摘要

针对架空导线振动损伤检测方法计算精度不高的问题,提出一种更为精确的导线损伤检测方法。该方法以不同风速和张力下具有水平和竖直动力的不对称双跨导线结构响应特征为基础,研究水平和竖直方向振动作用的导线疲劳损伤程度。通过薛氏模型识别出水平和竖直加速度信号,利用深度孪生神经网络(deep Siamese convolutional network, DSCN)架构将水平和竖直方向加速度信号输入标准化时间窗,然后经过希尔伯特黄变换-支持向量机(Hilbert Huang transform-support vector machine, HHT-SVM)算法求解导线疲劳损伤值,并与主流算法对比验证。不同风速条件下的数据结果显示,HHT-SVM方法较遗传算法、卷积神经网络(convolutional neural network, CNN)算法两种方法更为优异,计算的疲劳损伤值总体精度分别提高了22.77%、8.06%,模态阶数精度提高了23%、4%,迭代次数减少了45%、17%。最后,通过HHT-SVM方法,结合三维颤振稳定性检测图,得出导线振动与疲劳损伤值的关系与推导出的比例关系一致,从而再次验证该方法的可靠性。