |
| CN116559778A (zh) * | 2023-07-11 | 2023-08-08 | 海纳科德（湖北）科技有限公司 | 一种基于深度学习的车辆鸣笛定位方法及*** |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8515689B2 (en) * | 2007-05-18 | 2013-08-20 | Metrotech Corporation Inc. | Enhanced precise location |
| WO2018176071A1 (de) * | 2017-03-29 | 2018-10-04 | Baur Gmbh | Verfahren zur feinortung eines kabelfehlers eines erdverlegten kabels |
| KR102227489B1 (ko) * | 2019-07-10 | 2021-03-15 | 김영언 | 음원 시각화 장치 및 방법 |
| JP7513100B2 (ja) * | 2020-08-25 | 2024-07-09 | 日本電気株式会社 | 障害予測システム、障害予測装置及び障害予測方法 |
-
2023
- 2023-10-07 CN CN202311282617.2A patent/CN117008056B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009090754A1 (ja) * | 2008-01-18 | 2009-07-23 | Nittobo Acoustic Engineering Co., Ltd. | 音源識別測定装置、システム及び方法 |
| CN103176167A (zh) * | 2013-03-21 | 2013-06-26 | 徐华中 | 一种基于锁相放大器的强干扰下声源定位方法 |
| WO2014161309A1 (zh) * | 2013-08-19 | 2014-10-09 | 中兴通讯股份有限公司 | 一种移动终端实现声源定位的方法及装置 |
| CN107464388A (zh) * | 2017-07-21 | 2017-12-12 | 国网上海市电力公司 | 一种基于声源定位的电缆防外力破坏装置 |
| CN111610492A (zh) * | 2020-06-03 | 2020-09-01 | 电子科技大学 | 一种多声传感器阵列智能感知方法及*** |
| WO2022257499A1 (zh) * | 2021-06-11 | 2022-12-15 | 五邑大学 | 一种基于麦克风阵列的声源定位方法、装置及存储介质 |
| CN113532621A (zh) * | 2021-07-13 | 2021-10-22 | 国网浙江省电力有限公司 | 一种基于边缘计算的电力电缆监测分析***及其方法 |
| CN114125657A (zh) * | 2021-11-12 | 2022-03-01 | 歌尔科技有限公司 | 电子设备及其声音处理方法、计算机可读存储介质 |
| CN114519267A (zh) * | 2022-01-28 | 2022-05-20 | 国网河北省电力有限公司经济技术研究院 | 地下电缆模型的数据更新方法 |
| CN115047286A (zh) * | 2022-03-30 | 2022-09-13 | 青岛科技大学 | 一种电缆缺陷检测方法、设备及介质 |
| CN114428993A (zh) * | 2022-04-06 | 2022-05-03 | 山东高速德建建筑科技股份有限公司 | 基于bim的管线综合排布方法和*** |
| CN115047290A (zh) * | 2022-06-07 | 2022-09-13 | 国网山西省电力公司大同供电公司 | 基于深度学习的电缆故障放电声音的检测方法 |
| CN115345078A (zh) * | 2022-10-18 | 2022-11-15 | 国网浙江省电力有限公司宁波供电公司 | 一种基于电缆迭代模型的电缆管理方法及装置 |
| CN116559778A (zh) * | 2023-07-11 | 2023-08-08 | 海纳科德（湖北）科技有限公司 | 一种基于深度学习的车辆鸣笛定位方法及*** |
Non-Patent Citations (4)
| Title |
|---|
| Ultraminiature encapsulated accelerometers as a fully implantable sensor for implantable hearing aids;Woo-Tae et al.;Biomed Microdevices;第9卷(第6期);全文 * |
| 基于MEMS标矢量一体化水听器的浮标***设计;廉宇琦;张国军;张兰胜;张小勇;李晨歌;;电子器件(05);全文 * |
| 基于小波变换的电缆故障点定位研究;韩雅琦;;电子世界(17);全文 * |
| 基于检波器阵列的地下电缆防外力破坏***;彭翀翊;中国硕士论文全文数据库(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117008056A (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2499465B1 (en) | Fibre optic distributed sensing | |
| US20220044552A1 (en) | Road monitoring system, road monitoring device, road monitoring method, and non-transitory computer-readable medium | |
| CN113531399B (zh) | 光纤振动预警方法、装置、计算机设备及存储介质 | |
| CN103927834B (zh) | 地下管线周界侵扰预警*** | |
| EP2132720A1 (en) | Method and apparatus for monitoring a structure | |
| CN105954791A (zh) | 一种用于地下文物防盗掘的振动地波光纤传感探测*** | |
| CN112051548B (zh) | 一种岩爆监测和定位方法、装置和*** | |
| KR102140973B1 (ko) | LiDAR를 이용한 광산 갱내 붕괴 감시 시스템 | |
| CN103337120B (zh) | 准分布式光纤光栅周界入侵报警***的定址方法及*** | |
| CN113438018A (zh) | 光缆故障检测方法及装置 | |
| JP2023538474A (ja) | ケーブル切断防止のための統計的画像処理に基づく異常検出 | |
| CN102034330A (zh) | 一种防火防入侵同步预警***及其信号处理方法 | |
| EP3690680A1 (en) | Method of automated design and analysis of security systems | |
| CN117008056B (zh) | 一种基于mems确定目标声源的方法 | |
| CN114155690A (zh) | 一种电缆防外破联动预警***和方法 | |
| KR102196534B1 (ko) | Ｍｅｍｓ 네트워크를 이용한 실시간 지진동 감시 및 분포 지도 작성을 위한 장치 및 방법 | |
| EP0705422B1 (en) | Continuous monitoring of reinforcements in structures | |
| WO2018069897A1 (en) | Measurement system and method for measuring displacements of a structure elements | |
| KR20220020001A (ko) | 건설현장 이상징후 감지 시스템 | |
| CN112362751A (zh) | 一种变电构架在线监测方法及*** | |
| CN102722948A (zh) | 入侵检测***和检测方法 | |
| KR102137366B1 (ko) | 전력 설비 관리 시스템 및 방법 | |
| KR102290181B1 (ko) | 광산 갱내 붕락 감지를 위한 미소진동 모니터링 시스템 | |
| US11698290B2 (en) | Contrastive learning of utility pole representations from distributed acoustic sensing signals | |
| Roumelioti et al. | The contribution of EUROSEISTEST and building monitoring arrays in earthquake early warning and rapid damage assessment in Thessaloniki |
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 |