[发明专利]用于输电线路微风振动传感器的标定平台及标定方法

摘要

本发明公开了一种用于输电线路微风振动传感器的标定平台，包括了相连接的信号发生器，功率放大器，激振器，与还包括与输电线路微风振动传感器中的悬臂梁位移计相连接的激光测距仪；激振器也与悬臂梁位移计连接，解决了现有标定方法精度低不适于实时监测的问题。本发明还公开了利用该标定平台对输电线路微风振动传感器进行标定的标定方法，具体步骤为步骤1标定准备，步骤2步骤2BP神经网络构建步骤3BP神经网络训练，步骤4，BP神经网络矫正，输入新的采集数据，经过BP神经网络后得到新的输出值，完成标定。

主权项

对输电线路微风振动传感器进行标定的方法，其特征在于，利用了一种对输电线微风传感器进行标定的标定平台，所述的标定平台包括了信号发生器（9），功率放大器(10)，激振器(11)和激光测距仪(12)，所述的信号发生器与功率放大器和激振器依次连接，所述的激振器(11)和激光测距仪(12)都与输电线微风传感器上的悬臂梁位移计(3‑1)连接；具体按照以下步骤实施：步骤1：标定准备，步骤1.1，将输电线路微风振动传感器安装在标定平台中，在安装时，将悬臂梁式位移计(3‑1)的一端固定，另一端与激振器(11)接触，步骤1.2，采集样本数据，标定开始，通过功率放大器(10)和信号源控制激振器(11)的振动幅度和振动频率，悬臂梁式位移计与激振器相接触的一端随激振器(11)振动发生弯曲形变，然后形变量经过输电线路微风振动传感器中的CPU(2‑1)进行处理得到的激振器频率f和激振器幅值a两个量，构成样本数据；步骤2：BP神经网络构建：根据BP神经网络的构建原理，建立3层BP神经网络，包括一个输入层一个隐含层以及一个输出层，输入层为激振器频率f和激振器幅值a，输出层为传感器输出的幅值A；步骤3：BP神经网络训练，步骤3.1，BP神经网络的初始化：将步骤1中得到的样本数据作为神经网络的训练数据，并对训练数据进行归一化处理；步骤3.2，BP神经网络训练，开始进行BP神经网络训练，当网络预 测输出O和期望输出A之间的误差ek达到设定值时训练结束；其中，步骤3.1中的进行数据归一化处理的方法如下：其中，步骤3.2中所述误差是指网络预测输出O和期望输出A之间误差，即：ek＝Ak‑Ok ，k＝1,2,…,m在上述公式中，f为激振器频率，fmax表示激振器频率的最大值，fmin表示激振器频率的最小值，fk表示激振器第k个频率值；a表示激振器幅值，ak表示激振器第k个幅值；amin表示激振器幅值的最小值；amax表示激振器幅值的最大值；A表示传感器输出的幅值，Ak表示传感器输出的第k个幅值；Amin表示传感器输出的幅值的最小值；Amax表示传感器输出的幅值的最大值；O表示神经网络预测输出值，Ok表示神经网络预测输出的第k个值；e‑网络预测输出O和期望输出A之间的误差，ek表示网络预测输出Ok和期望输出Ak之间的误差；步骤4，BP神经网络矫正，输入新的采集数据，经过BP神经网络后得到新的输出值，验证标定的准确性，当新的输出值综合误差小于10％时，标定成功，否则转步骤1。