(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211073318.3 (22)申请日 2022.09.02 (71)申请人 四川赛康智能科技股份有限公司 地址 610000 四川省成 都市中国(四川)自 由贸易试验区成都高新区益州大道中 段1800号4栋4层 (72)发明人 曾德华　杨焘　郭玉华　陈展　 向黔川　何鑫　 (74)专利代理 机构 成都立新致创知识产权代理 事务所 (特殊普通合伙) 51277 专利代理师 刘俊 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G01N 23/04(2018.01) G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 119/14(2020.01) (54)发明名称 基于动态仿真与智能识别的耐张线夹安全 性评估方法 (57)摘要 本申请涉及电力设备检测领域， 提出了一种 基于动态仿真与智能识别的耐张线夹安全性评 估方法， 通过N个具有不同缺陷类型的耐张线夹 样品进行缺陷检测试验得到第一缺陷等级评估 数据库； 再根据更多不同型号的耐 张线夹的设计 图纸构建有限元仿真模型， 对耐 张线夹模型的压 接过程进行仿真， 通过动态拉力仿真试验得到更 多不同型号的耐 张线夹缺陷数据， 并补充到第一 缺陷等级评估数据库中得到第二缺陷等级评估 数据库； 在缺陷智 能识别过程中， 采集待测耐张 线夹的X射线 图像， 利用 深度卷积生成对抗网络 模型对其进行缺陷智能识别处理， 得出所述待测 耐张线夹相应的缺陷评估结果。 权利要求书3页 说明书7页 附图1页 CN 115423775 A 2022.12.02 CN 115423775 A 1.基于动态仿真与智能识别的耐张线夹安全性评估方法， 其特 征在于： 所述方法包括以下步骤： 获取第一缺陷等级评估数据库； 所述第一缺陷等级评估数据库为通过N个具有不同缺 陷类型的耐张线夹样品进行拉力试验所 得到的缺陷数据库； 动态仿真： 根据更多不同型号的耐张线夹的设计图纸构建有限元仿真模型， 对耐张线 夹模型的压接过程进行仿真， 获得压接过程的动态应力和应变分布， 通过动态拉力仿真试 验， 将更多不同型号的耐张线夹缺陷数据补充到所述第一缺陷等级评估数据库中， 得到更 新后的第二 缺陷等级评估数据库； 缺陷智能识别： 采集待测耐张线夹的X射线图像， 利用深度 卷积生成对抗网络模型对待 测耐张线夹的X射线图像进行缺陷智能识别处理， 得出所述待测耐张线夹相应的缺陷评估 结果。 2.根据权利要求1所述标定方法， 其特 征在于： 所述深度卷积生成对抗网络模型包括生成器和判别器， 通过将所述耐张线夹样品的X 射线图像和随机采样向量作为所述生成器的噪声输入数据， 由所述生成器生成第一虚假缺 陷图像， 再将所述第一虚假缺陷图像和耐张线夹样品的真实的X射线图像生成第一混合数 据， 所述判别器将所述第一混合数据作为输入图像， 随机进 行真假判断， 计算得到输入图像 的第一真假 概率分布， 以及输入图像的第一 缺陷类别概 率分布。 3.根据权利要求2所述标定方法， 其特 征在于： 在对所述深度 卷积生成对抗网络模型进行训练时， 基于分类准确度对所述生成器和所 述判别器进行双向优化 修正； 首先固定所述生成器的微分函数保持不变， 通过改变所述判别器的微分函数， 直至所 述判别器的分类准确率 最大； 然后固定所述判别器的微分函数保持不变， 通过改变所述生成器的微分函数， 直至所 述生成器的分类准确率 最小； 循环迭代M次； 当所述混合数据经所述判别器进行真假判断处理后计算得到的所述第一缺陷类别概 率分布， 与所述第一缺陷等级评估数据库中缺陷类别概率分布相同或其偏差值小于预设阈 值范围内时， 确定所述深度卷积生成对抗网络模型 的目标函数， 完成对所述深度卷积生成 对抗网络模型的优化训练。 4.根据权利要求3所述标定方法， 其特 征在于： 将所述第二缺陷等级评估数据库和随机采样向量作为所述生成器的噪声输入数据， 由 所述生成器生成第二虚 假缺陷图像， 再将所述第二虚假缺陷图像和耐张线夹样品的真实的 X射线图像生成第二混合数据， 所述判别器将所述第二混合数据作为输入图像， 随机进行真 假判断， 计算得到 输入图像的第二真假 概率分布， 以及输入图像的第二 缺陷类别概 率分布。 5.根据权利要求 4所述标定方法， 其特 征在于： 继续基于分类准确度对所述深度卷积生成对抗网络模型进行双向优化 修正； 首先固定所述生成器的微分函数保持不变， 通过改变所述判别器的微分函数， 直至所 述判别器的分类准确 率最大； 然后固定所述判别器的微分函数保持不变， 通过改变所述生 成器的微分函数， 直至所述 生成器的分类准确率 最小；权　利　要　求　书 1/3 页 2 CN 115423775 A 2循环迭代M次； 当所述混合数据经所述判别器进行真假判断处理后计算得到的所述第二缺陷类别概 率分布， 与所述第二缺陷等级评估数据库中缺陷类别概率分布相同或其偏差值小于预设阈 值范围内时， 确定所述深度卷积生成对抗网络模型 的目标函数， 完成对所述深度卷积生成 对抗网络模型的优化训练。 6.根据权利要求1所述标定方法， 其特 征在于： 在对所述耐张线夹样品和所述待测耐张线夹进行缺陷检测时， 采集的X射线图像包括 防滑槽部位图像(A区)、 钢芯部位图像(B区)和铝管部位图像(C区)； 所述防滑槽 部位图像(A区)用于 评定钢锚管与铝管相对位置处的缺陷； 所述钢芯部位 图像(B区)用于评定钢锚管形态、 钢芯形态、 钢芯与钢锚压接情况、 钢芯 穿管深度、 铝绞线与钢锚端头相对位置及异 物的缺陷； 所述铝管部位图像(C区)用于 评定铝绞线形态和铝管压 接情况的缺陷。 7.根据权利要求1所述标定方法， 其特 征在于： 所述缺陷评估结果包括 缺陷类型、 缺陷等级和建议处 理方案。 8.根据权利要求1或6或7 所述标定方法， 其特 征在于： 所述缺陷类型包括但不限于以下一种或多种组合： ①防滑槽少压； ②防滑槽处铝管非压 接区多压； ③钢锚管内钢芯插 入深度不足； ④钢锚管处钢芯未压； ⑤钢锚管压 接不平整； ⑥铝绞线处铝管 未压； ⑦铝绞线处铝管压 接不平整； ⑧铝绞线处铝管非压 接区多压； ⑨混合压接 ⑩对边距不足； 钢芯破损； 钢锚管弯曲。 9.根据权利要求7 所述标定方法， 其特 征在于： 所述缺陷等级包括 一般缺陷、 重大缺陷和紧急缺陷； 所述一般缺陷对应的建议处 理方案为 适时开展； 所述重大缺陷对应的建议处 理方案为尽快开展； 所述紧急缺陷对应的建议处 理方案为 立即开展。 10.根据权利要求9所述标定方法， 其特 征在于： 当检测到所述待测耐张线夹的缺陷造成整体强度损 失在总拉断力的5％以内时， 判定 缺陷等级为 一般缺陷； 当检测到所述待测耐张线夹的缺陷造成整体强度损失在总拉断力的5％ ‑17％以内时， 判定缺陷等级为重大缺陷；权　利　要　求　书 2/3 页 3 CN 115423775 A 3