摘要
本发明提供了一种基于有限元和深度学习的螺栓松动在线监测方法和相关装置,包括:建立待监测输电杆塔的三维有限元模型;设定杆塔不同螺栓松动的场景,并在杆塔激励敏感位置施加与实际风速对应的动态风荷载作为主动激励;获取杆塔的振动响应数据,并提取振动响应数据中的振动响应特征;将实际风速与对应的振动响应特征作为输入,对应场景下的螺栓松动情况为标签训练得到螺栓松动识别模型;在杆塔激励敏感位置实时收集风速信息及振动信号,输入模型进行在线预测,实现在线监测。本发明通过建立输电杆塔的三维有限元模型并模拟不同螺栓松动场景下的动态响应,结合深度学习的强大学习能力,实现了对螺栓松动的高精度在线监测。
技术关键词
在线监测方法
三维有限元模型
风速
输电杆塔监测
训练神经网络模型
螺栓
轻量级卷积神经网络
杆塔位置
风荷载
频率转换
场景
信号处理单元
可读存储介质
存储计算机程序
数据
系统为您推荐了相关专利信息
WRF模型
风动力
船舶主机功率
高分辨率数值
多源观测数据
压缩空气储能系统
抽水蓄能电站
储能发电系统
负荷
风速
高通量检测系统
流体控制模块
阻抗检测模块
高通量检测方法
正压
水平轴风力机
风洞试验段
风轮
修正方法
光电编码器
高压套管
在线监测方法
高斯混合模型
时序
故障检测模型