登录    |    注册

您好,欢迎来到中国测试科技资讯平台!

首页> 《中国测试》期刊 >本期导读>基于非局部均值-鲸鱼优化算法的套管引线超声波检测方法研究

基于非局部均值-鲸鱼优化算法的套管引线超声波检测方法研究

211    2020-04-27

¥0.50

全文售价

作者:陈果1, 何海峰1, 吴肖锋1, 涂斌1, 李顺1, 王昕2

作者单位:1. 国网四川省电力公司广安供电公司, 四川 广安 638000;
2. 上海交通大学电工与电子技术中心, 上海 200240


关键词:超声检测;引线;去噪;非局部均值;鲸鱼优化


摘要:

在利用超声波测距原理检测套管引线变形情况的过程中,申博娱乐在线下载登入:回波信号会受到变压器绕组振动等噪声的影响。为准确得到套管内部引线的状态信息,提出一种非局部均值鲸鱼去噪算法。首先,利用希尔伯特变换对回波信号进行预处理,提高回波信号的准确度;然后,结合鲸鱼优化算法,以最高信噪比为目标函数,对非局部均值滤波因数进行寻优,确定最优因数并完成去噪。结合仿真和现场实验,该文提出的算法可以有效地去除噪声干扰,提高超声波回波信号的质量和信噪比,降低均方误差,增加超声波测距的精度,对于利用引线到套管壁距离判断引线变形状况有着一定的应用价值。


Research on ultrasonic testing of transformer bushing leads based on nonlocal whale optimization algorithm
CHEN Guo1, HE Haifeng1, WU Xiaofeng1, TU Bin1, LI Shun1, WANG Xin2
1. Guang'an Power Supply Co., State Grid Sichuan Electric Power Co., Guang'an 638000, China;
2. Center of Electrical & Electronic Technology, Shanghai Jiao Tong University, Shanghai 200240, China
Abstract: In the process of using the principle of ultrasonic distance measurement to detect the deformation of transformer bushing leads, the ehco signals are susceptible to transformer winding vibration. In order to get the state information of the lead wire inside the casing accurately, this paper proposes a non-local whale optimization algorithm. Firstly, use Hilbert transform to preprocess echo signal to improve the accuracy of echo signal. Then, combined with whale optimization algorithm, the maximum signal denoising ratio value is used as the objective function to optimize, determine the filter factor of nonlocal means and complete the denoising. Combining simulation and field experiments, the algorithm proposed in this paper can not only effectively remove the noise information, but also Improve the quality of ultrasonic echo signal and lower the mean signal error which has a certain application value for the shape judgement of the bushing leads.
Keywords: ultrasonic detection;transformer bushing leads;denoising;nonlocal means;whale optimization
2020, 46(4):102-108  收稿日期: 2019-11-25;收到修改稿日期: 2020-01-10
基金项目: 国家自然科学基金项目(61673268)
作者简介: 陈果(1975-),男,四川广安市人,高级工程师,硕士,主要从事电力生产、信息通讯、电网建设等管理工作
参考文献
[1] 周安春, 高理迎, 冀肖彤, 等. 干式SF_6气体绝缘换流变压器阀侧套管电流致热型放电故障分析及现场修复[J]. 电网技术, 2018, 42(5):1401-1409
[2] 李金忠, 孙建涛, 张书琦, 等. 特高压变压器高压出线装置长时工频耐压下绝缘性能试验研究[J]. 中国电机工程学报, 2012, 32(34):151-157
[3] 刘泽洪, 郭贤珊. 特高压变压器绝缘结构[J]. 高电压技术, 2010, 36(1):7-12
[4] 肖天为. 变压器套管局部放电的特征与识别[J]. 高压电器, 2015, 51(7):141-147
[5] 董玉玺, 解德英, 曾力, 等. 500kV变压器套管的在线监测与现场高压介损测量研究[J]. 高压电器, 2015, 51(3):111-116
[6] 罗舜. 电力变压器套管将军帽发热故障的红外诊断分析[J]. 变压器, 2018, 55(1):50-53
[7] 王昕, 刘伟家, 郑益慧, 等. 基于超声波技术的绕组变形3维成像检测装置设计[J]. 高电压技术, 2017, 43(12):4054-4059
[8] 谢敏, 周凯, 黄永禄, 等. 一种基于短时奇异值分解的局部放电白噪声抑制方法[J]. 中国电机工程学报, 2019, 39(3):915-922
[9] 秦金飞, 朱琦, 周玮, 等. 基于经验小波与小波变换的GIS局部放电信号去噪方法研究[J]. 高压电器, 2019, 55(7):70-77
[10] 刘柱揆, 丁心志, 陈福明, 等. 小波去噪方法在开关柜故障检测中的应用[J]. 电网技术, 2017, 41(9):3090-3094
[11] 李大中, 赵杰, 孙立江, 等. 果蝇优化小波阈值超声检测信号去噪[J]. 中国测试, 2016, 42(7):88-92
[12] 敬人可, 李建增, 周海林. 基于小波包变换和自适应滤波的超声信号去噪[J]. 中国测试, 2014, 40(4):115-118
[13] 杜必强, 孙立江. 基于EMD和小波熵阈值算法的超声回波信号降噪[J]. 中国测试, 2017, 43(1):101-105
[14] LIU X, HUANG W, GILL E W. Wind direction estimation from rain-contaminated marine radar data using the ensemble empirical mode decomposition method[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(3):1833-1841
[15] ZENG K, CHEN D, OUYANG G X, et al. An EEMD-ICA approach to enhancing artifact rejection for noisy multivariate neural data[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2016, 24(6):630-638
[16] 谢军, 刘云鹏, 刘磊, 等. 局放信号自适应加权分帧快速稀疏表示去噪方法[J]. 中国电机工程学报, 2019, 39(21):6428-6438
[17] 李燕青, 郑伟烁, 王川, 等. 匹配追踪算法在局放超声阵列信号去噪中的应用[J]. 高电压技术, 2015, 41(10):3302-3312
[18] 祝青林. 非局部均值滤波算法及其在滚动轴承故障诊断中的应用研究[D]. 武汉:武汉科技大学, 2015.
[19] 朱信刚, 陆飞飞, 陆英, 等. 基于非局部均值滤波增强的OTDR[J]. 光通信技术, 2019, 43(2):58-62
[20] MIRJALILI S, LEWIS A. The whale optimization algorithm[J]. Advances in Engineering Software, 2016, 95:51-67
[21] GANDOMI A H, KASHANI A R. Construction cost minimization of shallow foundation using recent swarm intelligence techniques[J]. IEEE Transactions on Industrial Informatics, 2018, 14(3):1099-1106
[22] ZHANG L, TANG Y, HUA C, et al. A new particle swarm optimization algorithm with adaptive inertia weight based on Bayesian techniques[J]. Applied Soft Computing, 2015, 28:138-149

澳门现在安全吗 宝盈平台申博官网 伟德直营APP 沙龙国际娱乐现金网 宝盈平台申博官网
菲律宾申博亚洲太阳城娱乐 博发游戏诚招代理 菲律宾申博太阳城会员吧 美高梅最高返水 上葡京盘口娱乐场
金沙大地最新网址 喜来登图库 澳博 菲律宾申博太阳城现金网官方网址登入 时时彩后三杀号软件
菲律宾申博太阳城娱乐官网登入 威尼斯棋牌技巧 申博国际官网 白金会1级会员 澳门银河galaxy官网