CN117092206A - 电缆铅封区域的缺陷检测方法、计算机设备及存储介质 - Google Patents
电缆铅封区域的缺陷检测方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117092206A CN117092206A CN202311000087.8A CN202311000087A CN117092206A CN 117092206 A CN117092206 A CN 117092206A CN 202311000087 A CN202311000087 A CN 202311000087A CN 117092206 A CN117092206 A CN 117092206A
- Authority
- CN
- China
- Prior art keywords
- target
- fitness function
- particle
- target particle
- eddy current
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 120
- 230000007547 defect Effects 0.000 title claims abstract description 58
- 238000007789 sealing Methods 0.000 title claims abstract description 49
- 239000002245 particle Substances 0.000 claims abstract description 228
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 141
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 3
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
- G01N27/9046—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents by analysing electrical signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Evolutionary Computation (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Electrochemistry (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本申请公开了一种电缆铅封区域的缺陷检测方法、计算机设备及存储介质，涉及电缆铅封无损检测技术领域，解决了目前存在难以确定铅封内部缺陷信息，缺陷检测的可靠性较低的问题。该方法包括：确定包括多个目标粒子的目标种群，确定每个目标粒子对应的去噪后的脉冲涡流检测信号，计算得到第一适应度函数值、第二适应度函数值，基于第一适应度函数值以及每个目标粒子对应的第二适应度函数值、初始化粒子速度、初始位置信息对更新公式进行迭代，基于迭代结果确定最优小波去噪参数，进而确定目标脉冲涡流检测信号，根据目标脉冲涡流检测信号确定电缆铅封区域测量位置内部存在缺陷。
Description
技术领域
本申请属于电缆铅封无损检测技术领域，更具体地，涉及一种电缆铅封区域的缺陷检测方法、计算机设备及存储介质。
背景技术
电缆铅封作为高压电缆附件现场安装的关键工艺之一，其安装工艺直接影响高压电缆的安全稳定运行，有必要对电缆铅封进行脉冲涡流无损检测，以排查电缆铅封是否存在缺陷。
现有技术中，检测的脉冲涡流检测电压信号具有较明显的时域特征，即，前期为10-1～102V的过冲信号，过冲后信号快速衰减，尾部的后期信号已较为微弱，通常为mV甚至μV级，因此，中后期信号携带了被测铅封内部缺陷的信息，利用微弱信号处理技术从脉冲涡流检测电压信号中提取出最大峰值特征，并基于最大峰值特征确定电缆铅封区域内部是否存在缺陷。但申请人认识到，检测的脉冲涡流检测电压信号会混入检测装置固有噪声和检测环境的电磁噪声，这些噪声的将会叠加到真实脉冲涡流检测电压信号中，从叠加噪音的脉冲涡流检测电压信号很难提取出准确的最大峰值特征，进而难以确定铅封内部缺陷信息，缺陷检测的可靠性较低。
发明内容
有鉴于此，本发明提供了一种电缆铅封区域的缺陷检测方法、计算机设备及存储介质，主要目的在于解决目前存在从叠加噪音的脉冲涡流检测电压信号很难提取出准确的最大峰值特征，进而难以确定铅封内部缺陷信息，缺陷检测的可靠性较低的问题。
依据本申请第一方面，提供了一种电缆铅封区域的缺陷检测方法，包括：
获取电缆铅封区域中任一测量位置的脉冲涡流检测信号，以及确定包括多个目标粒子的目标种群，其中，所述多个目标粒子中每个目标粒子在三维离散空间中对应一初始化粒子速度以及一初始位置信息；
根据所述目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的去噪后的脉冲涡流检测信号，以及基于所述脉冲涡流检测信号、每个目标粒子对应的去噪后的脉冲涡流检测信号，分别利用所述目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数，计算得到所述目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值；
确定每个目标粒子对应的粒子速度和位置信息的更新公式，基于所述目标种群对应的第一适应度函数值以及每个目标粒子对应的第二适应度函数值、所述初始化粒子速度、所述初始位置信息对所述更新公式进行迭代，更新每个目标粒子对应的粒子速度、位置信息、第二适应度函数值以及所述目标种群对应的第一适应度函数值，获取当前迭代次数，直至所述当前迭代次数达到预设迭代次数，确定最优小波去噪参数；
利用所述最优小波去噪参数对所述脉冲涡流检测信号进行去噪，得到目标脉冲涡流检测信号，当检测到所述目标脉冲涡流检测信号的最大峰值大于目标阈值时，确定所述电缆铅封区域的测量位置内部存在缺陷。
可选地，所述确定包括多个目标粒子的目标种群之前，所述方法还包括：
获取多个小波基类型、多个分解层数、多个阈值函数，基于所述多个小波基类型、所述多个分解层数、所述多个阈值函数确定多个离散点；
创建包括所述多个离散点的三维离散空间，在所述三维离散空间包括的所述多个离散点中随机选取多个目标离散点作为所述多个目标粒子；
获取所述多个目标粒子中每个目标粒子在所述三维离散空间内的初始位置信息，以及确定所述多个目标粒子中每个目标粒子的初始化速度；
基于所述多个目标粒子生成所述目标种群。
可选地，所述根据所述目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的去噪后的脉冲涡流检测信号，包括：
根据所述目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的小波去噪参数；
基于每个目标粒子对应的小波去噪参数分别对所述脉冲涡流检测信号进行去噪，得到每个目标粒子对应的去噪后的脉冲涡流检测信号。
可选地，所述计算得到所述目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值之后，所述方法包括：
获取粒子个体适应度函数值的第一历史最优值，在所述多个目标粒子中确定第二适应度函数值大于所述第一历史最优值的至少一个目标粒子，以及将所述至少一个目标粒子中每个目标粒子对应的第二适应度函数值作为第r次迭代中个体最优适应度函数值；
获取种群适应度函数值的第二历史最优值，当所述第一适应度函数值大于所述第二历史最优值时，确定所述第一适应度函数值作为第r次迭代中种群最优适应度函数值。
可选地，所述第一适应度函数为：
其中，NCCY为所述目标种群对应的第一适应度函数，Spi为第i个目标粒子对应的去噪后的脉冲涡流检测信号的最大峰值，Np为所述脉冲涡流检测信号的最大峰值，n为所述多个目标粒子的个数；
所述第二适应度函数为：
其中，NCCPi为所述多个目标粒子中第i个目标粒子对应的第二适应度函数，Sij为第i个目标粒子对应的去噪后的脉冲涡流检测信号在时间采样点j处的数值，Nj为所述脉冲涡流检测信号在时间采样点j处的数值，H为时间采样点的个数。
可选地，每个目标粒子对应的粒子速度和位置信息的更新公式为：
公式3：Vi r+1＝ωVi r+c1r1(pbesti r-Xi r)+c2r2(gbestr-Xi r)，
其中，Vi r为第r次迭代目标粒子i的速度，Vi r+1为第r+1次迭代目标粒子i的速度，Xi r为第r次迭代目标粒子i的位置，Xi r+1为经过向上取整后的第r+1次迭代目标粒子i的位置，ω为Vi r的权重系数，pbesti r为第r次迭代中目标粒子i的个体最优适应度函数值，为第r次迭代中群最优适应度函数值，c1和c2分别为学习因子，r1和r2分别为0～1的随机数。
可选地，所述确定最优小波去噪参数包括：
获取多个目标粒子中每个目标粒子对应的最终更新位置信息；
根据每个目标粒子对应的最终更新位置信息确定每个目标粒子对应的最终更新小波去噪参数；
基于每个目标粒子对应的最终更新小波去噪参数分别对所述脉冲涡流检测信号进行去噪，得到每个目标粒子对应的最终去噪后的脉冲涡流检测信号；
基于所述脉冲涡流检测信号、每个目标粒子对应的最终去噪后的脉冲涡流检测信号，利用每个目标粒子对应的第二对应度函数计算得到每个目标粒子对应的最终第二适应度函数值；
获取所述多个目标粒子对应的多个最终第二适应度函数值，在所述多个最终第二适应度函数值查询最大的最终第二适应度函数值，并将所述最大的最终第二适应度函数值对应的最终更新小波去噪参数作为所述最优小波去噪参数。
可选地，所述确定所述电缆铅封区域的测量位置内部存在缺陷之后，所述方法还包括：
获取所述测量位置对应的目标位置信息，以及获取用于指示电缆铅封区域内部存在缺陷的预警字段；
生成包括所述目标位置信息和所述预警字段的预警信息，并将所述预警信息推送至测试人员所持终端，以使所述测试人员基于所述终端在接收到所述预警信息时对所述预警信息指示的电缆铅封区域中的目标位置进行缺陷排查。
依据本申请第二方面,提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述方法的步骤。
依据本申请第三方面,提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
借由上述技术方案，本申请提供了一种电缆铅封区域的缺陷检测方法、计算机设备及存储介质，本申请通过对每个目标粒子对应的粒子速度和位置信息的更新公式进行迭代，可以不断更新粒子速度、位置信息，每个目标粒子的位置信息发生变化，得到每个目标粒子对应的去噪后的脉冲涡流检测信号也会发生变化，基于目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数得到的目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值也会发生变化，在预设迭代次数内，通过不断迭代可以得到最优小波去噪参数，利用最优小波去噪参数对脉冲涡流检测信号进行去噪，得到的目标脉冲涡流检测信号不包括其他噪音，从目标脉冲涡流检测信号确定最大峰值，基于最大峰值可以确定电缆铅封测量位置内部是否存在缺陷，有效提高了缺陷检测的可靠性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例提供的一种电缆铅封区域的缺陷检测方法的流程图；
图2示出了本申请实施例提供的另一种电缆铅封区域的缺陷检测方法的流程图；
图3示出了本申请实施例提供的另一种电缆铅封区域的缺陷检测方法的适应度函数值随迭代次数变化的曲线关系图；
图4示出了本申请实施例提供的另一种电缆铅封区域的缺陷检测方法的残差信号的变化曲线图；
图5示出了本申请实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供了一种电缆铅封区域的缺陷检测方法，如图1所示,包括：
101、获取电缆铅封区域中任一测量位置的脉冲涡流检测信号，以及确定包括多个目标粒子的目标种群。
在本申请实施例中，执行主体为矩阵实验室MATLAB软件，利用涡流检测装置对电缆铅封区域进行检测，得到电缆铅封区域中任一测量位置的脉冲涡流检测信号，将该脉冲涡流检测信号输入MATLAB软件中，MATLAB软件会获取到输入的脉冲涡流检测信号，接着MATLAB软件会先创建个三维离散空间，进而在三维离散空间内选取多个目标粒子，根据这些目标粒子就可以确定目标种群了，也即，确定包括多个目标粒子的目标种群，其中，多个目标粒子中每个目标粒子在三维离散空间中对应一初始化粒子速度以及一初始位置信息。
102、根据目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的去噪后的脉冲涡流检测信号，以及基于脉冲涡流检测信号、每个目标粒子对应的去噪后的脉冲涡流检测信号，分别利用目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数，计算得到目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值。
在本申请实施例中，MATLAB软件会根据目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的去噪后的脉冲涡流检测信号，确定目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数，基于脉冲涡流检测信号、每个目标粒子对应的去噪后的脉冲涡流检测信号利用第一适应度函数计算得到目标种群对应的第一适应度函数值，基于脉冲涡流检测信号、每个目标粒子对应的去噪后的脉冲涡流检测信号利用每个目标粒子对应的第二对应度函数计算得到每个目标粒子对应的第二适应度函数值。需要说明的是，一个种群对应一个第一适应度函数值，而第二适应度函数值跟目标粒子的数量有关系，有多少个粒子就有多少个第二适应度函数值。
需要说明的是，小波去噪是一种有效的降噪方法。小波去噪过程中，小波基、分解层数和阈值函数等参数会显著影响小波去噪效果。在MATLAB中，除去一些支撑长度过程不利于实际使用的小波基外，仍有112个小波基能够用于脉冲涡流检测信号的去噪。单个周期信号采样点数为2000的前提下，最大的分解层数为10层。此外，还有四种不同类型的阈值函数：平均阈值、中位数阈值、硬阈值和软阈值。这些小波去噪参数的不同组合情况达4000多种，采样传统枚举法对每种组合情况进行讨论不符合工程实际要求。
103、确定每个目标粒子对应的粒子速度和位置信息的更新公式，基于目标种群对应的第一适应度函数值以及每个目标粒子对应的第二适应度函数值、初始化粒子速度、初始位置信息对更新公式进行迭代，更新每个目标粒子对应的粒子速度、位置信息、第二适应度函数值以及目标种群对应的第一适应度函数值，获取当前迭代次数，直至所述当前迭代次数达到预设迭代次数，确定最优小波去噪参数。
在本申请实施例中，MATLAB软件首先确定每个目标粒子对应的粒子速度和位置信息的更新公式，对于每个目标粒子，可以确定第一适应度函数值是一样的，利用第一适应度函数值、对应的第二适应度函数值、对应的初始化粒子速度、对应的初始位置信息对更新公式进行迭代更新，就会得到该目标粒子对应的更新位置信息和更新粒子速度，进而得到每个目标粒子对应的更新位置信息和更新粒子速度，获取当前迭代次数，若当前迭代次数未达到预设迭代次数，则会基于每个目标粒子对应的更新位置信息重新确定每个目标粒子对应的更新去噪后的脉冲涡流检测信号，进而基于脉冲涡流检测信号、每个目标粒子对应的更新去噪后的脉冲涡流检测信号，分别利用目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数，计算得到目标种群对应的更新第一适应度函数值、每个目标粒子对应的更新第二适应度函数值，基于目标种群对应的更新第一适应度函数值以及每个目标粒子对应的更新第二适应度函数值、更新粒子速度、更新位置信息对更新公式继续进行迭代更新，再次更新每个目标粒子对应的粒子速度和位置信息，得到再次更新粒子速度和再次更新位置信息，直到当前迭代次数达到预设迭代次数才停止迭代，最后基于得到的迭代结果可以确定最有小波去噪参数。
104、利用最优小波去噪参数对脉冲涡流检测信号进行去噪，得到目标脉冲涡流检测信号，当检测到目标脉冲涡流检测信号的最大峰值大于目标阈值时，确定电缆铅封区域的测量位置内部存在缺陷。
在本申请实施例中，本申请执行主体MATLAB软件的Wavelet Toolbox工具箱中包括“wdenoise”函数，确定的最优小波去噪参数可以作为“wdenoise”函数的函数参数，接着调用“wdenoise”函数对脉冲涡流检测信号进行小波去噪，得到去噪后的脉冲涡流检测信号，也即目标脉冲涡流检测信号，得到目标脉冲涡流检测信号之后，会统计出目标脉冲涡流检测信号中的多个峰值，在多个峰值中确定最大峰值，当检测到最大峰值大于目标阈值，就可以确定电缆铅封区域的测量位置内部存在缺陷。
示例性地，利用归一化相关系数作为粒子群优化算法适应度函数，可快速自动获得适用于电缆铅封脉冲涡流检测信号降噪的小波去噪最优参数，保证了降噪信号峰值大小与峰值时间的相对误差小于3％，有效判断电缆铅封测量位置内部是否存在缺陷。
本申请实施例提供的方法，通过对每个目标粒子对应的粒子速度和位置信息的更新公式进行迭代，可以不断更新粒子速度、位置信息，每个目标粒子的位置信息发生变化，得到每个目标粒子对应的去噪后的脉冲涡流检测信号也会发生变化，基于目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数得到的目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值也会发生变化，在预设迭代次数内，通过不断迭代可以得到最优小波去噪参数，利用最优小波去噪参数对脉冲涡流检测信号进行去噪，得到的目标脉冲涡流检测信号不包括其他噪音，从目标脉冲涡流检测信号确定最大峰值，基于最大峰值可以确定电缆铅封测量位置内部是否存在缺陷，有效提高了缺陷检测的可靠性。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施方式，本申请实施例提供了另一种电缆铅封区域的缺陷检测方法，如图2所示，包括：
201、获取电缆铅封区域中任一测量位置的脉冲涡流检测信号。
202、生成包括多个目标粒子的目标种群。
示例性地，MATLAB软件首先确定小波基类型为M个、分解层数为Q和阈值函数为L种，接着将M个小波基类型、Q种分解层数和L种阈值函数分别编码为[1,2,3…M]、[1,2,3…Q]和[1,2,3…L]，创建包含T(T＝M×Q×L)个离散点Xi(i＝1,2,3…T)的三维离散空间，其中，Xi为一个三维向量，Xi＝(Xi1，Xi2，Xi3)T，Xi1对应于小波基类型，Xi2对应于分解层数，Xi3对应于阈值函数，随后在三维离散空间包括的多个离散点中随机选取多个目标离散点作为多个目标粒子，同时，初始化目标中目标粒子个体的粒子速度，得到每个目标粒子的初始化速度，初始化速度为[-Vmax,Vmax]之间的随机数，最后基于多个目标粒子生成目标种群。
203、计算得到目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值。
在本申请实施例中，首先，根据目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的小波去噪参数，接着，基于每个目标粒子对应的小波去噪参数分别对脉冲涡流检测信号进行去噪，得到每个目标粒子对应的去噪后的脉冲涡流检测信号，随后，基于脉冲涡流检测信号、每个目标粒子对应的去噪后的脉冲涡流检测信号，分别利用目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数，需要说明的是，第一适应度函数和第二适应度函数均归一化相关系数，计算得到目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值，最后，获取粒子个体适应度函数值的第一历史最优值，在多个目标粒子中确定第二适应度函数值大于第一历史最优值的至少一个目标粒子，以及将至少一个目标粒子中每个目标粒子对应的第二适应度函数值作为第r次迭代中个体最优适应度函数值，以及获取种群适应度函数值的第二历史最优值，当第一适应度函数值大于第二历史最优值时，确定第一适应度函数值作为第r次迭代中种群最优适应度函数值。需要说明的是，在每次迭代中，个体最优适应度函数值和种群最优适应度函数值是不断发生变化的。其中，
第一适应度函数为：
其中，NCCY为所述目标种群对应的第一适应度函数，Spi为第i个目标粒子对应的去噪后的脉冲涡流检测信号的最大峰值，Np为脉冲涡流检测信号的最大峰值，n为多个目标粒子的个数；
第二适应度函数为：
其中，NCCPi为多个目标粒子中第i个目标粒子对应的第二适应度函数，Sij为第i个目标粒子对应的去噪后的脉冲涡流检测信号在时间采样点j处的数值，Nj为脉冲涡流检测信号在时间采样点j处的数值，H为时间采样点的个数，H取值优选为2000。
204、确定最优小波去噪参数。
在本申请实施例中，需要确定每个目标粒子对应的粒子速度和位置信息的更新公式，基于目标种群对应的第一适应度函数值以及每个目标粒子对应的第二适应度函数值、初始化粒子速度、初始位置信息对更新公式进行迭代，更新每个目标粒子对应的粒子速度、位置信息、第二适应度函数值以及所述目标种群对应的第一适应度函数值，获取当前迭代次数，直至当前迭代次数达到预设迭代次数，获取多个目标粒子中每个目标粒子对应的最终更新位置信息，根据每个目标粒子对应的最终更新位置信息确定每个目标粒子对应的最终更新小波去噪参数，随后基于每个目标粒子对应的最终更新小波去噪参数分别对脉冲涡流检测信号进行去噪，得到每个目标粒子对应的最终去噪后的脉冲涡流检测信号，接着基于脉冲涡流检测信号、每个目标粒子对应的最终去噪后的脉冲涡流检测信号，利用每个目标粒子对应的第二对应度函数计算得到每个目标粒子对应的最终第二适应度函数值。其中，
每个目标粒子对应的粒子速度和位置信息的更新公式为：
公式3：Vi r+1＝ωVi r+c1r1(pbesti r-Xi r)+c2r2(gbestr-Xi r)，
其中，Vi r为第r次迭代目标粒子i的速度，Vi r+1为第r+1次迭代目标粒子i的速度，Xi r为第r次迭代目标粒子i的位置，Xi r+1为经过向上取整后的第r+1次迭代目标粒子i的位置，ω为Vi r的权重系数，pbesti r为第r次迭代中目标粒子i的个体最优适应度函数值，为第r次迭代中群最优适应度函数值，c1和c2分别为学习因子，r1和r2分别为0～1的随机数。
205、对电缆铅封区域内部存在的缺陷进行预警。
在本申请实施例中，首先获取测量位置对应的目标位置信息，以及获取用于指示电缆铅封区域内部存在缺陷的预警字段，随后生成包括目标位置信息和预警字段的预警信息，并将预警信息推送至测试人员所持终端，以使测试人员基于终端在接收到预警信息时对预警信息指示的电缆铅封区域中的目标位置进行缺陷排查。
示例性地，本申请实施例获得的最优小波去噪参数为：小波基类型采用Sym25小波，分解层数采用十层分解，阈值函数采用中位数阈值函数。
需要说明的是，小波去噪参数组合达4000多种，采样传统枚举法选出电缆铅封脉冲涡流检测信号最优小波去噪参数不符合工程实际要求。针对现有技术存在的上述问题，本实施例提出了一种基于粒子群优化算法的电缆铅封脉冲涡流检测信号小波去噪参数优化方法，利用归一化相关系数作为粒子群优化算法适应度函数，可快速自动获得适用于电缆铅封脉冲涡流检测信号降噪的小波去噪最优参数，保证了降噪信号峰值大小与峰值时间的相对误差小于3％，有效判断电缆铅封测量位置内部是否存在缺陷。
具体地，如图3所示，以本实施例提出的归一化相关系数NCC为适应度函数进行小波参数寻优，在30次迭代后能较好的收敛。如图4所示，采用将降噪后的信号与带噪信号作差，得到残差信号以直观的反映信号降噪后的失真程度。在图4中，将峰值点对应的位置用红线标记。以NCC作为适应度函数得到的降噪信号在峰值位置的相对误差稳定在2.49％，在峰值时间的相对误差在2.97％。
本申请实施例提供的方法，通过对每个目标粒子对应的粒子速度和位置信息的更新公式进行迭代，可以不断更新粒子速度、位置信息，每个目标粒子的位置信息发生变化，得到每个目标粒子对应的去噪后的脉冲涡流检测信号也会发生变化，基于目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数得到的目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值也会发生变化，在预设迭代次数内，通过不断迭代可以得到最优小波去噪参数，利用最优小波去噪参数对脉冲涡流检测信号进行去噪，得到的目标脉冲涡流检测信号不包括其他噪音，从目标脉冲涡流检测信号确定最大峰值，基于最大峰值可以确定电缆铅封测量位置内部是否存在缺陷，有效提高了缺陷检测的可靠性，与此同时，还可以对缺陷的位置进行定位，并生成预警信息，检测人员可以基于预警信息进行缺陷排查，提升后续的故障排查效率。
在示例性实施例中，参见图5，还提供了一种计算机设备，该计算机设备包括总线、处理器、存储器和通信接口，还可以包括输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例中的电缆铅封区域的缺陷检测方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的电缆铅封区域的缺陷检测方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种电缆铅封区域的缺陷检测方法，其特征在于，包括：
获取电缆铅封区域中任一测量位置的脉冲涡流检测信号，以及确定包括多个目标粒子的目标种群，其中，所述多个目标粒子中每个目标粒子在三维离散空间中对应一初始化粒子速度以及一初始位置信息；
根据所述目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的去噪后的脉冲涡流检测信号，以及基于所述脉冲涡流检测信号、每个目标粒子对应的去噪后的脉冲涡流检测信号，分别利用所述目标种群对应的第一适应度函数以及每个目标粒子对应的第二对应度函数，计算得到所述目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值；
确定每个目标粒子对应的粒子速度和位置信息的更新公式，基于所述目标种群对应的第一适应度函数值以及每个目标粒子对应的第二适应度函数值、所述初始化粒子速度、所述初始位置信息对所述更新公式进行迭代，更新每个目标粒子对应的粒子速度、位置信息、第二适应度函数值以及所述目标种群对应的第一适应度函数值，获取当前迭代次数，直至所述当前迭代次数达到预设迭代次数，确定最优小波去噪参数；
利用所述最优小波去噪参数对所述脉冲涡流检测信号进行去噪，得到目标脉冲涡流检测信号，当检测到所述目标脉冲涡流检测信号的最大峰值大于目标阈值时，确定所述电缆铅封区域的测量位置内部存在缺陷。
2.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，所述确定包括多个目标粒子的目标种群之前，所述方法还包括：
获取多个小波基类型、多个分解层数、多个阈值函数，基于所述多个小波基类型、所述多个分解层数、所述多个阈值函数确定多个离散点；
创建包括所述多个离散点的三维离散空间，在所述三维离散空间包括的所述多个离散点中随机选取多个目标离散点作为所述多个目标粒子；
获取所述多个目标粒子中每个目标粒子在所述三维离散空间内的初始位置信息，以及确定所述多个目标粒子中每个目标粒子的初始化速度；
基于所述多个目标粒子生成所述目标种群。
3.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，所述根据所述目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的去噪后的脉冲涡流检测信号，包括：
根据所述目标种群中每个目标粒子对应的初始位置信息确定每个目标粒子对应的小波去噪参数；
基于每个目标粒子对应的小波去噪参数分别对所述脉冲涡流检测信号进行去噪，得到每个目标粒子对应的去噪后的脉冲涡流检测信号。
4.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，所述计算得到所述目标种群对应的第一适应度函数值、每个目标粒子对应的第二适应度函数值之后，所述方法包括：
获取粒子个体适应度函数值的第一历史最优值，在所述多个目标粒子中确定第二适应度函数值大于所述第一历史最优值的至少一个目标粒子，以及将所述至少一个目标粒子中每个目标粒子对应的第二适应度函数值作为第r次迭代中个体最优适应度函数值；
获取种群适应度函数值的第二历史最优值，当所述第一适应度函数值大于所述第二历史最优值时，确定所述第一适应度函数值作为第r次迭代中种群最优适应度函数值。
5.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，
所述第一适应度函数为：
公式1：
其中，NCCY为所述目标种群对应的第一适应度函数，Spi为第i个目标粒子对应的去噪后的脉冲涡流检测信号的最大峰值，Np为所述脉冲涡流检测信号的最大峰值，n为所述多个目标粒子的个数；
所述第二适应度函数为：
公式2：
其中，NCCPi为所述多个目标粒子中第i个目标粒子对应的第二适应度函数，Sij为第i个目标粒子对应的去噪后的脉冲涡流检测信号在时间采样点j处的数值，Nj为所述脉冲涡流检测信号在时间采样点j处的数值，H为时间采样点的个数。
6.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，
每个目标粒子对应的粒子速度和位置信息的更新公式为：
公式3：Vi r+1＝ωVi r+c1r1(pbesti r-Xi r)+c2r2(gbestr-Xi r)，
其中，Vi r为第r次迭代目标粒子i的速度，Vi r+1为第r+1次迭代目标粒子i的速度，Xi r为第r次迭代目标粒子i的位置，Xi r+1为经过向上取整后的第r+1次迭代目标粒子i的位置，ω为Vi r的权重系数，pbesti r为第r次迭代中目标粒子i的个体最优适应度函数值，为第r次迭代中群最优适应度函数值，c1和c2分别为学习因子，r1和r2分别为0～1的随机数。
7.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，所述确定最优小波去噪参数包括：
获取多个目标粒子中每个目标粒子对应的最终更新位置信息；
根据每个目标粒子对应的最终更新位置信息确定每个目标粒子对应的最终更新小波去噪参数；
基于每个目标粒子对应的最终更新小波去噪参数分别对所述脉冲涡流检测信号进行去噪，得到每个目标粒子对应的最终去噪后的脉冲涡流检测信号；
基于所述脉冲涡流检测信号、每个目标粒子对应的最终去噪后的脉冲涡流检测信号，利用每个目标粒子对应的第二对应度函数计算得到每个目标粒子对应的最终第二适应度函数值；
获取所述多个目标粒子对应的多个最终第二适应度函数值，在所述多个最终第二适应度函数值查询最大的最终第二适应度函数值，并将所述最大的最终第二适应度函数值对应的最终更新小波去噪参数作为所述最优小波去噪参数。
8.根据权利要求1所述的电缆铅封区域的缺陷检测方法，其特征在于，所述确定所述电缆铅封区域的测量位置内部存在缺陷之后，所述方法还包括：
获取所述测量位置对应的目标位置信息，以及获取用于指示电缆铅封区域内部存在缺陷的预警字段；
生成包括所述目标位置信息和所述预警字段的预警信息，并将所述预警信息推送至测试人员所持终端，以使所述测试人员基于所述终端在接收到所述预警信息时对所述预警信息指示的电缆铅封区域中的目标位置进行缺陷排查。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311000087.8A CN117092206A (zh) | 2023-08-09 | 2023-08-09 | 电缆铅封区域的缺陷检测方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311000087.8A CN117092206A (zh) | 2023-08-09 | 2023-08-09 | 电缆铅封区域的缺陷检测方法、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117092206A true CN117092206A (zh) | 2023-11-21 |
Family
ID=88778021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311000087.8A Pending CN117092206A (zh) | 2023-08-09 | 2023-08-09 | 电缆铅封区域的缺陷检测方法、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117092206A (zh) |
Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2660639A1 (en) * | 2012-05-02 | 2013-11-06 | Centre National De La Recherche Scientifique | Method and apparatus for single-particle localization using wavelet analysis |
| GB2552330A (en) * | 2016-07-18 | 2018-01-24 | Univ Cape Town | Method and system for isolating and separating contributions in a composite signal |
| CN108615070A (zh) * | 2018-04-30 | 2018-10-02 | 国网四川省电力公司电力科学研究院 | 一种基于混沌粒子群算法的tdoa和aoa混合定位方法 |
| CN108921873A (zh) * | 2018-05-29 | 2018-11-30 | 福州大学 | 基于核相关滤波优化的马尔科夫决策在线多目标跟踪方法 |
| CN109490409A (zh) * | 2018-10-19 | 2019-03-19 | 国网浙江省电力有限公司电力科学研究院 | 一种基于小波变换的高压电缆铅封涡流检测方法 |
| CN110146156A (zh) * | 2019-06-27 | 2019-08-20 | 南昌航空大学 | 一种航空发动机转子***故障振动信号的去噪方法 |
| US20200292411A1 (en) * | 2017-11-14 | 2020-09-17 | Nec Corporation | Displacement component detection apparatus, displacement component detection method, and computer-readable recording medium |
| CN111832353A (zh) * | 2019-04-19 | 2020-10-27 | 中国科学院沈阳自动化研究所 | 基于emd与ba优化svm的汽轮机转子故障诊断方法 |
| CN112001246A (zh) * | 2020-07-20 | 2020-11-27 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于奇异值分解的局部放电类型识别方法及装置 |
| CN112067960A (zh) * | 2020-09-30 | 2020-12-11 | 广东电网有限责任公司中山供电局 | 基于pso和双向lstm的高压电缆局部放电模式识别方法 |
| CN112163536A (zh) * | 2020-09-30 | 2021-01-01 | 沈阳工业大学 | 基于粒子群算法改进的小波阈值函数去噪方法 |
| US20210132125A1 (en) * | 2019-10-30 | 2021-05-06 | Ricoh Company, Ltd. | Waveform generation identification method and computer-readable medium |
| CN112836425A (zh) * | 2021-01-12 | 2021-05-25 | 中铁第四勘察设计院集团有限公司 | 一种基于粒子群优化算法的圆柱体拟合方法及装置 |
| CN113505705A (zh) * | 2021-07-13 | 2021-10-15 | 浙江树人学院（浙江树人大学） | 一种双层管柱电涡流信号去噪方法、***及处理终端 |
| CN113591652A (zh) * | 2021-07-22 | 2021-11-02 | 中南大学 | 一种基于优化变分模态分解的电磁信号处理方法和装置 |
| CN113971416A (zh) * | 2021-09-23 | 2022-01-25 | 国网江苏省电力有限公司宿迁供电分公司 | 一种电缆早期故障辨识方法 |
| CN114358093A (zh) * | 2022-03-17 | 2022-04-15 | 国网浙江省电力有限公司电力科学研究院 | 一种电力设备中局部放电的检测方法及设备 |
| CN114417920A (zh) * | 2021-12-31 | 2022-04-29 | 广东电网有限责任公司 | 一种基于de优化小波参数的信号去噪方法及装置 |
| US11372017B2 (en) * | 2019-08-22 | 2022-06-28 | Charles River Analytics, Inc. | Monocular visual-inertial alignment for scaled distance estimation on mobile devices |
| CN114881090A (zh) * | 2022-06-06 | 2022-08-09 | 哈尔滨工业大学 | 基于改进粒子群优化的卫星遥测数据特征选择方法、装置及介质 |
| CN114943776A (zh) * | 2022-05-31 | 2022-08-26 | 中国地质大学（武汉） | 一种基于互相关函数和法向量损失的三维重建方法及装置 |
| CN115128160A (zh) * | 2022-07-14 | 2022-09-30 | 国网四川省电力公司电力科学研究院 | 一种电缆铅封多频涡流探头检测方法及*** |
| CN115272429A (zh) * | 2022-06-30 | 2022-11-01 | 南京邮电大学 | 基于特征点的图像配准方法、***和计算机可读存储介质 |
| CN115406961A (zh) * | 2022-09-08 | 2022-11-29 | 国网四川省电力公司电力科学研究院 | 一种电缆铅封涡流检测方法、检测模块及缺陷检测*** |
| CN115791957A (zh) * | 2022-11-25 | 2023-03-14 | 国网四川省电力公司映秀湾水力发电总厂 | 高压电缆铅封缺陷脉冲涡流检测方法、***、终端及介质 |
| CN116400318A (zh) * | 2023-06-08 | 2023-07-07 | 中国人民解放军国防科技大学 | 基于在线粒子群优化的多观测目标位置估计方法及装置 |
| CN116502042A (zh) * | 2023-04-19 | 2023-07-28 | 三峡大学 | 基于变分模态分解与改进小波阈值的电能质量扰动去噪方法 |
-
2023
- 2023-08-09 CN CN202311000087.8A patent/CN117092206A/zh active Pending
Patent Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2660639A1 (en) * | 2012-05-02 | 2013-11-06 | Centre National De La Recherche Scientifique | Method and apparatus for single-particle localization using wavelet analysis |
| GB2552330A (en) * | 2016-07-18 | 2018-01-24 | Univ Cape Town | Method and system for isolating and separating contributions in a composite signal |
| US20200292411A1 (en) * | 2017-11-14 | 2020-09-17 | Nec Corporation | Displacement component detection apparatus, displacement component detection method, and computer-readable recording medium |
| CN108615070A (zh) * | 2018-04-30 | 2018-10-02 | 国网四川省电力公司电力科学研究院 | 一种基于混沌粒子群算法的tdoa和aoa混合定位方法 |
| CN108921873A (zh) * | 2018-05-29 | 2018-11-30 | 福州大学 | 基于核相关滤波优化的马尔科夫决策在线多目标跟踪方法 |
| CN109490409A (zh) * | 2018-10-19 | 2019-03-19 | 国网浙江省电力有限公司电力科学研究院 | 一种基于小波变换的高压电缆铅封涡流检测方法 |
| CN111832353A (zh) * | 2019-04-19 | 2020-10-27 | 中国科学院沈阳自动化研究所 | 基于emd与ba优化svm的汽轮机转子故障诊断方法 |
| CN110146156A (zh) * | 2019-06-27 | 2019-08-20 | 南昌航空大学 | 一种航空发动机转子***故障振动信号的去噪方法 |
| US11372017B2 (en) * | 2019-08-22 | 2022-06-28 | Charles River Analytics, Inc. | Monocular visual-inertial alignment for scaled distance estimation on mobile devices |
| US20210132125A1 (en) * | 2019-10-30 | 2021-05-06 | Ricoh Company, Ltd. | Waveform generation identification method and computer-readable medium |
| CN112001246A (zh) * | 2020-07-20 | 2020-11-27 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于奇异值分解的局部放电类型识别方法及装置 |
| CN112067960A (zh) * | 2020-09-30 | 2020-12-11 | 广东电网有限责任公司中山供电局 | 基于pso和双向lstm的高压电缆局部放电模式识别方法 |
| CN112163536A (zh) * | 2020-09-30 | 2021-01-01 | 沈阳工业大学 | 基于粒子群算法改进的小波阈值函数去噪方法 |
| CN112836425A (zh) * | 2021-01-12 | 2021-05-25 | 中铁第四勘察设计院集团有限公司 | 一种基于粒子群优化算法的圆柱体拟合方法及装置 |
| CN113505705A (zh) * | 2021-07-13 | 2021-10-15 | 浙江树人学院（浙江树人大学） | 一种双层管柱电涡流信号去噪方法、***及处理终端 |
| CN113591652A (zh) * | 2021-07-22 | 2021-11-02 | 中南大学 | 一种基于优化变分模态分解的电磁信号处理方法和装置 |
| CN113971416A (zh) * | 2021-09-23 | 2022-01-25 | 国网江苏省电力有限公司宿迁供电分公司 | 一种电缆早期故障辨识方法 |
| CN114417920A (zh) * | 2021-12-31 | 2022-04-29 | 广东电网有限责任公司 | 一种基于de优化小波参数的信号去噪方法及装置 |
| CN114358093A (zh) * | 2022-03-17 | 2022-04-15 | 国网浙江省电力有限公司电力科学研究院 | 一种电力设备中局部放电的检测方法及设备 |
| CN114943776A (zh) * | 2022-05-31 | 2022-08-26 | 中国地质大学（武汉） | 一种基于互相关函数和法向量损失的三维重建方法及装置 |
| CN114881090A (zh) * | 2022-06-06 | 2022-08-09 | 哈尔滨工业大学 | 基于改进粒子群优化的卫星遥测数据特征选择方法、装置及介质 |
| CN115272429A (zh) * | 2022-06-30 | 2022-11-01 | 南京邮电大学 | 基于特征点的图像配准方法、***和计算机可读存储介质 |
| CN115128160A (zh) * | 2022-07-14 | 2022-09-30 | 国网四川省电力公司电力科学研究院 | 一种电缆铅封多频涡流探头检测方法及*** |
| CN115406961A (zh) * | 2022-09-08 | 2022-11-29 | 国网四川省电力公司电力科学研究院 | 一种电缆铅封涡流检测方法、检测模块及缺陷检测*** |
| CN115791957A (zh) * | 2022-11-25 | 2023-03-14 | 国网四川省电力公司映秀湾水力发电总厂 | 高压电缆铅封缺陷脉冲涡流检测方法、***、终端及介质 |
| CN116502042A (zh) * | 2023-04-19 | 2023-07-28 | 三峡大学 | 基于变分模态分解与改进小波阈值的电能质量扰动去噪方法 |
| CN116400318A (zh) * | 2023-06-08 | 2023-07-07 | 中国人民解放军国防科技大学 | 基于在线粒子群优化的多观测目标位置估计方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 律方成;谢军;王永强;: "局部放电信号稀疏表示去噪方法", 中国电机工程学报, no. 10, 20 May 2015 (2015-05-20) * |
| 田小兵等: "升船机轮毂焊缝未焊透缺陷超声波无损检测技术", 《焊接技术》, 30 June 2023 (2023-06-30) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110221256B (zh) | 基于深度残差网络的sar干扰抑制方法 | |
| CN111008585B (zh) | 基于自适应分层高分辨sar图像的舰船目标检测方法 | |
| CN114925615A (zh) | 一种放射性泄漏源定位方法和*** | |
| CN117056680A (zh) | 数据降噪与信号探测方法、装置、***及存储介质 | |
| CN104391325B (zh) | 不连续非均质地质体检测方法和装置 | |
| CN108828658A (zh) | 一种海底地震数据重构方法 | |
| CN107292847B (zh) | 一种数据降噪方法及*** | |
| CN111694056B (zh) | 一种压制地震资料异常噪声的方法、存储介质及设备 | |
| CN117092206A (zh) | 电缆铅封区域的缺陷检测方法、计算机设备及存储介质 | |
| CN104898166B (zh) | 一种处理地震数据的方法及装置 | |
| CN111652277A (zh) | 假阳性过滤方法、电子装置及计算机可读存储介质 | |
| Lopac et al. | On optimal parameters for ICI-based adaptive filtering applied to the GWs in high noise | |
| CN112712220B (zh) | 地面臭氧浓度的预估方法、装置及计算机设备 | |
| İz | Sea level acceleration under the magnifier | |
| CN115311532A (zh) | 一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法 | |
| CN111721568A (zh) | 航天器结构故障诊断方法、装置、***和存储介质 | |
| CN113640882B (zh) | 采集脚印噪声去除方法、电子设备及计算机可读存储介质 | |
| CN118011405B (zh) | 海底地质成像方法、装置、设备及介质 | |
| CN110687491B (zh) | 心磁***的探测性能评估设备/方法、介质及处理装置 | |
| CN117872039B (zh) | 一种基于改进rbf网络的线路故障测距方法及*** | |
| CN116226647B (zh) | 电力电缆局部放电模式的识别方法、装置、设备及介质 | |
| CN114118308B (zh) | 基于约束能量最小化变分自编码的高光谱目标检测方法 | |
| CN112003627B (zh) | 无线频谱环境底噪的估计方法、装置、电子设备与存储介质 | |
| CN116112932B (zh) | 一种数据知识双驱动的射频指纹识别方法与*** | |
| CN111968109B (zh) | 多传感器自主跟踪中的数据融合方法、装置、设备及介质 |
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 |