Page 53 - 无损检测2023年第九期

苗 堃, 等:

高压电缆铅封附件缺陷的涡流检测

∞ 类型的依据 [ 15 ] 。
H = G· dt ( 7 )
∫
-∞ 2 试验与分析
1.2.2 Mel 倒谱系数
首先利用离散傅里叶变换将铅封附件状态信号 2.1 检测试验
由时域转换为频域。其变换公式为 2.1.1 检测对象
n πrk 检测对象为高压电缆铅封附件, 其外观如图 1
t
k
R = p ∑ B i ex p ( 8 )

n 所示。检测时不拆除铅封附件包带和保护套。

i = 1
式中: R 为铅封附件状态的频域信号; (·) 为傅里
k
p
叶变换; k 为采样点数; r 为信号频率。
k
计算R 的能量对数和, 计算式为
k

Q = ln ∑ j l · R k 2 , 0≤l≤L ( 9 )
q
j = 1
式中: Q 为能量对数和; ( l ) 为第 j 个采样点第 l
q j
个滤波器输出的幅值; L 为滤波器个数。
最后对Q 进行离散余弦变换, 即可得到 Mel 倒
谱系数, 计算式为
L h ( l-1 / 2 )
U = ∑ Qcos ( 10 )
l = 1 L
式中: U 为 Mel 倒谱系数; h 为倒频率。
将上述提取的两种特征进行归一化处理, 然后
组成特征集合, 即 Y= { , }, 其中 为归一化后
y 1 y 2 y 1
的边际谱特征, 为归一化后的 Mel 倒谱系数 [ 12 ] 。
y 2
图1 高压电缆铅封附件外观
1.3 铅封附件缺陷检测
利用改进随机森林算法完成对铅封附件缺陷的 图1中1 , 2 , 3号试件分别存在开裂、 划伤、 表面
识别 [ 13 ] 。首先, 建立铅封附件状态信号特征集合, 变形缺陷, 其中, 开裂缺陷通常是加工过程中的砂眼、
气孔、 内部层叠以及安装工艺不到位导致的径向缺陷,
采用Z 维滑动窗口对 Y= { , } 进行分割; 其次,
y 1 y 2
对分割后的特征进行多粒度扫描, 得到输入特征的 较为普遍; 划伤缺陷主要是铅封加工工艺执行不到位
类向量 [ 14 ] ; 然后, 由多个随机森林与完全森林组成 而产生的外部缺陷; 表面变形缺陷是指铅封表面受到
多层级联森林, 将 Y= { , } 作为第一层级联森林 外力、 振动等因素影响而形成的变形、 凹陷等缺陷。
y 1 y 2
的输入, 通 过 训 练 得 到 第 一 层 级 联 森 林 的 输 出 2.1.2 检测设备
α i 1 再将α i 1 与 Y 相乘, 得到拼接结果V 为 利用常规的 EEC39-RFT 型涡流检测设备在距
()
(),

离附件5cm 处采集20s的检测电信号。设备探头

() { () , () }( 11 )
V = α i 1 · Y= α i 1 · y 1 α i 1 · y 2

将V 输入到第二层级联森林, 得到第二层结 为放置式大功率涡流检测探头, 提离高度达5mm ,
其含有圆柱形激励线圈, 额定电流为2A , 工作频率

()。重复上述过程, 直至得到最后一层,
果, 即α i 2

即第N 层级联森林的结果 α i N )。 最后, 计算每一 为1~100kHz 。
(
类类向量的平均值, 得到每一种铅封附件缺陷类型 2.1.3 采集检测电信号
的发生概率, 计算式为 检测时使探头接触铅封附件表面, 分别在有、 无
缺陷铅封附件边缘某点处, 沿轴向单方向滑动探头
β
j
ξ j = ∑ i N ) β ( 12 ) 至附件末端采集检测电信号, 并完成滤波处理, 得到
α (

i = 1
式中: 为第 种铅封附件缺陷类型的发生概率; 的检测信号如图2所示。
ξ j j
α i N ) 为第 i 个类向量推断出的第 种铅封附件缺 2.1.4 提取电信号特征
j
(
j
陷类型的概率; 为第 i个类向量推断出的第 种铅 从上述去噪后的电信号中提取边际谱特征和
j
β
封附件缺陷类型的特征量。 Mel 倒谱系数, 并组建特征数据集, 提取结果如表1
选取 的最大值作为最终识别铅封附件缺陷 所示。
ξ j
9
1
2023年 第45卷 第9期
无损检测