输电铁塔上金属异物的检测方法与流程

本发明具体涉及一种输电铁塔上金属异物的检测方法，属于利用声波来测试材料（g01n29/14）。

背景技术：

1、在输电铁塔的基建或运维过程中，施工或运维人员有时候会在输电铁塔上遗留施工工具。这些施工工具包括螺栓、扳手、铝丝、钢丝钳等金属物品。铝丝受大风吹动，飘到导线上易导致线路跳闸；螺栓、扳手、钢丝钳等工具从铁塔上掉落极易造成人身伤亡事故。针对以上安全隐患，有必要采取检测手段，找出铁塔上遗留的金属物并排除隐患，保障在运铁塔的安全运行。由于金属异物可能分布在输电铁塔的各个角落，有些会被角钢遮挡，仅依靠人工检查会出现漏检的情况。

2、现有技术中开始使用声纹检测技术，首先敲击铁塔产生振动，声振传感器捕捉振动产生的声纹信号，然后分析这些信号，提取声纹特征，识别出其中金属异物引起的异常声纹。 但存在以下问题：现有技术一般根据经验选择固定的敲击力度来敲击输电铁塔，而忽略了不同敲击力度下声纹信号特征的差异，也没有考虑到环境因素也会影响输电铁塔对敲击激励的响应，导致现有技术得到的声纹信号存在质量问题，影响金属异物的检测准确率。

技术实现思路

1、本发明所要解决的技术问题是：如何提升输电铁塔上金属异物的检测准确率。

2、为解决上述技术问题，本发明所提出的技术方案是：一种输电铁塔上金属异物的检测方法，包括以下步骤：

3、步骤1：根据长短期记忆神经网络lstm建立金属异物检测模型；收集所述输电铁塔的所有历史声纹数据形成历史声纹数据集，将所述历史声纹数据集按照经验比例进行划分形成训练集和测试集，通过所述训练集和测试集中的数据对所述金属异物识别模型进行训练，得到训练完成的金属异物检测模型；所述训练完成的金属异物检测模型以所述输电铁塔的声纹数据作为输入，以所述输电铁塔是否具有金属异物作为输出；

4、步骤2：采集输电铁塔所处位置的实时温度数据t、实时湿度数据h和实时风速数据w并带入下式（1）中计算出所述输电铁塔当前环境下的目标敲击力度，

5、 （1）

6、式（1）中，是基准敲击力度；是第一经验常数；、和分别是温度、湿度和风速的权重系数；分别是参考温度和参考湿度；

7、步骤3：设置所述输电铁塔的敲击频率；根据所述敲击频率和步骤2得到敲击力度对所输电铁塔进行n次敲击得到n个声纹数据，将所述n个声纹数据收集起来形成初始声纹检测数据集合y，如下式（2）所示，

8、     （2）

9、式（2）中，是根据所述敲击频率和步骤1得到的所述目标敲击力度对所输电铁塔进行第一次敲击得到的第一声纹数据；是根据所述敲击频率和步骤2得到的所述目标敲击力度对所输电铁塔进行第二次敲击道第n次敲击得到的第二声纹数据到第n声纹数据；

10、步骤4：对所述初始声纹检测数据集合y中的所有声纹数据进行预处理，将所有预处理后的声纹数据收集起来形成最终声纹检测数据集合，如下式（3）所示，

11、     （3）

12、式（3）中，是所述经过预处理后得到的第一预处理声纹数据；分别是所述经过预处理后得到的第二预处理声纹数据到第n预处理声纹数据；

13、步骤5：将所述最终声纹检测数据集合中的所以数据代入所述训练完成的金属异物检测模型中，将所述训练完成的金属异物检测模型的输出结果作为输电铁塔上金属异物的检测结果。

14、进一步，所述步骤1中的所述金属异物检测模型，如下式（4）所示，

15、     （4），

16、式（4）中，是当前时间步长短期记忆神经网络lstm中的输出门输出的短期记忆金属异物识别信息；是所述lstm中的输出门的权重；表示逐点求积运算；是当前时间步所述lstm中的输入门输出的长期记忆金属异物识别信息；是sigmoid函数；和分别是所述输出门的权值和偏置；是前一个时间步所述lstm中的输出门输出的短期记忆金属异物识别信息；是当前时间步上的输入信息；是所述lstm中的遗忘门的权重；是前一个时间步所述lstm中的输入门输出的长期记忆金属异物识别信息；是所述lstm中的输入门的筛选权重；是当前时间步所述lstm中输入门的金属异物识别候选信息； 和分别是所述输入门的筛选权重的权值和偏置；和分别是所述输入门的权值和偏置；和分别是所述遗忘门的权值和偏置。

17、进一步，所述步骤1中的所述金属异物检测模型的训练过程如下：

18、步骤1.1：设置所述金属异物检测模型进行模型训练的最大迭代次数e，e为自然数；初始化所述金属异物检测模型，给出所述金属异物检测模型中的迭代次数i、权值w和偏置b；

19、步骤1.2：将所述训练集和测试集中的所有数据代入所述金属异物检测模型进行预测计算，得到金属异物检测模型的预测结果；将金属异物检测模型的预测结果与真实结果代入下式（5）中计算得到交叉熵损失，

20、    （5）

21、式（7）中，n是所述训练集和测试集中的数据量，表示了真实结果和金属异物检测模型的预测结果；

22、步骤1.3：采用反向传播算法和adam优化算法对步骤1.1中的权值和偏置的梯度进行更新，如下式（6）所示，

23、（6）

24、式（6）中，式中为当前step的一阶动量，为上一个step的一阶动量，为历史一阶动量的保留率；为当前step的二阶动量，为上一个step的二阶动量，为历史二阶动量的衰减率；与分别是下一个step的一阶动量与二阶动量，为当前step的学习率；

25、将更新后的权值和偏置重新代入所述金属异物检测模型中，并使迭代次数加一，然后重复步骤1.2和步骤1.3开始下一次迭代，直至达到最大迭代次数e为止，此时所述金属异物检测模型训练完成；

26、将最后一次迭代过程中所述金属异物检测模型的权重值和偏置值作为最终训练完成的所述金属异物检测模型的权重w和偏置b。

27、进一步，所述步骤2还包括以下步骤：

28、步骤2.1：实时采集所述输电铁塔的塔高ht、塔底宽度wb和横担长度lh；

29、步骤2.2：根据下式（5）计算得到所述输电铁塔当前环境下的目标敲击力度，

30、     （5）

31、式（5）中，是所述输电铁塔的结构系数；是第二经验常数。

32、进一步，所述步骤4中的预处理过程的具体步骤如下：

33、步骤4.1：检查所述初始声纹检测数据集合y中的所有数据是否存在缺失、异常和错误，并对其中的缺失值进行补充，异常值和错误值进行删除和平滑；

34、步骤4.2：将经过步骤4.1处理后的所有数据进行滤波去噪；

35、步骤4.3：将经过步骤4.2处理后的所有数据进行归一化处理；

36、步骤4.4：将经过步骤4.3处理后的所有数据进行分割形成n个经过处理后的预处理声纹数据。

37、本发明的有益效果：1.本发明通过实时获取并分析输电铁塔所处环境的温度、湿度和风速等信息，实现了敲击力度的智能化调整，确保了在不同环境条件下均能进行有效的异物检测。这种环境适应性不仅提高了检测的准确性，还增强了系统的可靠性和稳定性，确保了在多变环境条件下的持续有效运行。2.本发明考虑了环境因素对于声波的传播特性和铁塔的振动响应具有的影响，通过获取输电铁塔所处环境的实时信息，包括温度、湿度和风速等关键参数，确定目标敲击力度，可以最大化声波的能量传递效率，优化振动激励的效果，更准确捕捉到金属异物引起的声纹特征的振动，从而提高声纹检测的灵敏度和准确性，确保在不同环境条件的情况下，也能够通过声纹信息可靠地识别出金属铁塔上的金属异物。