摘要
本发明涉及电力系统技术领域,尤其涉及一种杆塔螺栓松动诊断方法、系统、设备和介质,本方法通过于基于蜘蛛黄蜂优化的变分模态分解算法对所述振动信号进行分解,得到若干个模态分量,从而提高全局优化性能,通过筛选出较与振动信号高相关性的多个所述模态分量进行信号重构,得到重构信号,根据重构信号和预设的正常振动信号确定信号特征阈值距离,并将个螺栓位置的信号特征距离与信号特征阈值距离进行比较,筛选出信号特征距离大于信号特征阈值距离的螺栓位置判定为螺栓松动风险位置,提高了杆塔螺栓松动诊断效率,为现场铁塔局部螺栓松动检测做出提前判断,并适用性较好。
技术关键词
松动诊断方法
信号特征
变分模态分解算法
输电杆塔
振动加速度信号
频率响应
软阈值函数
螺栓松动检测
参数
皮尔逊相关系数
信号采集模块
重构模块
网络
诊断系统
电子设备
系统为您推荐了相关专利信息
功率优化分配方法
变分模态分解算法
增广拉格朗日
混合储能系统
函数变换方法
访问防御方法
神经网络模型
时域特征
变分模态分解算法
数据
磁流变减振器
掘锚一体机
消振方法
图像采集装置
消振系统
玻璃珠
近红外光谱仪
信号特征
深度学习网络
反演模型