基于微振动宽带相位运动放大与深度学习的输电线路索张力测量方法

来源：振动与冲击杂志2025年第1期北京时间：

作者：姜岚,，叶卿辰0958965,，唐波,，程若恒，陶文心,，黄荥,

单位：1． 三峡大学电气与新能源学院， 湖北 宜昌443002；2． 湖北省输电线路工程技术研究中心， 湖北 宜昌443002；3． 国网河南省电力公司平顶山供电公司， 河南 平顶山467000

摘要：索类构件在输电线路中广泛分布，其张力值及变化情况是影响输电线路本质安全的关键因素，因此也是输电线路工程施工及运维期间状态监测的重点。传统的索张力测量方法存在精度低、环境要求高、难以带电监测等问题，在输电线路中不具备普适性。本文提出宽带相位运动放大方法(The Broad-Band Phase-Based Motion Magnification，BPMM)与深度学习语义分割结合的图像张力测量方法，通过增强图像振动幅度，实现环境激励下输电线路索类构件微振动图像的放大。为去除BPMM算法对于振动视频处理后出现的噪音伪影问题同时提升识别精度，提出基于深度学习U-Net网络与水平集损失熵的联合分割方法来提取索类构件形心，实现了微振动像素变化量的准确拾取，进而通过频域分析得到自振频率并计算索张力。试验及工程应用表明：基于微振动放大的输电线路索类构件张力测量方法能有效识别环境激励下索微小振动变化，测得的索张力值与传感器测量值相比，误差在6%以内，实现了输电线路索类构件张力的高精度、非接触测量，解决了输电线路张力带电测量困难的问题。<br>

关键词：输电线路；微振动；张力测量；深度学习；图像识别；振动频率