[发明专利]一种微波和红外联合的电缆接头内部温度反演方法

权利要求书

1.一种微波和红外联合的电缆接头内部温度反演方法，其特征在于：包括以下步骤：

步骤1、利用红外和微波两种技术对电缆进行测量，包括对不同绝缘层厚度d、不同介电常数ε绝缘材料电缆进行红外辐射和微波辐射测量，得到相应的红外亮温TB_inf和微波亮温TB_mwr，其中一部分测量亮温数据用于神经网络训练数据集，而另一部分测量亮温数据用于反演数据集；

步骤2、建立用于反演电缆接头内部物理温度的神经网络；

步骤3、利用步骤1获取的神经网络训练数据集和植入光纤或者热敏电阻测量得到电缆接头内部温度T对步骤2建立的神经网络进行训练；

步骤4、使用训练好的神经网络反演电缆接头内部温度T；

步骤5、将步骤4得到的电缆接头内部温度T，代入微波辐射正向传输模型，得到微波亮温TB_mwr，比较微波亮温TB_mwr与红外亮温TB_sim；判断Δ＝|TB_mwr-TB_sim|是否小于微波辐射计亮温灵敏度，若Δ小于辐射计灵敏度，则判断电缆接头内部温度T为最终的反演结果；

步骤6、若Δ大于辐射计灵敏度，则将神经网络模型计算出来的电缆温度作为迭代反演的初始值，利用牛顿法或者其它迭代求解方法计算出下一次迭代的T(n+1)，直到满足灵敏度要求，得到最终电缆接头温度。

2.根据权利要求1所述微波和红外联合的电缆接头内部温度反演方法，其特征在于：步骤2的实现包括建立三层神经网络；输入神经元为绝缘层厚度d、绝缘材料介电常数ε、红外亮温TB_inf和微波亮温TB_mwr，输出电缆接头内部温度T；激活函数采用sigmoid函数，隐藏层的神经元个数由误差函数及数据相关性决定；

误差函数表示为：

其中，M为训练样本数，根据测试集的反演结果与实际电缆接头内部温度的均方根误差RMS最小来确定最佳隐藏层神经元个数：

其中，N为测试样本数，r表示反演值，n为实测值，T为电缆接头内部温度。

3.根据权利要求2所述微波和红外联合的电缆接头内部温度反演方法，其特征在于：步骤5所述微波辐射计亮温灵敏度定义为输出端能检测到引起电压改变的最小亮温变化，表示为：

式中，V_α,rms为输出电压的标准差，dV_α/dT_α为输出电压对亮温的倒数。

4.根据权利要求2所述微波和红外联合的电缆接头内部温度反演方法，其特征在于：步骤6所述利用牛顿法或者其它迭代求解方法计算出下一次迭代的T(n+1)，具体公式为：

将所得T(n+1)代入步骤5，得到最终的电缆接头内部温度。