← 返回列表

基于多源数据专注监测的输电塔易损性评估方法

申请号: CN202410024137.4
申请人: 宁夏大学
申请日期: 2024/1/8

摘要文本

本发明提供一种基于多源数据专注监测的输电塔易损性评估方法,该方法包括:搭建多源数据健康监测平台;对多源数据高效区分并做相关去噪处理;采用点云NARF提取特征并使用内积矩阵组建标签数据库合理划分数据集;利用ConvLSTM续接二维卷积对模型学习训练并在其添加CBAM注意力机制提高训练效率;对超参数进行贝叶斯调优确保评估数据精确度;得出输电塔风致易损性评估结果并传回客户端进行维护方案优化。

专利详细信息

项目 内容
专利名称 基于多源数据专注监测的输电塔易损性评估方法
专利类型 发明申请
申请号 CN202410024137.4
申请日 2024/1/8
公告号 CN117725839A
公开日 2024/3/19
IPC主分类号 G06F30/27
权利人 宁夏大学
发明人 包超; 于子莹; 曹纪兴; 马肖彤; 韩梦凡; 龙环
地址 宁夏回族自治区银川市贺兰山西路489号

专利主权项内容

马 克 数 据 网 1.基于多源数据专注监测的输电塔易损性评估方法,其特征在于,包括以下步骤:步骤一:多源数据健康监测平台采集数据;步骤二:对步骤一采集到的多源数据进行分类及去噪预处理;步骤三:对步骤二预处理后的数据使用法线对其径向特征NARF提取特征点,构成一维内积向量,将一维内积向量数据扩充为二维矩阵,将二维矩阵输入二维卷积网络中,构建总采样点数为m×n的结构健康监测数据库,分离数据子集并进行相关性分析,每个数据子集对应P个相关函数矩阵用以表达健康状态;MM步骤四:将步骤三中表达健康状态的相关函数矩阵数据引进卷积长短期记忆神经网络ConvLSTM并联合二维卷积,将卷积操作与长短期记忆递归神经网络LSTM操作结合起来共同处理数据时空信息;步骤五:在二维卷积网络的拉直层后引入CBAM卷积注意力模块,将卷积处理过的特征图经全局和平均双重池化后,先送入通道注意力模块内处理,再以通道注意力机制改进后的特征图为输入,进行空间域上的处理,对特征图再次进行最大和平均池化,将池化后的两张特征图继续通道维度堆叠并用卷积核融合通道信息,卷积后的结果经过sigmoid激活函数对特征图的空间权重归一化,与权重相乘后加权得到特征图;步骤六:对步骤五得到的特征图经遗忘层和全连接层特征筛选整合后,应用贝叶斯优化算法进行超参数调优寻找使全局最大提升的参数;步骤七:将贝叶斯超参数调优后的数据进行挑选,并根据输电塔塔顶位移变化情况进一步衡量抗风承载能力和强风易损性分析,确定输电塔结构极限状态,通过计算机系统拟合风致概率易损性曲线;步骤八:将步骤七中的易损性分析结果传输至基站的地面监控客户端进行信息接收。