陶 慧, 賀國帥, 楊金顯, 艾朋偉

(1.河南理工大學(xué) 電氣工程與自動(dòng)化學(xué)院, 河南 焦作 454003; 2.河南省智能裝備直驅(qū)技術(shù)與控制國際聯(lián)合實(shí)驗(yàn)室,河南 焦作 454003)

電力輸電桿塔各部件常用螺栓連接,在長期風(fēng)荷載影響下,螺栓連接點(diǎn)會(huì)發(fā)生松動(dòng),嚴(yán)重的松動(dòng)會(huì)引起桿塔的倒塌。因此對(duì)輸電桿塔螺栓進(jìn)行狀態(tài)識(shí)別,具有一定的研究意義[1-2]。

常用的螺栓松動(dòng)檢測方法有傳統(tǒng)力矩法、壓電阻抗法、圖像法和振動(dòng)分析法等[3-4]。傳統(tǒng)力矩法是運(yùn)維人員通過力矩扳手測量螺栓預(yù)緊力來判斷螺栓是否發(fā)生松動(dòng),由于桿塔螺栓眾多,檢測效率較低。壓電阻抗法通過對(duì)比螺栓松動(dòng)前后的電阻抗來判斷螺栓狀態(tài)是否變化[5-6],由于壓電阻抗檢測設(shè)備昂貴,該方法在輸電桿塔上應(yīng)用受到了一定的限制。圖像法對(duì)螺栓點(diǎn)蝕、剝落等外型損傷檢測效果明顯,但對(duì)于螺栓內(nèi)部出現(xiàn)斷裂和預(yù)緊力不足導(dǎo)致松動(dòng)等故障并不適用[7-8]。振動(dòng)分析法是對(duì)螺栓松動(dòng)前后的振動(dòng)信號(hào)必要處理,識(shí)別螺栓狀態(tài),且振動(dòng)信號(hào)獲取較為容易,設(shè)備成本低,適用于輸電桿塔螺栓狀態(tài)識(shí)別。何冰等[9]通過比較螺栓松動(dòng)前后振動(dòng)信號(hào)頻域幅值變化來判斷螺栓是否發(fā)生松動(dòng)。Ji等[10]對(duì)桿塔振動(dòng)信號(hào)建立風(fēng)振垂直應(yīng)變響應(yīng)均方根差識(shí)別指標(biāo),對(duì)輸電桿塔塔腿構(gòu)件螺栓松動(dòng)位置進(jìn)行識(shí)別。Zhao等[11]提出了一種利用振動(dòng)信號(hào)固有頻率和徑向基神經(jīng)網(wǎng)絡(luò)識(shí)別螺栓松動(dòng)位置和嚴(yán)重程度的方法。Tan等[12]利用小波包對(duì)振動(dòng)信號(hào)分析結(jié)合神經(jīng)網(wǎng)絡(luò)對(duì)輸電塔松動(dòng)螺栓進(jìn)行識(shí)別。以上研究均使用單軸加速度傳感器測量桿塔螺栓一維振動(dòng)信號(hào),對(duì)螺栓松動(dòng)進(jìn)行識(shí)別。相比于單軸加速度傳感器,微慣性測量組合(micro inertial measurement unit,MIMU)集成3個(gè)MEMS加速度計(jì)和3個(gè)MEMS陀螺儀,測量桿塔螺栓三軸加速度和三軸角速度振動(dòng)信號(hào),可以更好地反應(yīng)螺栓松動(dòng)前后的狀態(tài),并且具有體積小、功耗低和成本低等優(yōu)點(diǎn)[13],本文采用MIMU測量輸電桿塔螺栓松動(dòng)前后6維振動(dòng)信號(hào)。

桿塔螺栓的狀態(tài)識(shí)別主要是對(duì)振動(dòng)信號(hào)進(jìn)行分析,一般采用時(shí)域頻域分析法,桿塔螺栓松動(dòng)后,連接結(jié)構(gòu)之間發(fā)生共振,出現(xiàn)非線性響應(yīng),可以利用螺栓松動(dòng)前后6維響應(yīng)信號(hào)的時(shí)域頻域特征進(jìn)行螺栓松動(dòng)識(shí)別[14-15]。熵權(quán)法(entropy weight method,EWM)依據(jù)原始數(shù)據(jù)提取的方差、峰-峰值、峭度、頻率方差、重心頻率和能量特征,客觀反應(yīng)所提取特征的權(quán)重[16-17]。KL(Kullback Leibler)散度能夠衡量兩個(gè)概率分布之間的差異,KL散度值越小,分布越接近[18]。當(dāng)桿塔螺栓松動(dòng)時(shí),相應(yīng)的敏感特征及其權(quán)重也會(huì)發(fā)生變化,將特征權(quán)重作為概率空間的概率分布,構(gòu)建特征權(quán)重分布,結(jié)合KL散度可以對(duì)輸電桿塔螺栓狀態(tài)識(shí)別。

本文提出一種基于MIMU的輸電桿塔螺栓狀態(tài)識(shí)別的方法。首先搭建輸電桿塔模型,利用MIMU采集螺栓不同狀態(tài)下的三軸加速度和三軸角速度原始振動(dòng)數(shù)據(jù),對(duì)原始數(shù)據(jù)降噪處理,提取降噪后振動(dòng)數(shù)據(jù)敏感特征,根據(jù)熵權(quán)法計(jì)算敏感特征的權(quán)重構(gòu)建特征權(quán)重分布,結(jié)合KL散度對(duì)輸電桿塔螺栓狀態(tài)進(jìn)行識(shí)別。

1 數(shù)據(jù)采集與預(yù)處理

圖1 輸電桿塔螺栓振動(dòng)數(shù)據(jù)模擬采集系統(tǒng)

將MIMU采集的三軸加速度和三軸角速度原始數(shù)據(jù)表示為

X={x1,x2,x3,x4,x5,x6}

(1)

式中:x1,x2,x3為三軸加速度;x4,x5,x6為三軸角速度;xi={xi1,xi2,…,xij,…,xin}T,i=1,2,3,4,5,6,n為序列長度。

因測量環(huán)境、傳輸路徑和噪聲的干擾,采集的6維慣性數(shù)據(jù)中存在隨機(jī)噪聲,為精確提取輸電桿塔螺栓松動(dòng)敏感特征,對(duì)振動(dòng)數(shù)據(jù)進(jìn)行降噪處理。最簡單的數(shù)字濾波方法是中值濾波和均值濾波,五點(diǎn)三次平滑法相較于中值濾波和均值濾波,在一定程度上可減小信號(hào)中的高頻隨機(jī)噪聲,有效處理傳感器在工作中產(chǎn)生的低頻周期信號(hào)和隨機(jī)干擾信號(hào)所引起的尖峰、毛刺現(xiàn)象,且計(jì)算簡單方便[19],本文使用五點(diǎn)三次平滑法對(duì)6維振動(dòng)信號(hào)進(jìn)行降噪處理,計(jì)算公式為

(2)

式中:yij為降噪后數(shù)據(jù);xij為原始數(shù)據(jù);yi={yi1,yi2,…,yij,…,yin}T,i=1,2,3,4,5,6,n為序列長度。

對(duì)試驗(yàn)采集的其中一組螺栓松動(dòng)6維數(shù)據(jù)進(jìn)行五點(diǎn)三次平滑濾波,得到的結(jié)果如圖2所示。由圖2可以看出,6維振動(dòng)數(shù)據(jù)降噪處理后,沒有尖峰毛刺等現(xiàn)象,波形更加平滑。其他采集的數(shù)據(jù)使用同樣的方法處理,也可以得到較好的效果,這里不再給出。

圖2 模擬系統(tǒng)桿塔螺栓松動(dòng)狀態(tài)降噪結(jié)果

為了說明五點(diǎn)三次平滑法的效果,將其與其他常用振動(dòng)信號(hào)降噪方法對(duì)比。常用的振動(dòng)信號(hào)降噪方法除中值濾波和均值濾波等數(shù)字濾波外,還有小波閾值(wavelet threshold,WT)降噪和Kalman濾波降噪。這里選用db4小波對(duì)振動(dòng)信號(hào)5層分解軟閾值函數(shù)降噪處理;設(shè)定Kalman濾波初始參數(shù)為P=0.1,Q=0.1,R=1。由于實(shí)際測試中無法得到完全不含噪聲的振動(dòng)信號(hào),無法利用信噪比(signal noise ratio,SNR)和均方誤差(root mean squared error,RMSE)評(píng)價(jià)降噪效果,這里使用噪聲抑制比(noise rejection ratio,NNR)來評(píng)估振動(dòng)數(shù)據(jù)的降噪效果,NNR越大,噪聲抑制效果越明顯[20]。對(duì)采集的10組螺栓松動(dòng)狀態(tài)數(shù)據(jù)采用不同的降噪方法處理,得到的NNR平均值如表1所示。

表1 不同降噪方法的NNR

由表1可以看出:中值濾波和均值濾波噪聲抑制效果相當(dāng),Kalman濾波噪聲抑制效果最差,WT降噪相較于中值濾波、均值濾波和Kalman濾波噪聲抑制效果有明顯的改善,本文方法噪聲抑制效果最明顯。因?yàn)閃T降噪存在閾值、小波基函數(shù)和分解尺度等參數(shù)選擇困難的問題,且依賴噪聲統(tǒng)計(jì)特性;Kalman濾波降噪適用于噪聲特性已知的場合,由于外界環(huán)境的干擾使MIMU測量的振動(dòng)信號(hào)噪聲較為復(fù)雜,具有不確定性,依賴噪聲統(tǒng)計(jì)特性的WT降噪和Kalman濾波方法,對(duì)螺栓振動(dòng)數(shù)據(jù)處理難以取得理想的降噪效果。

2 振動(dòng)信號(hào)敏感特征提取及權(quán)重計(jì)算

2.1 振動(dòng)信號(hào)敏感特征提取

螺栓狀態(tài)識(shí)別需要先提取輸電桿塔螺栓振動(dòng)信號(hào)的時(shí)域和頻域等敏感特征。時(shí)域特征中,方差描述振動(dòng)信號(hào)偏離中心的強(qiáng)度,峰-峰值描述振動(dòng)信號(hào)變化的范圍,峭度指標(biāo)對(duì)振動(dòng)信號(hào)中的沖擊分量敏感;頻域特征中,頻率方差表示振動(dòng)信號(hào)頻率變化強(qiáng)度,重心頻率反映振動(dòng)信號(hào)頻率的主頻位置;當(dāng)輸電桿塔螺栓未松動(dòng)時(shí),振動(dòng)信號(hào)能量分布較為均勻,當(dāng)螺栓松動(dòng)時(shí),在外界激勵(lì)的作用下,螺栓與連接物之間的局部剛度發(fā)生變化,使振動(dòng)信號(hào)能量分布發(fā)生變化,能量也可以作為螺栓松動(dòng)識(shí)別的敏感特征。提取降噪后振動(dòng)信號(hào)的方差、峰-峰值、峭度、頻率方差、重心頻率和能量6個(gè)敏感特征。各特征定義如下:

(1)方差σ2

(3)

(2)峰-峰值F

Fi=max(yi)-min(yi)

(4)

(3)峭度Ku

(5)

(4)重心頻率FC

(6)

式中:fij為yij傅里葉變換后的頻率;sij為對(duì)應(yīng)的幅值。

(5)頻率方差VF

(7)

(6)能量E

(8)

分別計(jì)算降噪后一組螺栓正常狀態(tài)和螺栓松動(dòng)狀態(tài)數(shù)據(jù)的σ2,F,Ku,FC,VF和E,得到的結(jié)果如表2所示。

表2 桿塔螺栓正常和松動(dòng)振動(dòng)信號(hào)敏感特征

由表2可以看出,螺栓正常狀態(tài)和松動(dòng)狀態(tài)的6維數(shù)據(jù)敏感特征之間的差異沒有明顯規(guī)律可循,直接使用提取的敏感特征難以識(shí)別螺栓狀態(tài),且數(shù)據(jù)維度較大。

2.2 熵權(quán)法求敏感特征權(quán)重

熵權(quán)法綜合評(píng)價(jià)敏感特征的離散程度,熵值越小,對(duì)應(yīng)的權(quán)重越大,由于測量信號(hào)的非平穩(wěn)定性,避免主觀性因素的干擾,采用熵權(quán)法對(duì)提取的振動(dòng)信號(hào)敏感特征進(jìn)行權(quán)重計(jì)算。

熵權(quán)法計(jì)算權(quán)重步驟如下:

步驟1建立特征矩陣B

(9)

式中,Ai,j為MIMU測量的第i維信號(hào)的第j個(gè)特征,i=1,2,3,4,5,6,,j=1,2,3,4,5,6。

步驟2數(shù)據(jù)歸一化。根據(jù)max-min法對(duì)特征矩陣B歸一化處理。

(10)

式中:max(Aj)為所提取的第j個(gè)特征的最大值;min(Aj)為所提取第j個(gè)特征的最小值。

步驟3計(jì)算特征所占的比重Pij

(11)

步驟4計(jì)算第j個(gè)特征的熵值Hj

(12)

步驟5計(jì)算第j個(gè)特征的權(quán)重wj

(13)

利用熵權(quán)法對(duì)表2提取的敏感特征求權(quán)重,結(jié)果如表3所示。

表3 桿塔螺栓正常和松動(dòng)敏感特征對(duì)應(yīng)的權(quán)重

由表3可以看出,經(jīng)熵權(quán)法處理后,數(shù)據(jù)的維度減小,桿塔螺栓不同狀態(tài)提取的特征權(quán)重不同。將提取的6個(gè)敏感特征的權(quán)重記為W=(w1,w2,w3,w4,w5,w6),為螺栓狀態(tài)識(shí)別做準(zhǔn)備。

對(duì)試驗(yàn)采集的20組數(shù)據(jù)降噪處理,計(jì)算6個(gè)敏感特征,建立特征矩陣B,依據(jù)熵權(quán)法計(jì)算敏感特征的權(quán)重W,20組數(shù)據(jù)的特征權(quán)重如圖3所示。圖3中:1～10組為螺栓正常狀態(tài)數(shù)據(jù);11～20組為螺栓松動(dòng)狀態(tài)數(shù)據(jù)。

圖3 模擬桿塔螺栓不同狀態(tài)特征權(quán)重

由圖3可以看出,螺栓相同狀態(tài)數(shù)據(jù)組之間的特征權(quán)重值大致相同,螺栓不同狀態(tài)數(shù)據(jù)組之間的特征權(quán)重值有一定差異。對(duì)比螺栓松動(dòng)前后各敏感特征權(quán)重變化,可以得出,當(dāng)桿塔螺栓松動(dòng)時(shí),σ2的權(quán)重變化趨勢為明顯減小,E的權(quán)重變化趨勢為明顯增大,F,Ku,FC和VF的權(quán)重有一定變化,但整體變化趨勢不明顯。

3 基于KL散度的螺栓松動(dòng)識(shí)別

3.1 KL散度

KL散度用來衡量兩個(gè)分布之間的差異,將特征權(quán)重作為概率空間的概率分布,構(gòu)建特征權(quán)重分布,螺栓狀態(tài)不同,特征權(quán)重分布不同,計(jì)算桿塔螺栓不同狀態(tài)特征權(quán)重分布之間的KL散度值,對(duì)螺栓狀態(tài)識(shí)別。KL散度值越小,說明特征權(quán)重分布越接近,即桿塔螺栓狀態(tài)越相似。

KL散度計(jì)算公式為

(14)

式中,WⅠ(wj),WⅡ(wj)為桿塔螺栓不同狀態(tài)特征權(quán)重分布。

3.2 模擬桿塔螺栓松動(dòng)識(shí)別

重新采集一組螺栓正常狀態(tài)數(shù)據(jù)和螺栓松動(dòng)狀態(tài)數(shù)據(jù),降噪處理后,依據(jù)熵權(quán)法計(jì)算新采集數(shù)據(jù)的特征權(quán)重,構(gòu)建特征權(quán)重分布,根據(jù)式(14),分別計(jì)算新采集數(shù)據(jù)的特征權(quán)重分布與圖3中已采集的20組數(shù)據(jù)的特征權(quán)重分布之間的KL散度值,結(jié)果如圖4所示。

圖4 模擬桿塔數(shù)據(jù)特征權(quán)重分布KL散度值

由圖4可以看出:新采集的螺栓正常狀態(tài)數(shù)據(jù)與已采集的螺栓正常狀態(tài)數(shù)據(jù)之間的KL散度值較小,與已采集的螺栓松動(dòng)狀態(tài)數(shù)據(jù)之間的KL散度值較大,且有明顯的區(qū)分;新采集螺栓松動(dòng)狀態(tài)數(shù)據(jù)與已采集的螺栓正常狀態(tài)數(shù)據(jù)之間的KL散度值較大,與已采集的螺栓松動(dòng)數(shù)據(jù)之間的KL散度值較小,且有明顯區(qū)分,螺栓狀態(tài)可以有效識(shí)別。因此可以通過比較新采集桿塔螺栓數(shù)據(jù)的特征權(quán)重分布與桿塔螺栓歷史數(shù)據(jù)特征權(quán)重分布之間的KL散度值,來判斷新采集的桿塔螺栓的狀態(tài),即桿塔螺栓是否松動(dòng)。

3.3 實(shí)測桿塔螺栓松動(dòng)識(shí)別

將N100WP型MIMU和手持風(fēng)速儀固定在距離被測螺栓10 cm處,用光纖把MIMU模塊和PC上位機(jī)數(shù)據(jù)采集系統(tǒng)連接,在自然風(fēng)情況下,采集某戶外正在使用的110 kV酒杯型,如圖5(a)所示,輸電桿塔塔底螺栓的6維振動(dòng)數(shù)據(jù)。實(shí)測數(shù)據(jù)采集系統(tǒng)如圖5(b)所示。桿塔螺栓正常狀態(tài)如圖5(c)所示,由于桿塔長期處于戶外工作,在風(fēng)吹雨淋后,會(huì)對(duì)螺栓有一定的腐蝕及風(fēng)化,使螺栓預(yù)緊力降低,在風(fēng)振作用下造成螺栓松動(dòng),桿塔螺栓松動(dòng)狀態(tài)如圖5(d)所示。

圖5 桿塔螺栓振動(dòng)數(shù)據(jù)采集系統(tǒng)

根據(jù)實(shí)測的桿塔螺栓振動(dòng)數(shù)據(jù)采集系統(tǒng),手持風(fēng)速儀測得瞬時(shí)風(fēng)速17 m/s,采集10組桿塔螺栓正常狀態(tài)數(shù)據(jù)和10組螺栓松動(dòng)狀態(tài)數(shù)據(jù),每組采樣點(diǎn)為3 500,采樣時(shí)間為10 s。對(duì)采集的20組振動(dòng)數(shù)據(jù)采用和模擬試驗(yàn)數(shù)據(jù)同樣的方法處理,得到的敏感特征權(quán)重如圖6所示。圖6中:1～10組為螺栓正常狀態(tài)數(shù)據(jù);11～20組為螺栓松動(dòng)狀態(tài)。

圖6 實(shí)測桿塔螺栓不同狀態(tài)特征權(quán)重

由圖6可以看出:10組螺栓正常狀態(tài)數(shù)據(jù)之間的特征權(quán)重分布相似,10組螺栓松動(dòng)狀態(tài)數(shù)據(jù)之間特征權(quán)重分布相似;螺栓正常狀態(tài)與螺栓松動(dòng)狀態(tài)之間的特征權(quán)重分布差異較大。當(dāng)螺栓松動(dòng)時(shí),σ2的權(quán)重明顯減小,E的權(quán)重明顯增大,其余特征的權(quán)重變化趨勢不明顯,與模擬輸電桿塔試驗(yàn)得出的結(jié)論一致。

重新采集一組現(xiàn)場螺栓正常狀態(tài)數(shù)據(jù)和一組螺栓松動(dòng)狀態(tài)數(shù)據(jù),對(duì)數(shù)據(jù)使用本文方法處理,分別計(jì)算新采集數(shù)據(jù)的特征權(quán)重分布與圖6中的20組數(shù)據(jù)的特征權(quán)重分布之間的KL散度值,結(jié)果如圖7所示:

圖7 實(shí)測桿塔數(shù)據(jù)特征權(quán)重分布KL散度值

由圖7可以看出:新采集的螺栓松動(dòng)數(shù)據(jù)與10組螺栓正常數(shù)據(jù)的KL散度值較大,與10組螺栓松動(dòng)數(shù)據(jù)之間的KL散度值較小;新采集的螺栓正常狀態(tài)數(shù)據(jù)與10組螺栓松動(dòng)數(shù)據(jù)之間的KL散度值較大,與10組螺栓正常狀態(tài)數(shù)據(jù)之間的KL散度值較小,且有明顯區(qū)分,可以對(duì)輸電桿塔螺栓的狀態(tài)進(jìn)行有效識(shí)別。

4 結(jié) 論

本文利用MIMU采集桿塔螺栓6維原始振動(dòng)數(shù)據(jù),采用五點(diǎn)三次平滑法對(duì)數(shù)據(jù)進(jìn)行降噪,利用熵權(quán)法計(jì)算降噪后6維數(shù)據(jù)的時(shí)域、頻域和能量特征權(quán)重,將特征權(quán)重分布結(jié)合KL散度法對(duì)螺栓狀態(tài)進(jìn)行識(shí)別。

(1)利用熵權(quán)法對(duì)降噪后數(shù)據(jù)計(jì)算方差、峰-峰值、峭度、頻率方差、重心頻率和能量特征權(quán)重,從數(shù)據(jù)結(jié)果分析得出,當(dāng)桿塔螺栓松動(dòng)時(shí)方差的權(quán)重減小,能量的權(quán)重增大,螺栓不同狀態(tài)的特征權(quán)重分布不同。

(2)模擬桿塔螺栓試驗(yàn)數(shù)據(jù)和實(shí)測現(xiàn)場螺栓數(shù)據(jù)處理的結(jié)果表明,將特征權(quán)重分布與KL散度結(jié)合可以對(duì)螺栓狀態(tài)進(jìn)行有效識(shí)別。