基于频域阻抗谱与机器学习的缓冲层烧蚀检测研究

《Eng》：Research on Ablation Detection of Buffer Layer Based on Frequency Domain Impedance Spectrum and Machine Learning

　　

摘要

高压电缆缓冲层烧蚀的缓慢演变和隐蔽特性给早期故障诊断带来了重大挑战。为解决这一问题，我们提出了一种混合诊断方法，将频域阻抗测量与卷积神经网络 (CNN) 相结合。首先，利用传输线理论和分布参数框架构建了电缆仿真模型。我们分析了电缆首端的阻抗和相位响应，揭示出随着频率升高呈现一致的下降趋势，同时伴随周期性谐振峰。仿真器生成了一组多样的频谱特征，对应于不同的电缆健康状态。随后，CNN 从这些波形中提取判别性特征，概率聚类预处理步骤进一步优化输入数据。在包含 78 个样本的测试集上的实验结果——包括 52 个实验测量的正常频谱和 26 个针对轻微和严重烧蚀的实验校准模拟频谱——表明分类准确率为 0.95，证实了所提出的方法能够实现无需拆解电缆的可靠、非侵入式缓冲层烧蚀检测。