[发明专利]一种GIL内部机械缺陷的定位与诊断方法、装置及系统

权利要求书

1.一种GIL内部机械缺陷的定位与诊断方法，特征在于，所述方法包括以下步骤：

S01：通过数值建模和物理试验，构建不同机械缺陷类型下，GIL外壳声学成像与机械振动的时空特征关联；

S02：获取GIL间隔的声学成像图谱，并对声学成像图谱的敏感区进行分割提取；

S03：对声学成像图谱敏感区的机械振动信号进行精细测量；

S04：通过声学成像与机械振动的特征关联分析，对GIL内部的机械缺陷类型进行分类识别和诊断。

2.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法，其特征在于，所述步骤S01包括：

对GIL进行声学-机械振动耦合数值建模，通过GIL内部电连接处、内部螺栓连接处及内部滑移处、外部螺栓连接处设置预紧力和振动源来模拟GIL机械缺陷，进行GIL外壳声学数值计算与振动数值计算；

进行不同机械缺陷类型下GIL原型物理实验，对数值计算结果进行验证，进而获取机械缺陷类型与GIL外壳声学成像与机械振动的时空特征关联。

3.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法，其特征在于，所述步骤S02包括：

获取现场GIL外壳的声学成像图谱，通过对声学成像图谱的敏感区进行分割提取，确定异常振动源的位置，实现对机械振动信号的初步测量。

4.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法，其特征在于，所述步骤S03包括：

通过分割提取后的声学图谱，初步判断GIL内部异常振动源位置，通过激光测振对声学图谱敏感区内最大值即临近点的机械振动信号进行逐点扫描，实现精细测量。

5.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法，其特征在于，所述步骤S04包括：

利用信息融合与特征关联分析算法，对GIL外壳振动与声学信号进行特征融合，根据不同机械缺陷下GIL外壳振动和声学融合特征构建缺陷样本数据集，根据标记的机械缺陷样本库构建深度学习神经网络模型，实现对GIL内部机械缺陷的分类识别与诊断。

6.一种GIL内部机械缺陷的定位与诊断装置，其特征在于，所述装置包括：

特征关联单元，通过数值建模和物理试验，构建不同机械缺陷类型下，GIL外壳声学成像与机械振动的时空特征关联；

敏感区识别单元，用于对声学成像图谱的敏感区进行分割提取；

激光测振单元，用于对声学成像图谱敏感区的机械振动信号进行精细测量；

缺陷诊断单元，用于通过声学成像与机械振动的特征关联分析，对GIL内部的机械缺陷类型进行分类识别和诊断。

7.一种GIL内部机械缺陷的定位与诊断系统，其特征在于，所述系统包括：

待测GIL间隔，声学成像模块，敏感区识别模块，激光测振模块，信息融合与特征关联模块，缺陷定位与诊断模块，声学测量点；

所述声学成像模块在测量点处对GIL外壳的声学分布特性进行测量；所述敏感区识别模块与所述声学成像模块连接，负责对所述声学成像模块获取的图谱进行敏感区提取；所述激光测振模块与所述敏感区识别模块连接，负责对敏感区内的机械振动信号进行精细测量；所述信息融合与所述特征关联模块与激光测振模块连接，负责振动与声学信号的特征融合；所述缺陷定位与诊断模块与所述信息融合与特征关联模块连接，负责GIL内部机械缺陷进行定位，分类识别和诊断。