本发明涉及技术领域，尤其涉及一种输电塔损伤识别方法。
背景技术：
在电力系统的输电网中，输电塔结构在长期使用期间，难以避免地会发生老化、腐蚀以及结构松动等损伤。当这些损伤发生时，输电塔结构的振动特性必然会发生改变。而在实际的输电塔结构健康监测中，由于输电塔的振型和频率能够直接由模态测试直接获得，并且具有一定的识别精度，因此得到了广泛的运用。但是，目前仅仅依靠输电塔的振型和频率对输电塔结构的损伤进行识别的准确率不高，难以满足工程实际中对输电塔结构损伤识别的准确度要求。
技术实现要素：
本发明提供了一种输电塔损伤识别方法，解决了目前仅仅依靠输电塔的振型和频率对输电塔结构的损伤进行识别的准确率不高，难以满足工程实际中对输电塔结构损伤识别的准确度要求的技术问题。
本发明提供的一种输电塔损伤识别方法，包括：
获取输电塔结构多处地方损伤前后的振型，并根据所述输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率差；
对所述输电塔结构多处地方损伤前后的振型曲率差进行小波变换，获得对应的小波系数并根据所述小波系数计算获得所述输电塔结构多处地方损伤前后的振型曲率差在小波域的信息源，所述信息源由输电塔结构多处地方损伤前后的变化能构成的多维向量；
根据所述信息源，分别求取输电塔结构多处地方的损伤概率，获得输电塔结构的损伤识别结果。
优选地，所述根据所述输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率差包括：
根据所述输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率，并取输电塔结构多处地方损伤前后的振型曲率之差的绝对值为输电塔结构多处地方损伤前后的振型曲率差。
优选地，所述根据所述输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率具体为：
通过中心差分法根据所述输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率；
所述中心差分法具体为：
其中，w″n,u(x)，w″n,d(x)分别为位于输电塔结构第x个测量点处损伤前后第n阶振型曲率；wn,u(x)，wn,d(x)分别为位于输电塔结构第x个测量点处损伤前后第n阶振型；l为测量采样间隔。
优选地，所述对所述输电塔结构多处地方损伤前后的振型曲率差进行小波变换包括：
将所述输电塔结构多处地方损伤前后的振型曲率差与不同尺度参数的高斯基函数进行小波变换；
所述高斯基函数为：
其中，gσ(x)为在尺度σ下第x个测量点处的高斯函数值。
优选地，所述根据所述小波系数计算获得所述输电塔结构多处地方损伤前后的振型曲率差在小波域的信息源具体为：
对不同尺度参数下的小波系数采用teager-kaiser能量算法，计算获得各个尺度参数下的测量点处损伤前后的变化能，所述变化能为
根据所述测量点处损伤前后的变化能建立所述输电塔结构多处地方损伤前后的振型曲率差在小波域的信息源，所述信息源为θ＝{e1；e2；e3；…；eσ}；
其中，lσ为尺度参数σ下的小波系数，eσ为在尺度σ下各点能量算子所组成的列向量。
优选地，所述根据所述信息源，分别求取输电塔结构多处地方的损伤概率的分布，获得输电塔结构的损伤识别结果包括：
根据所述信息源，通过损伤概率求取公式分别求取输电塔结构多处地方的损伤概率，获得输电塔结构的损伤识别结果，所述损伤概率求取公式具体为：
其中，pi(si)为各测量点处的损伤概率。
优选地，所述根据所述信息源，通过损伤概率求取公式分别求取输电塔结构多处地方的损伤概率，获得输电塔结构的损伤识别结果之后还包括：
通过贝叶斯融合算法，将同一测量点不同尺度的变化能进行数据融合计算，并获得输电塔结构各测量点的损伤概率分布，所述贝叶斯融合算法具体为：
优选地，所述获取输电塔结构多处地方损伤前后的振型包括：
根据获取到的输电塔连接处竖直方向上的加速度值求取输电塔结构多处地方损伤前后的振型。
优选地，所述根据获取到的输电塔连接处竖直方向上的加速度值求取输电塔结构多处地方损伤前后的振型具体为：
根据获取到的输电塔连接处竖直方向上的加速度值通过模态识别方法求取输电塔结构多处地方损伤前后的振型。
优选地，所述加速度值通过在所述输电塔连接处竖直方向上安装的加速度传感器测量获得。
从以上技术方案可以看出，本发明具有以下优点：
本发明中通过获取输电塔结构的振型，计算获得损伤前后的振型曲率差，然后将振型曲率差进行小波变换，来减小测量噪声所产生的影响，最后对小波系数进行处理后计算求取输电塔结构多处地方的损伤概率，获得输电塔结构的损伤识别结果，最终达到克服测量噪声的同时准确识别轻微损伤的目的。本发明中可以使用任意单阶振型识别结构的损伤位置，通过将测量振型进行小波分析，提高了对测量噪声的抗干扰性；无需分析结构的材料属性与边界条件，因此广泛适用于多种材料组成的结构。此外，本发明对于具有多处损伤的结构也具有极强的识别能力，本发明能够在具有较强噪声干扰的环境下，对结构的单处或多处损伤进行准确的识别，减少经济损失，防止灾难性事故的发生，解决了目前仅仅依靠输电塔的振型和频率对输电塔结构的损伤进行识别的准确率不高，难以满足工程实际中对输电塔结构损伤识别的准确度要求的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种输电塔损伤识别方法的流程示意图
图2为本发明实施例提供的输电塔结构及传感器安装位置示意图；
图3为本发明实施例提供的振型曲率差的计算结果；
图4为本发明实施例提供的在噪声环境下振型曲率差的小波变换多尺度分析结果；
图5为本发明实施例提供的输电塔损伤识别结果图。
具体实施方式
本发明实施例提供了一种输电塔损伤识别方法，用于解决目前仅仅依靠输电塔的振型和频率对输电塔结构的损伤进行识别的准确率不高，难以满足工程实际中对输电塔结构损伤识别的准确度要求的技术问题的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
经本申请发明人研究发现，在电力系统的输电线路网中，由于输电塔结构主要应用于环境较为复杂的环境中，使得针对该结构的健康监测问题的许多关键技术从理论到实际应用还存在诸多不足。而目前的损伤识别研究中，由于未同时考虑测量噪声、多处和轻微损伤的问题，因此难以适用于输电塔结构在强噪声干扰下的多处轻微损伤的识别。
有鉴于此，本申请发明人提出一种输电塔损伤识别方法，以克服目前的损伤识别研究中，由于未同时考虑测量噪声、多处和轻微损伤的问题，因此难以适用于输电塔结构在强噪声干扰下的多处轻微损伤的识别的缺陷。
请参阅图1，图1为本发明实施例提供的一种输电塔损伤识别方法的流程示意图。
本发明实施例提供的一种输电塔损伤识别方法，包括：
s101、获取输电塔结构多处地方损伤前后的振型，并根据输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率差；
具体的，计算输电塔结构多处地方损伤前后的振型曲率差可以根据输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率，然后取输电塔结构多处地方损伤前后的振型曲率之差的绝对值为输电塔结构多处地方损伤前后的振型曲率差。可以理解的是，可以通过中心差分法根据输电塔结构多处地方损伤前后的振型计算输电塔结构多处地方损伤前后的振型曲率；中心差分法的计算公式具体为：
其中，w″n,u(x)，w″n,d(x)分别为位于输电塔结构第x个测量点处损伤前后第n阶振型曲率；wn,u(x)，wn,d(x)分别为位于输电塔结构第x个测量点处损伤前后第n阶振型；l为测量采样间隔。
然后，取输电塔结构多处地方损伤前后的振型曲率之差的绝对值为输电塔结构多处地方损伤前后的振型曲率差，即：
cwn(x)＝|w″n,d(x)-w″n,u(x)|；
其中，cwn为第x个测量点处损伤前后振型曲率差。
s102、对输电塔结构多处地方损伤前后的振型曲率差进行小波变换，获得对应的小波系数并根据小波系数计算获得输电塔结构多处地方损伤前后的振型曲率差在小波域的信息源，信息源由输电塔结构多处地方损伤前后的变化能构成的多维向量；
可以理解的是，小波变换的具体过程为将输电塔结构多处地方损伤前后的振型曲率差与不同尺度参数的高斯基函数进行小波变换；高斯基函数为：
其中，gσ(x)为在尺度σ下第x个测量点处的高斯函数值。
需要说明的是，小波系数具体是指振型曲率差与不同尺度参数下的高斯函数进行小波变换所得的数值计算结果。
然后，在获得小波系数之后，可以对不同尺度参数下的小波系数采用teager-kaiser能量算法，计算获得各个尺度参数下的测量点处损伤前后的变化能，变化能为
在获得相应的损伤特征之后，可以利用损伤特征进行信息源的建立，即根据测量点处损伤前后的变化能建立输电塔结构多处地方损伤前后的振型曲率差在小波域的信息源，信息源为θ＝{e1；e2；e3；…；eσ}。eσ为在尺度σ下各点能量算子所组成的列向量。
其中，lσ为尺度参数σ下的小波系数，eσ为在尺度σ下各点能量算子所组成的列向量。
s103、根据信息源，分别求取输电塔结构多处地方的损伤概率，获得输电塔结构的损伤识别结果。
可以理解的是，输电塔结构多处地方的损伤概率可以通过损伤概率求取公式来求取获得。损伤概率求取公式具体为：
其中，pi(si)为各测量点处的损伤概率。
最后，由于噪声干扰在每一尺度上表现不同，为了提高损伤识别的准确性，可以通过贝叶斯融合算法，将同一测量点不同尺度的变化能进行数据融合计算，并获得输电塔结构各测量点的损伤概率分布，贝叶斯融合算法具体为：
最终得到输电塔结构各测量点处损伤概率分布，根据各测量点损伤概率值判断输电塔结构是否损伤，其中明显大于其他各测量点损伤概率值的位置为输电塔结构发生局部损伤的位置。
为了便于理解，以下将通过一具体应用实施例对本发明提供的输电塔损伤识别方法进行详细的描述。
请参阅图2，图2为本发明实施例提供的输电塔结构及传感器安装位置示意图。
本发明实施例中共布置19个加速度传感器，在第325号单元(第9测点附近)处发生刚度下降15％的局部损伤，损伤识别具体包括以下步骤：
(1)测量损伤结构振型：
首先，利用加速度传感器对输电塔结构进行竖直方向的加速度测量，并利用测量得到的加速度通过模态识别方法计算得到对应的振型，此外，还需要对所测的振型数据进行归一化处理。其中，测量点共设置19个。考虑到实际中高阶模态难以测量的问题，本实施例选取第1阶振型w1，并加入70db的高斯白噪声进行计算。
(2)计算振型曲率差：
利用中心差分法，计算第1阶振型曲率差：
cwn(x)＝|w″n,d(x)-w″n,u(x)|
其中，l为所选采样间隔，本实施例中选取各位置不同单元长度。具体的，振型曲率差计算结果如图3所示，图3为本发明实施例提供的振型曲率差的计算结果；从图3可以看出，由于传统中心差分法在计算过程中会放大噪声所产生的影响，导致测量中的噪声成分在所计算振型曲率差中占主要位置，使得损伤特征无法体现，因此难以判断损伤位置。
(3)利用离散小波变换，得到不同尺度下小波系数：
根据计算所得的振型曲率差，可以将原振型曲率差划分为20个尺度，选取高斯基函数为小波基函数，对第1阶振型曲率差进行多尺度分解，其结果如图4所示。图4为本发明实施例提供的在噪声环境下振型曲率差的小波变换多尺度分析结果。
(4)利用贝叶斯数据融合，得到不同点处损伤概率分布：
利用teager-kaiser能量算法，得到尺度σ下测量点x处的变化能：
将所有尺度下计算所得变化能向量，设计为信息源θ，满足：
θ＝{e1；e2；e3；…；eσ}
计算尺度σ下各测量点处的损伤概率pi(si)：
然后利用贝叶斯融合算法，将同一测量点不同尺度的能量算子进行数据融合计算：
最后得到融合结果
本发明中通过获取输电塔结构的振型，计算获得损伤前后的振型曲率差，然后将振型曲率差进行小波变换，来减小测量噪声所产生的影响，最后对小波系数进行处理后计算求取输电塔结构多处地方的损伤概率，获得输电塔结构的损伤识别结果，最终达到克服测量噪声的同时准确识别轻微损伤的目的。本发明中可以使用任意单阶振型识别结构的损伤位置，通过将测量振型进行小波分析，提高了对测量噪声的抗干扰性；无需分析结构的材料属性与边界条件，因此广泛适用于多种材料组成的结构。此外，本发明对于具有多处损伤的结构也具有极强的识别能力，本发明能够在具有较强噪声干扰的环境下，对结构的单处或多处损伤进行准确的识别，减少经济损失，防止灾难性事故的发生，解决了目前仅仅依靠输电塔的振型和频率对输电塔结构的损伤进行识别的准确率不高，难以满足工程实际中对输电塔结构损伤识别的准确度要求的技术问题。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。