基于特征掩蔽网络的螺栓松动检测方法、装置、介质与流程

本技术涉及铁塔检测领域，特别是涉及一种基于特征掩蔽网络的螺栓松动检测方法、装置、介质。

背景技术：

1、输电或通信铁塔通常采用角钢和法兰连接结构并使用大量的螺栓连接节点，在风力的长期作用下，钢结构连接节点的螺栓会发生松动甚至脱落，造成严重的铁塔倒塌事故。为了避免这一风险，需要对螺栓的状态进行检测以及时发现松动螺栓并采取措施，以防止螺栓脱落造成损失。

2、目前常用的螺栓松动检测方法包括压力检测法、振动信号检测法和声信号检测法。其中压力信号检测法通过在每个螺栓处设置压力传感器，以通过压力传感器采集到的压力值判断螺栓是否松动；振动信号检测法通过振动加速度传感器获取铁架振动信号，并分析铁架振动信号的振动频域特征来检测螺栓松动状况，这两种方案均需要在铁塔上设置多个压力传感器或振动加速度传感器以采集相应信号，导致螺栓检测成本较高。同时，传感器的设置位置也会对检测结果产生影响，当传感器位置设置不合理时可能导致检测结果不准确。而声信号检测法通过获取铁塔响应激励信号产生的声信号，并根据声信号的振动频率判断铁塔螺栓是否松动，这一方式虽然受传感器的影响较小，但由于获取到的声信号为混合了铁塔传播声信号、空气传播声信号和环境噪声等，影响螺栓松动检测结果准确性。

3、由此可见，如何提供一种新的螺栓松动检测方法，以降低检测系统的成本，同时提高螺栓松动检测结果准确性，是本领域技术人员亟需解决的问题。

技术实现思路

1、本技术的目的是为了解决现有技术中利用声音信号对螺栓松动情况进行检测时由于声信号中混杂了其他信号导致准确性较低的情况，因此，本技术提供一种基于特征掩蔽网络的螺栓松动检测方法、装置、介质，以消除声音检测信号中的干扰信号，从而更准确的判断螺栓是否松动。

2、为了解决这一技术问题，本技术提供了一种基于特征掩蔽网络的螺栓松动检测方法，包括：

3、获取声音检测信号，并对所述声音检测信号进行特征编码操作，以获取初始特征信息；

4、利用特征掩蔽网络对所述初始特征信息进行掩蔽处理，以获取目标特征信息；其中，所述特征掩蔽网络为预先训练的基于卷积循环神经网络、并以sigmoid函数为激活函数的网络；

5、利用事件分类器对所述目标特征信息进行分类处理，以根据分类结果判断是否存在螺栓松动事件。

6、优选的，所述对所述声音检测信号进行特征编码操作，以获取初始特征信息包括：

7、对所述声音检测信号进行模型化处理，以获取脉冲响应信号；

8、利用编码神经网络对所述脉冲响应信号进行特征编码，以获取所述初始特征信息。

9、优选的，所述对所述声音检测信号进行模型化处理包括：

10、获取向待测铁塔施加脉冲激励后传感器采集的所述声音检测信号和所述待测铁塔不同位置的冲击响应函数；

11、根据所述声音检测信号和所述冲击响应函数确定脉冲响应子信号；

12、根据各所述脉冲响应子信号确定所述脉冲响应信号；

13、相应的，所述利用编码神经网络对所述脉冲响应信号进行特征编码包括：

14、将所述脉冲响应信号输入至所述编码神经网络中，以对所述脉冲响应信号进行特征域变换；其中，所述编码神经网络为以relu函数为激活函数的单层一维卷积神经网络。

15、优选的，所述特征掩蔽网络包括：

16、多层神经网络感知器和卷积循环神经网络层；

17、其中，所述卷积循环神经网络层用于获取所述初始特征信息并进行处理，以生成输出特征序列并将所述输出特征序列输出至所述多层神经网络感知器；

18、所述多层神经网络感知器用于对所述特征输出序列进行处理，并采用sigmoid激活函数对所述特征输出序列进行非线性变换，以完成对所述初始特征信息的掩蔽处理；

19、相应的，所述利用特征掩蔽网络对所述初始特征信息进行掩蔽处理包括：

20、获取所述特征掩蔽网络的加权掩蔽参数，并利用所述加权掩蔽参数对所述初始特征信息进行处理，以获取所述目标特征信息。

21、优选的，所述对所述声音检测信号进行特征编码操作的步骤前，还包括：

22、对所述声音检测信号进行数据清洗，以滤除污染数据；

23、对清洗后的所述声音检测信号进行归一化处理。

24、优选的，所述根据分类结果判断是否存在螺栓松动事件的步骤后，还包括：

25、若存在所述螺栓松动事件，则根据所述待测铁塔的编号信息和位置信息生成维护请求；

26、将所述维护请求发送至管理人员，并根据所述维护请求和管理人员的反馈信息生成维护日志。

27、优选的，所述获取声音检测信号包括：

28、获取非接触式声音传感器所发送的声音检测信号，以便于根据所述声音检测信号判断所述待测铁塔是否发生螺栓松动事件。

29、为了解决这一技术问题，本技术还提供了一种基于特征掩蔽网络的螺栓松动检测装置，包括：

30、获取模块，用于获取声音检测信号，并对所述声音检测信号进行特征编码操作，以获取初始特征信息；

31、第一处理模块，用于利用特征掩蔽网络对所述初始特征信息进行掩蔽处理，以获取分类目标特征信息；其中，所述特征掩蔽网络为预先训练的基于卷积循环神经网络、并以sigmoid函数为激活函数的网络；

32、第二处理模块，用于利用事件分类器对所述目标特征信息进行分类处理，以根据分类结果判断是否存在螺栓松动事件。

33、为了解决这一技术问题，本技术还提供了一种基于特征掩蔽网络的螺栓松动检测装置，包括存储器，用于存储计算机程序；

34、处理器，用于执行所述计算机程序时实现所述的基于特征掩蔽网络的螺栓松动检测方法的步骤。

35、为了解决这一技术问题，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于特征掩蔽网络的螺栓松动检测方法的步骤。

36、本技术提供了一种基于特征掩蔽网络的螺栓松动检测方法，包括：获取声音检测信号，并对声音检测信号进行特征编码操作，以获取初始特征信息；利用特征掩蔽网络对初始特征信息进行掩蔽处理，以获取目标特征信息；其中，特征掩蔽网络为预先训练的基于卷积循环神经网络、并以sigmoid函数为激活函数的网络；利用事件分类器对目标特征信息进行分类处理，以根据分类结果判断是否存在螺栓松动事件。由此可见，本技术所提供的技术方案，采用声信号检测法，无需在铁塔上设置多个压力传感器或振动加速度传感器，从而降低了检测系统的成本，此外通过特征掩蔽网络对特征信息进行掩蔽处理，以消除声音检测信号中的干扰信号，获取目标特征信息，从而更准确的判断螺栓是否松动。进一步的，采用sigmoid函数作为特征掩蔽网络的激活函数，将掩蔽因子近似控制在(0，1)内，提高不同特征的区分度，从而进一步增加特征掩蔽网络对干扰信号的消除能力，提高基于特征掩蔽网络的螺栓松动检测的准确性和可靠性。

37、此外，本技术还提供了一种基于特征掩蔽网络的螺栓松动检测装置、介质，与上述方法对应，效果同上。