一种适用多类型铁塔的健康状态检测方法、装置及设备与流程

本发明涉及人工智能，尤其涉及一种适用多类型铁塔的健康状态检测方法、装置及设备。

背景技术：

1、近年来，通信网络的覆盖面积越来越广，而通信线路中大量使用了铁塔，由于一些自然现象(如雨雪、大风等)以及煤矿开采、工程施工、人为破坏等原因，铁塔自身螺丝松动、共振、老化等情况时有发生，使铁塔处于故障状态，严重时，会导致塔体倒塌，对周围环境及居民造成严重损害。

2、由于通信铁塔大都分布在野外，若采用人员巡视的方法监测将耗费大量人力物力，且受到地形及气候条件的影响和限制，不能及时检测铁塔的健康状态，而且实施可靠程度难以保证。

技术实现思路

1、本发明的目的在于提供一种适用多类型铁塔的健康状态检测方法、装置及设备，旨在解决现有人员巡视的方法无法及时有效的检测铁塔的健康状态，容易造成塔体倒塌，对周围环境及居民造成严重损害的问题。

2、根据本公开的一方面，提供了一种适用多类型铁塔的健康状态检测方法，包括：

3、在第一型号铁塔和第二型号铁塔上分别采集声纹数据，得到源域数据集和目标域数据集；

4、对所述源域数据集和目标域数据集进行数据增强，得到数据增强后的源域数据集和目标域数据集；

5、构建铁塔健康状态预测模型，基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集对所述铁塔健康状态预测模型进行训练，得到训练好的铁塔健康状态预测模型；

6、基于所述训练好的铁塔健康状态预测模型，预测待检测铁塔的健康状态。

7、在第一方面的一些可实现方式中， 所述在第一型号铁塔和第二型号铁塔上分别采集声纹数据，得到源域数据集和目标域数据集，包括：

8、在第一型号铁塔上选取有故障铁塔和无故障铁塔采集声纹数据，得到源域数据集；

9、第二型号铁塔上选取有故障铁塔和无故障铁塔采集声纹数据，得到目标域数据集，其中，所述目标域数据集包括目标域有标签数据集和目标域无标签数据集。

10、在第一方面的一些可实现方式中， 所述对所述源域数据集和目标域数据集进行数据增强的方式包括：数据弱增强和数据强增强。

11、在第一方面的一些可实现方式中，对所述源域数据集、目标域有标签数据集和目标域无标签数据集进行数据弱增强，包括：

12、分别对所述源域数据集和目标域无标签数据集中的声纹片段均叠加高斯白噪声，得到弱增强后的源域数据集和目标域无标签数据集。

13、在第一方面的一些可实现方式中， 对所述源域数据集、目标域有标签数据集和目标域无标签数据集进行数据强增强，包括：

14、采用随机缩放法或裁剪整合法，对所述源域数据集、目标域有标签数据集和目标域无标签数据集进行数据强增强。

15、在第一方面的一些可实现方式中， 所述基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集对所述铁塔健康状态预测模型进行训练，得到训练好的铁塔健康状态预测模型，包括：

16、基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集确定所述铁塔健康状态预测模型的损失函数；

17、根据所述铁塔健康状态预测模型的损失函数和随机梯度下降法对所述铁塔健康状态预测模型进行训练，得到训练好的铁塔健康状态预测模型。

18、在第一方面的一些可实现方式中，所述基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集确定所述铁塔健康状态预测模型的损失函数，包括：

19、根据所述源域数据集和强增强后的源域数据集确定所述源域数据集的监督损失；

20、根据目标域有标签数据集和强增强后的目标域有标签数据集确定所述目标域有标签数据集的监督损失；

21、基于条件mmd的域适应方法确定所述源域数据集和目标域数据集之间的分布差异损失；

22、根据弱增强后的目标域无标签数据集和强增强后的目标域无标签数据集，确定所述目标域无标签数据集的一致性损失；

23、根据所述监督损失、监督损失、分布差异损失和一致性损失确定所述铁塔健康状态预测模型的损失函数。

24、在第一方面的一些可实现方式中，所述损失函数为：

25、

26、其中，为对应的权重，为对应的权重。

27、根据本公开的第二方面，提供一种适用多类型铁塔的健康状态检测装置，包括：

28、数据采集模块，用于在第一型号铁塔和第二型号铁塔上分别采集声纹数据，得到源域数据集和目标域数据集；

29、数据增强模块，用于对所述源域数据集和目标域数据集进行数据增强，得到数据增强后的源域数据集和目标域数据集；

30、模型训练模块，用于构建铁塔健康状态预测模型，基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集对所述铁塔健康状态预测模型进行训练，得到训练好的铁塔健康状态预测模型；

31、状态预测模块，用于基于所述训练好的铁塔健康状态预测模型，预测待检测铁塔的健康状态。

32、根据本公开的第三方面，提供一种电子设备，包括处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，执行如上述所述的适用多类型铁塔的健康状态检测方法。

33、根据本公开的第四方面，提供一种存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上所述的适用多类型铁塔的健康状态检测方法。

34、根据本公开提供的适用多类型铁塔的健康状态检测方法， 可以及时有效的预测铁塔的健康状态，避免因发生塔体倒塌而对周围环境及居民造成的损害。

技术特征：

1.一种适用多类型铁塔的健康状态检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述在第一型号铁塔和第二型号铁塔上分别采集声纹数据，得到源域数据集和目标域数据集，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述源域数据集和目标域数据集进行数据增强的方式包括：数据弱增强和数据强增强。

4.根据权利要求1所述的方法，其特征在于，对所述源域数据集、目标域有标签数据集和目标域无标签数据集进行数据弱增强，包括：

5.根据权利要求1所述的方法，其特征在于，对所述源域数据集、目标域有标签数据集和目标域无标签数据集进行数据强增强，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集对所述铁塔健康状态预测模型进行训练，得到训练好的铁塔健康状态预测模型，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集确定所述铁塔健康状态预测模型的损失函数，包括：

8.根据权利要求7所述的方法，其特征在于， 所述损失函数为：

9.一种适用多类型铁塔的健康状态检测装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括处理器，以及与处理器连接的内存和网络接口；所述网络接口与服务器中的非易失性存储器连接；所述处理器在运行时通过所述网络接口从所述非易失性存储器中调取计算机程序，并通过所述内存运行所述计算机程序，以执行上述权利要求1-7中任意一项所述的方法。

技术总结
本发明提供了一种适用多类型铁塔的健康状态检测方法、装置及设备，该方法包括：在第一型号铁塔和第二型号铁塔上分别采集声纹数据，得到源域数据集和目标域数据集；对源域数据集和目标域数据集进行数据增强，得到数据增强后的源域数据集和目标域数据集；构建铁塔健康状态预测模型，基于源域数据集、目标域数据集以及数据增强后的源域数据集和目标域数据集对铁塔健康状态预测模型进行训练，得到训练好的铁塔健康状态预测模型；基于训练好的铁塔健康状态预测模型，预测待检测铁塔的健康状态。以此方式，可以及时有效的预测铁塔的健康状态，避免因发生塔体倒塌而对周围环境及居民造成的损害。

技术研发人员：吴磊,胡晨,潘东,金备,吴晓鸣,李鲲,朱晓峰,何创创,黄珂,朱国伟,谢飞,李艳龙,金子冉,孙帆,吕文君
受保护的技术使用者：国网安徽省电力有限公司经济技术研究院
技术研发日：
技术公布日：2024/12/2