本公開涉及電纜接頭插接，具體涉及一種智能感應式電纜快速接頭插接方法。

背景技術：

1、在進行高壓電纜快速接頭插接作業(yè)時，主要技術挑戰(zhàn)之一是塵埃顆粒的影響。塵埃顆粒容易吸附于電纜接頭絕緣表面，吸附的塵埃顆粒會嚴重影響接頭的絕緣性能，可能導致絕緣擊穿等安全問題，確保接頭絕緣表面在插接前后保持清潔至關重要。塵埃的去除處理也需要一套高效的除塵系統(tǒng)，該系統(tǒng)應能夠根據(jù)監(jiān)控到的塵埃運動數(shù)據(jù)，自動調(diào)整除塵頻率和強度，以確保電纜接頭的插接過程不受塵埃影響。由于環(huán)境復雜且塵埃粒徑大小不一，除塵系統(tǒng)必須適應不同情況，實時去除各種塵埃顆粒。主要技術問題在于如何精確并實時監(jiān)控塵埃的動態(tài)變化，并根據(jù)監(jiān)測數(shù)據(jù)，高效清除塵埃顆粒，保證高壓電纜快速接頭的安全可靠插接。

技術實現(xiàn)思路

1、為了解決上述現(xiàn)有技術存在的問題，本公開目的在于提供一種智能感應式電纜快速接頭插接方法，以保證高壓電纜快速接頭的安全可靠插接。

2、本公開所述的一種智能感應式電纜快速接頭插接方法，包括以下步驟：

3、通過環(huán)境傳感器實時檢測空氣中的塵埃顆粒數(shù)據(jù)，記錄塵埃顆粒的大小、濃度，并把收集到的塵埃顆粒數(shù)據(jù)通過無線網(wǎng)絡傳輸?shù)皆贫朔掌?；所述環(huán)境傳感器包括光學顆粒計數(shù)器、激光雷達以及攝像設備；所述攝像設備用于捕捉塵埃顆粒的運動路徑和速度；通過氣壓監(jiān)測系統(tǒng)實時檢測環(huán)境氣壓數(shù)據(jù)并傳輸?shù)皆贫朔掌鳎?/p>

4、通過云端服務器去除塵埃顆粒數(shù)據(jù)中的噪聲和誤差，獲得處理后的塵埃顆粒數(shù)據(jù)，結(jié)合處理后的塵埃顆粒數(shù)據(jù)與環(huán)境氣壓數(shù)據(jù)，通過卡爾曼濾波算法獲得第一數(shù)據(jù)集，并按照預定義的格式進行存儲所述第一數(shù)據(jù)集；

5、通過云端服務器設置粒子群優(yōu)化模型的初始參數(shù)，并將所述第一數(shù)據(jù)集輸入到所述粒子群優(yōu)化模型中，訓練所述粒子群優(yōu)化模型；所述初始參數(shù)包括粒子數(shù)量、速度和位置；所述粒子群優(yōu)化模型用于生成包含塵埃的運動趨勢的預測結(jié)果；

6、通過除塵儀器內(nèi)置系統(tǒng)獲取粒子群優(yōu)化模型的輸出結(jié)果，分析得到塵埃顆粒的運動趨勢和濃度變化；通過除塵儀器的絕緣狀態(tài)傳感器獲取電纜接頭的絕緣狀態(tài)；結(jié)合所述塵埃顆粒的運動趨勢、所述濃度變化以及所述電纜接頭的絕緣狀態(tài)構建第二數(shù)據(jù)集；所述第二數(shù)據(jù)集用于調(diào)整除塵儀器的運行頻率和清潔強度；

7、通過除塵儀器中的模糊邏輯控制器，獲得除塵儀器的工作強度；所述模糊邏輯控制器的輸入?yún)?shù)包括塵埃運動趨勢、濃度變化以及電纜接頭的絕緣狀態(tài)，輸出參數(shù)為除塵儀器的工作強度；所述除塵儀器的工作強度包括電壓、電流、工作頻率、震動頻率和風速；

8、根據(jù)電纜接頭的絕緣狀態(tài)，判斷電纜接頭的絕緣性能是否達到安全標準，若電纜接頭的絕緣性能達到安全標準，則發(fā)出進行電纜接頭的插接操作的指令；若電纜接頭的絕緣性能未達到安全標準，則將第二數(shù)據(jù)集輸入模糊邏輯控制器，獲得輸出參數(shù)并發(fā)出使除塵儀器按照所述模糊邏輯控制器的輸出參數(shù)進行除塵操作的指令；通過分析電纜接頭除塵期間的絕緣狀態(tài)，持續(xù)發(fā)出使除塵儀器按照所述模糊邏輯控制器的輸出參數(shù)進行除塵操作的指令直至電纜接頭的絕緣性能達到安全標準；

9、通過持續(xù)監(jiān)控云端服務器、電纜接頭和除塵儀器之間的通信狀態(tài)，確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性并收集插接過程中的實時插接數(shù)據(jù)；通過云端服務器應用數(shù)據(jù)采集模塊分析實時插接數(shù)據(jù)評估插接操作的準確性和安全性；所述實時插接數(shù)據(jù)包括力矩、插入力和塵埃濃度。

10、優(yōu)選地，所述的通過環(huán)境傳感器實時檢測空氣中的塵埃顆粒數(shù)據(jù)，記錄塵埃顆粒的大小、濃度，并把收集到的塵埃顆粒數(shù)據(jù)通過無線網(wǎng)絡傳輸?shù)皆贫朔掌?；所述環(huán)境傳感器包括光學顆粒計數(shù)器、激光雷達以及攝像設備；所述攝像設備用于捕捉塵埃顆粒的運動路徑和速度；通過氣壓監(jiān)測系統(tǒng)實時檢測環(huán)境氣壓數(shù)據(jù)并傳輸?shù)皆贫朔掌?，包括?/p>

11、通過光學顆粒計數(shù)器實時檢測空氣中的塵埃顆粒數(shù)據(jù)，獲取顆粒的大小和濃度信息；通過激光雷達捕捉顆粒的運動路徑和速度；通過攝像設備記錄顆粒的視覺圖像數(shù)據(jù)；

12、將檢測到的塵埃顆粒大小、濃度、運動路徑和運動速度以及視覺圖像數(shù)據(jù)通過無線網(wǎng)絡實時傳輸?shù)皆贫朔掌鬟M行匯總處理；

13、通過數(shù)據(jù)清洗和歸一化的數(shù)據(jù)預處理方法對所述檢測到的塵埃顆粒大小、濃度、運動路徑和運動速度以及視覺圖像數(shù)據(jù)進行清洗和標準化，并通過支持向量機svm和隨機森林算法建立塵埃顆粒數(shù)據(jù)模型；

14、根據(jù)建立的塵埃顆粒數(shù)據(jù)模型，通過時間序列分析和回歸分析預測方法，實時預測未來一段時間內(nèi)空氣中的塵埃顆粒濃度變化趨勢，判斷空氣質(zhì)量的變化趨勢；

15、氣壓監(jiān)測系統(tǒng)實時檢測環(huán)境氣壓數(shù)據(jù)，并將數(shù)據(jù)傳輸?shù)皆贫朔掌鳎?/p>

16、云端服務器將氣壓數(shù)據(jù)與塵埃顆粒數(shù)據(jù)進行關聯(lián)分析，建立環(huán)境氣象條件與空氣質(zhì)量之間的預測模型；

17、通過氣象預報數(shù)據(jù)估算未來一段時間的空氣質(zhì)量變化趨勢。

18、優(yōu)選地，所述的通過云端服務器去除塵埃顆粒數(shù)據(jù)中的噪聲和誤差，獲得處理后的塵埃顆粒數(shù)據(jù)，結(jié)合處理后的塵埃顆粒數(shù)據(jù)與環(huán)境氣壓數(shù)據(jù)，通過卡爾曼濾波算法獲得第一數(shù)據(jù)集，并按照預定義的格式進行存儲所述第一數(shù)據(jù)集，包括：

19、通過小波閾值去噪方法去除數(shù)據(jù)中的高頻噪聲和隨機誤差；

20、通過信號處理模塊對濾波后的塵埃顆粒數(shù)據(jù)進行特征提取，獲取關鍵特征參數(shù)，所述關鍵特征參包括塵埃顆粒的濃度、粒徑分布和運動速度；

21、通過環(huán)境氣壓監(jiān)測系統(tǒng)獲取實時氣壓數(shù)據(jù)，并將氣壓數(shù)據(jù)與處理后的塵埃顆粒數(shù)據(jù)進行時間同步對齊，獲得同步后的塵埃顆粒數(shù)據(jù)和氣壓數(shù)據(jù)；

22、通過卡爾曼濾波算法對所述同步后的塵埃顆粒數(shù)據(jù)和氣壓數(shù)據(jù)進行融合處理，獲得第一數(shù)據(jù)集；

23、所述第一數(shù)據(jù)集包括塵埃顆粒的濃度、粒徑分布和運動速度以及環(huán)境氣壓數(shù)據(jù)；

24、通過預定義的數(shù)據(jù)格式和結(jié)構，對第一數(shù)據(jù)集進行組織和封裝，添加元數(shù)據(jù)和時間戳信息；

25、所述第一數(shù)據(jù)集通過mongodb這種文檔型nosql數(shù)據(jù)庫進行存儲。

26、優(yōu)選地，所述的通過云端服務器設置粒子群優(yōu)化模型的初始參數(shù)，并將所述第一數(shù)據(jù)集輸入到所述粒子群優(yōu)化模型中，訓練所述粒子群優(yōu)化模型；所述初始參數(shù)包括粒子數(shù)量、速度和位置；所述粒子群優(yōu)化模型用于生成包含塵埃的運動趨勢的預測結(jié)果，包括：

27、根據(jù)所述第一數(shù)據(jù)集的維度、復雜度和計算資源因素，選擇粒子數(shù)量；并通過隨機函數(shù)生成粒子的初始速度和位置；

28、所述粒子群優(yōu)化模型通過適應度函數(shù)評估每個粒子的優(yōu)化性能；

29、設置收斂條件，所述粒子群優(yōu)化模型根據(jù)所述收斂條件進行迭代，獲得用于生成包含塵埃的運動趨勢的預測結(jié)果的預測模型；

30、所述收斂條件包括：

31、設置最大迭代次數(shù)，當達到最大迭代次數(shù)時，認為所述粒子群優(yōu)化模型已經(jīng)收斂；

32、設置最小適應度閾值，當連續(xù)多次迭代的最優(yōu)適應度值變化小于最小適應度閾值時，認為所述粒子群優(yōu)化模型已經(jīng)收斂；

33、設置最小粒子位置變化閾值，當連續(xù)多次迭代的粒子位置變化小于最小粒子位置變化閾值時，認為所述粒子群優(yōu)化模型已經(jīng)收斂；

34、若所述粒子群優(yōu)化模型滿足上述三個收斂條件其中一個或多個時，所述粒子群優(yōu)化模型完成迭代，獲得用于生成包含塵埃的運動趨勢的預測結(jié)果的預測模型；

35、通過所述預測模型將新采集的塵埃顆粒數(shù)據(jù)進行預測分析，生成未來一段時間內(nèi)塵埃運動趨勢。

36、優(yōu)選地，所述的通過除塵儀器內(nèi)置系統(tǒng)獲取粒子群優(yōu)化模型的輸出結(jié)果，分析得到塵埃顆粒的運動趨勢和濃度變化；通過除塵儀器的絕緣狀態(tài)傳感器獲取電纜接頭的絕緣狀態(tài)；結(jié)合所述塵埃顆粒的運動趨勢、所述濃度變化以及所述電纜接頭的絕緣狀態(tài)構建第二數(shù)據(jù)集；所述第二數(shù)據(jù)集用于調(diào)整除塵儀器的運行頻率和清潔強度，包括：

37、通過無線網(wǎng)絡實時獲取所述粒子群優(yōu)化模型的輸出結(jié)果；得到塵埃顆粒在不同時間點的位置坐標、運動速度和方向信息，以及塵埃濃度的數(shù)值變化曲線；

38、通過解析，獲得塵埃顆粒的運動數(shù)據(jù)和濃度數(shù)據(jù)；將所述塵埃顆粒的運動數(shù)據(jù)和濃度數(shù)據(jù)與除塵儀器的空間位置信息進行關聯(lián)，判斷在未來的運行過程中，除塵儀器遇到的塵埃顆粒密度和分布狀態(tài)；

39、獲取絕緣電阻值閾值范圍和介質(zhì)損耗因數(shù)閾值范圍，通過除塵儀器的絕緣狀態(tài)傳感器實時監(jiān)測電纜接頭處的絕緣電阻值和介質(zhì)損耗因數(shù)，并將采集到的絕緣電阻值與預設絕緣電阻值閾值范圍進行比較，將采集到的介質(zhì)損耗因數(shù)與預設的介質(zhì)損耗因數(shù)閾值范圍進行比較；

40、當絕緣電阻值超出預設絕緣電阻值閾值范圍，或，當介質(zhì)損耗因數(shù)超出預設介質(zhì)損耗因數(shù)閾值范圍時，判斷絕緣狀態(tài)出現(xiàn)異常，觸發(fā)預警信號；

41、將異常的絕緣狀態(tài)數(shù)據(jù)與對應時刻的塵埃顆粒運動和濃度數(shù)據(jù)進行關聯(lián)，構建第二數(shù)據(jù)集；

42、根據(jù)adaboost算法，建立塵埃污染與絕緣狀態(tài)異常之間的關聯(lián)模型，通過關聯(lián)模型獲得在不同塵埃顆粒濃度和運動趨勢下，電纜接頭絕緣狀態(tài)異常的概率分布；

43、根據(jù)預測的塵埃顆粒濃度和絕緣狀態(tài)異常概率，調(diào)整除塵儀器的運行頻率和清潔強度；

44、根據(jù)模型預測的絕緣狀態(tài)異常概率，將除塵儀器的運行頻率和清潔強度劃分為低級、中級和高級，對每個等級各預設一個概率閾值，分別為低級概率閾值、中級概率閾值和高級概率閾值；

45、當預測的塵埃顆粒濃度或絕緣狀態(tài)異常概率超過低級概率閾值時，提高除塵儀器的運行頻率和清潔強度；

46、當預測的塵埃顆粒濃度和絕緣狀態(tài)異常概率低于低級概率閾值時，降低除塵儀器的運行頻率和清潔強度；

47、根據(jù)關聯(lián)模型的分析結(jié)果，預測電纜接頭絕緣狀態(tài)異常的高風險時間窗口，在高風險時間窗口之前，根據(jù)高風險時間窗口的概率閾值等級對應的除塵儀器的運行頻率和清潔強度，對電纜接頭進行除塵和清潔。

48、優(yōu)選地，所述的通過除塵儀器中的模糊邏輯控制器，獲得除塵儀器的工作強度；所述模糊邏輯控制器的輸入?yún)?shù)包括塵埃運動趨勢、濃度變化以及電纜接頭的絕緣狀態(tài)，輸出參數(shù)為除塵儀器的工作強度；所述除塵儀器的工作強度包括電壓、電流、工作頻率、震動頻率和風速，包括：

49、獲取塵埃顆粒運動趨勢和濃度變化以及電纜接頭絕緣狀態(tài)；

50、將塵埃濃度劃分為：塵埃濃度低、塵埃濃度中和塵埃濃度高；

51、將塵埃運動趨勢劃分為：塵埃運動趨勢平穩(wěn)、塵埃運動趨勢緩慢上升和塵埃運動趨勢快速上升；

52、將電纜接頭絕緣狀態(tài)劃分為：電纜接頭絕緣狀態(tài)正常、電纜接頭絕緣狀態(tài)輕度異常和電纜接頭絕緣狀態(tài)嚴重異常；

53、根據(jù)mamdan?i推理方法，構建模糊規(guī)則庫；

54、通過重心解模糊方法，將模糊推理的結(jié)果轉(zhuǎn)化為除塵儀器的具體工作參數(shù)；并發(fā)出使除塵儀器按照具體工作參數(shù)工作的指令。

55、優(yōu)選地，所述的根據(jù)電纜接頭的絕緣狀態(tài)，判斷電纜接頭的絕緣性能是否達到安全標準，若電纜接頭的絕緣性能達到安全標準，則發(fā)出進行電纜接頭的插接操作的指令；若電纜接頭的絕緣性能未達到安全標準，則將第二數(shù)據(jù)集輸入模糊邏輯控制器，獲得輸出參數(shù)并發(fā)出使除塵儀器按照所述模糊邏輯控制器的輸出參數(shù)進行除塵操作的指令；通過分析電纜接頭除塵期間的絕緣狀態(tài)，持續(xù)發(fā)出使除塵儀器按照所述模糊邏輯控制器的輸出參數(shù)進行除塵操作的指令直至電纜接頭的絕緣性能達到安全標準，包括：

56、預設絕緣狀態(tài)指數(shù)閾值，采集電纜接頭的絕緣電阻值和介質(zhì)損耗因數(shù)，計算絕緣狀態(tài)指數(shù)is：

57、is＝0.7×(r/r0)+0.3×(tanδ0/tanδ)，

58、其中r為實測絕緣電阻值，r0為絕緣電阻閾值，tanδ為實測介質(zhì)損耗因數(shù)，tanδ0為介質(zhì)損耗因數(shù)閾值；

59、當is大于等于絕緣狀態(tài)指數(shù)閾值時，判定電纜接頭的絕緣性能達到安全標準；當is小于絕緣狀態(tài)指數(shù)閾值時，判定電纜接頭的絕緣性能未達到安全標準；

60、若電纜接頭的絕緣性能達到安全標準，則發(fā)出進行電纜接頭的插接操作的指令；

61、若電纜接頭的絕緣性能未達到安全標準，則將第二數(shù)據(jù)集輸入模糊邏輯控制器；

62、根據(jù)mamdan?i推理方法，構建模糊規(guī)則庫；

63、通過重心解模糊方法，將模糊推理的結(jié)果轉(zhuǎn)化為除塵儀器的具體工作參數(shù)；并發(fā)出使除塵儀器按照具體工作參數(shù)工作的指令；

64、當連續(xù)多次絕緣狀態(tài)指數(shù)is大于絕緣狀態(tài)指數(shù)閾值時，判定電纜接頭的絕緣性能達到安全標準，發(fā)出進行電纜接頭的插接操作的指令；

65、收集接頭的插入深度、插接機構的位移量和速度，計算接頭的實際插入深度與目標深度之間的偏差，根據(jù)實際插入深度與目標深度之間的偏差調(diào)整插接機構的運動，直至完成電纜接頭的插接操作；

66、完成電纜接頭的插接操作后，收集軸向壓緊力，根據(jù)軸向壓緊力判斷是否達到要求的緊固程度。

67、優(yōu)選地，所述的通過持續(xù)監(jiān)控云端服務器、電纜接頭和除塵儀器之間的通信狀態(tài)，確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性并收集插接過程中的實時插接數(shù)據(jù)；通過云端服務器應用數(shù)據(jù)采集模塊分析實時插接數(shù)據(jù)評估插接操作的準確性和安全性；所述實時插接數(shù)據(jù)包括力矩、插入力和塵埃濃度，包括：

68、通過心跳機制，監(jiān)控云端服務器、電纜接頭和除塵儀器之間的通信狀態(tài)，并記錄往返時延；

69、通過令牌桶算法對云端服務器、電纜接頭和除塵儀器之間的數(shù)據(jù)傳輸流量進行整形和限制；根據(jù)令牌通過的水位高低動態(tài)調(diào)整令牌生成速率；

70、當令牌桶的水位連續(xù)一段時間高于一定百分比時，觸發(fā)流量異常警報；

71、收集插接過程中的力矩、插入力和插接環(huán)境的塵埃濃度，作為實時插接數(shù)據(jù)；

72、對實時插接數(shù)據(jù)進行預處理，并通過游程編碼算法對數(shù)據(jù)進行壓縮；

73、通過卡爾曼濾波算法對實時插接數(shù)據(jù)進行濾波和平滑，獲得插接數(shù)據(jù)；

74、通過決策樹算法建立用于判斷當前插接操作的準確性和安全性的插接操作評估模型，將插接數(shù)據(jù)輸入到插接操作評估模型中；判斷當前插接操作的準確性和安全性；

75、收集插接數(shù)據(jù)，對插接數(shù)據(jù)進行聚類分析，采用手肘法對不同的聚類數(shù)k值進行評估，獲得最優(yōu)聚類數(shù)，通過k-means算法將插接數(shù)據(jù)進行分類，并統(tǒng)計各類插接操作的數(shù)量、比例和參數(shù)分布狀態(tài)，生成插接操作質(zhì)量報告。

76、本公開所述的一種智能感應式電纜快速接頭插接方法，其優(yōu)點在于：本公開解決了高海拔地區(qū)高壓電纜快速接頭插接作業(yè)中塵埃顆粒對絕緣性能的影響問題。由于高海拔空氣稀薄，塵埃顆粒易懸浮并吸附在電纜接頭絕緣表面，導致絕緣性能下降，甚至引發(fā)絕緣擊穿。本發(fā)明通過實時監(jiān)測和智能控制系統(tǒng)，精確監(jiān)控懸浮塵埃的動態(tài)變化，并根據(jù)監(jiān)測數(shù)據(jù)自動調(diào)整除塵頻率和強度，確保電纜接頭在插接前后保持清潔。該系統(tǒng)能夠適應復雜環(huán)境和不同塵埃粒徑，實時去除各種塵埃顆粒，保證高壓電纜接頭在極端環(huán)境下的安全可靠插接，解決了傳統(tǒng)方法無法有效應對高海拔地區(qū)塵埃問題的技術難題。