基于弹性冲击波技术的输电杆塔螺栓快速检测及定位诊断

刘易，陈芳芳，解海翔，盖佳郇，徐天奇

（云南民族大学电气信息工程学院，云南昆明 650031）

螺栓的连接优点主要是可以承受大载荷，能够随意拆卸以及重复装配，所以被广泛地使用在电力方面有拆卸需求的承载结构中[1-3]。国内外普通的机械行业集中于对螺栓的连接与松动等一系列问题进行研究，但对于输电杆塔螺栓的松动等问题研究较少。部分文献提出了输电杆塔螺栓的松动检测方法，但由于需要大量的传感器和配套检测电路等检测仪器导致工作复杂，检测的成本高且精度和效率低[4-5]。绝大部分的输电杆塔都位于野外环境中，采用传统的方法无法实现有效的检测，而弹性冲击波技术可以解决上述问题。

1 弹性冲击波信号的特征提取及分析

输电杆塔中弹性冲击波信号特征的提取与分析是故障诊断的基础，基于弹性冲击波技术的螺栓检测，能够充分提取输电杆塔中弹性冲击波的有效特征，并判断输电杆塔全部螺栓的状态。

冲击波是在压力的急剧变化下产生的，其具有在短时间产生很大压力和很强张应力、压应力以及可以穿透任意弹性介质等一系列优点[6]。弹性波的特征是可以使得扰动介质点间的弹性力在介质中传播[7-8]。因为弹性冲击波具有能量大等优点，且其基本性质类似于超声波，所以很适合用于频谱分析[9]。文中输电杆塔螺栓的快速检测及定位检测主要依靠的是弹性冲击波技术下的频谱分析。

文中弹性冲击波信号主要依靠的是频谱分析，对输电杆塔有缺陷的螺栓进行检测及定位诊断。在外界环境下作用下，杆塔螺栓产生很大能量的弹性冲击波，再通过图1 所示的测震传感器检测到该弹性波信号。将检测到的信号进行收集与放大，形成频谱，对频谱进行分析能够对杆塔螺栓进行快速检测和定位。

图1 测振传感系统装置结构图

2 输电杆塔螺栓快速检测及定位诊断

2.1 输电杆塔整体螺栓快速检测及定位

弹性冲击波是一种应力波，例如输电杆塔的螺栓断裂、松动都会产生这种应力波。这种波由测振传感器接收，由放大器放大。在放大器放大后，冲击弹性波由图2 所示的多路数据采集模型进行采集，之后把该信号传输到后期的数据分析和处理系统中，以进行分析处理。在输电杆塔螺栓中产生的弹性冲击波是靠在杆塔螺栓表面进行来回重复地反射传播的。弹性冲击波能够引起输电杆塔螺栓的瞬态动力响应[10]，从而在频谱图中显现该物体的各个频率成分。频谱图中的频率成分发生改变是由输电杆塔螺栓自身的状态改变导致的，因此通过对频谱图中的频率成分变化情况进行比对，就能达到判断输电杆塔螺栓状态变化的目的，进而达到快速检测和定位的效果，上述为输电杆塔全部螺栓快速检测和定位的基础方法。

图2 多路数据采集模型

2.2 输电杆塔螺栓的快速可视化诊断

可视化快速诊断平台是将提取和分析的波形文本及数据快速转化为电脉冲信号，进而通过屏幕可视化呈现[11]。可视化平台使得在输电杆塔巡检中对螺栓进行快速检测、对定位状态进行判别和预警，其基本原理图如图3 所示。

图3 系统检测原理示意图

在图3 所示的输电杆塔中，其上下两端分别安装有测振仪和激振器，用于接收和发送信号。

输电杆塔上端的测振仪主要接收输电杆塔上端的弹性冲击波信号，然后将信号传输到低通滤波电路进行滤波，经过A/D 差分电路以及A/D 转换电路实现信号的转变，再将最开始的弹性冲击波信号转变为数字信号。测振仪、低通滤波电路、A/D 差分电路以及A/D 转换电路是图3 中的接收系统。最后，将接收系统输出的数字信号传输到FPGA 中的FIFO 模块。

输电杆塔下端的激振器主要发送相关信号到输电杆塔。FPGA 中的DDS 模块将信号传送到D/A 转换电路转换成模拟信号，经过差分放大电路对模拟信号进行放大，再由低通滤波电路对其进行滤波，然后将其传输给功率放大器进行放大，最后将其传输给输电杆塔的激振器。D/A 转换电路、差分放大电路、低通滤波电路、功率放大器以及激振器是图3 中的发射系统。

图3 中的FPGA 可以和STM32 进行信息的双向传输。STM32 中的FFT 模块可以将输电杆塔接收的弹性冲击波信号经过接收系统及FPGA 中的FIFO 模块传输到LCD 触摸屏。其次在STM32 中的频率控制字模块会将SD 卡中的相关信息传输到STM32 中的DDS 模块，再传给发射系统，最终传到输电杆塔。

3 输电杆塔螺栓的快速分析算法

在输电杆塔整体螺栓检测的海量数据背景下，要准确快速检测及定位到杆塔螺栓的信息如同大海捞针，而输电杆塔整体螺栓快速分析算法设计可以解决该问题，在弹性冲击波频率和波形提取的基础上，这种算法能快速准确地提取和分析数据库中的有关信息，此项算法设计也是文中研究的关键。

3.1 快速分析算法及其改进

文中主要采用的快速分析算法是基于熵加权的改进典型K-means[12]聚类算法。K-means 算法也叫K-均值聚类算法，是一种依靠距离来划分聚类的分割方法，具有简单、高效以及适合范围广等优点[13-14]。Kmeans 算法实现的目标函数如下所示：

式（1）的目标函数为计算误差平方。其中，聚类准则函数是E，聚类总数是K，聚类中的簇为Cj(j=1,2,…,K)，簇Cj中的一个聚类目标为x，簇Cj的平均大小为mj。

在K-means 聚类算法中，数值K和数据集X中的聚类目标数量n代表的是输入参数。当函数E，即聚类的准则函数到达最小的K个聚类时，代表的是输出。K-means 聚类算法的基本步骤如下所示：

步骤1 输入参数值，将K个聚类中心进行初始化；

步骤2 进行E值的计算；

步骤3 对每个群数集中心进行更新，之后计算出E的新数值；

步骤4 进行收敛的判断。当满足收敛条件时，进行参数的输出，计算结束；反之，则回到步骤2。

经过上面关于典型K-means 聚类算法原理以及计算的介绍，可以看出，该算法在处理输电杆塔螺栓定位与检测的数据较多且杂乱时，计算量会明显增加，导致其效率也大打折扣，因此，对其先进行一定的优化很有必要，优化后可以达到降低数据集合维度和去掉相类似数据冗余的目的。

文中基于熵加权[15]对典型的K-means 聚类算法进行改进，由此能够对典型的K-means 聚类算法进行优化[16-17]。聚类的目标函数如下所示：

计算当前集合的隶属度：

该数据集合的特征系数可以通过式（4）得到：

根据目标函数与式（3）可以得到隶属迭代：

然后根据式（6）的结果推导聚类中心距离：

通过式（7）进一步计算t时刻的聚类中心值：

最后通过式（9）计算熵加权系数：

3.2 实验结果与分析

仿真实验环境配置为Windows 10 操作系统，CPU 为Intel 处理器，8 GB 内存，Matlab 2018 仿真平台。测试数据来自大理近两年和输电杆塔螺栓相关的数据数据，随机选取了超过500 GB 的数据。

在此之外，采用比较单一化的F1测试数值来评选和估计算法的性能，使得算法检索的性能能够得到更加直观的效果。式（10）为F1的具体表达式[18]。

文中采用改进的算法和典型K-means 聚类算法，在处理输电杆塔螺栓定位以及检测信息的结果对比如表1 所示。

表1 输电杆塔螺栓相关信息的数据实验结果

从表1 可以看出，改进后的聚类算法的性能指标比起K-means 聚类算法提高10%以上，数据挖掘的速度更加快，能够预先对螺栓快速检测的海量数据库进行预处理，也能对数据库中的波形、频率进行筛选和快速检测及对定位波形特征进行提取，从而记录快速检测及定位波形特征和文件的对应关系。在需要搜索输电杆塔整体螺栓快速检测及定位波形特征时，能够利用快速检测及定位数据库中已有的波形特征进行快速匹配。

4 结论

弹性冲击波检测技术对输电杆塔全部螺栓状态进行一次性检测诊断和定位，可以减少人工巡查的时间和体力，并提高对输电杆塔整体螺栓快速状态分析和诊断的能力，解决目前主要通过人工巡检观察输电杆塔螺栓划线标记进行判断螺栓故障的问题，可用于输电杆塔巡检工作中的螺栓快速检测和健康诊断，提升巡检工作质量，有效优化、提升目前的输电杆塔巡检模式，极大提高螺栓快速诊断效率，创造显著经济效益。