智能“护脉者”：基于声阵列的AI系统守护地下电缆生命线

——广西电力职业技术学院“缆上无忧”团队成功改进制作声阵列电缆防外破装置

随着城市化进程加速及供电需求增长，地下电缆逐渐取代架空线路成为城市首选。地下电缆展现出卓越的安全性和稳定性，有效降低极端天气、自然灾害或人为破坏导致的停电风险。同时，其优势包括节省地面空间、美化城市、减少电磁干扰及提升电力传输质量。因此，在高密度城区、重要工业区和关键基础设施中，地下电缆应用日益广泛。然而，地下电缆运行维护面临巨大挑战，故障精确定位和及时修复困难，耗时耗资等。

基于此，“缆上无忧”团队负责人李澄凯率领其团队，专注于研发由杭州电子科技大学王瑞荣副教授等人在与美国大学科研交流期间所提出的军用转民用声阵列装置。他们与浙江图维、上海柳高电力等企业展开了深入的技术合作。在既有成果的基础上，团队通过共同构建声纹数据库（该数据库涵盖了21类工程机械的声纹特征，能够精准识别挖掘机、切割机等设备的信号）与自主研发算法（即LPCC－SVM双模识别算法），并结合了AI视频处理大平台（该平台利用1D－CNN与LSTM构建的深度学习模型，打造了高效的声纹分类器），成功改进并开发出了一种新型声阵列电缆防外破装置。

新型声阵列电缆防外破装置实物图（实验室阶段）

产品经山东省化工信息中心的查新认证以及10家公司的产品试用报告得出以下结论：

该设备的声阵列及其算法展现出了卓越的性能，其准确率高达97．2％，这一数值显著超越了行业平均水平（行业平均准确率低于85％）。

该设备创新性地采用了融合声纹识别、振动定位（基于改进型AML算法）与视频联动的多模态监测架构。声纹识别技术用于身份验证，振动定位技术则通过改进型AML算法精准捕捉异常振动，视频联动功能则实时记录并分析现场情况，三者协同工作，大幅提升监测精度与效率。

其中，AI通道识别防外破预警系统融入了前沿的AI深度学习模型，该模型结合了一维卷积神经网络（1D－CNN）与长短期记忆网络（LSTM），旨在构建一个高性能的声纹分类器。具体而言，1D－CNN模块负责精确提取声纹信号中的局部特征，这些特征细致地刻画了声音信号在时域上的微妙变化。而LSTM网络则专注于捕捉并学习这些特征之间的时序依赖性，即深入探究声音信号随时间推移所展现的演变规律。通过这一巧妙的组合，该系统成功实现了对外力破坏声纹的端到端精准识别，进而显著提升了防外破预警的准确性与实时性能。

“缆上无忧”团队在此基础上进行多次实物实地检测，并不断精进产品的性能。

“缆上无忧”团队实地勘测期间合影

（广西电力技术学院：宋长虹、李澄凯）

查看网址

分享到：