CN117972584A - 一种光纤传感数据的模式识别方法及*** - Google Patents
一种光纤传感数据的模式识别方法及*** Download PDFInfo
- Publication number
- CN117972584A CN117972584A CN202410045033.1A CN202410045033A CN117972584A CN 117972584 A CN117972584 A CN 117972584A CN 202410045033 A CN202410045033 A CN 202410045033A CN 117972584 A CN117972584 A CN 117972584A
- Authority
- CN
- China
- Prior art keywords
- vibration
- pattern
- library
- calibration
- mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 35
- 238000003909 pattern recognition Methods 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000012795 verification Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 230000008030 elimination Effects 0.000 abstract description 3
- 238000003379 elimination reaction Methods 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种光纤传感数据的模式识别方法及***,涉及传感器技术领域,该方法包括:获取现场环境的振动数据;对所述振动数据进行分段标定;对分段标定后的振动数据进行特征提取,得到振动样本集;构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;利用更新后的模式库进行模式识别与事件告警。本发明通过结合现场环境的振动数据、分段标定、特征提取、模式库构建与训练以及实时模式识别与事件告警,提高了干扰识别的精度,为后续的故障诊断和排除提供了有力的支持。
Description
技术领域
本发明涉及传感器技术领域,具体涉及一种光纤传感数据的模式识别方法及***。
背景技术
在现有的光纤传感技术中,光信号被用作变换和传输的载体,通过利用光导纤维的传光特性,将被测量参数转换为光特性的变化。然而,在实际应用中,由于外界环境的复杂性,光纤的光学特性可能会受到多种因素的干扰,导致测量结果的误差。
目前,虽然有一些基于声音信号采集识别的***用于识别干扰类型,但这些***在处理复杂的背景噪声干扰时效果不佳,音频信号的解调也较为困难,进一步增加了干扰模式识别的难度。这限制了光纤传感技术在某些环境下的应用,因此,需要一种能够更准确识别干扰模式的方法及***。
发明内容
针对现有技术中的缺陷,本发明提供一种光纤传感数据的模式识别方法,以解决现有技术干扰模式识别精度低的问题。
一方面,本发明提供一种光纤传感数据的模式识别方法,包括:
获取现场环境的振动数据;
对所述振动数据进行分段标定;
对分段标定后的振动数据进行特征提取,得到振动样本集;
构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;
利用更新后的模式库进行模式识别与事件告警。
作为优选的,对所述振动数据进行分段标定,包括:
根据光纤的铺设方式进行分段标定;
在容易产生大干扰的区域进行精细化分段标定。
作为优选的,对分段标定后的振动数据进行特征提取,得到振动样本集,包括:
从分段标定后的振动数据中提取振动特征;
其中,提取的振动特征包括时域幅度特征、时间持续性特征、功率频谱特征和瞬时频率特征。
作为优选的,利用所述振动样本集对所述模式库进行训练,包括:
对所述振动样本集进行划分,得到训练集和验证集;
利用所述训练集训练所述模式库中的模式匹配模型,利用所述验证集验证模式匹配模型,在模式匹配模型的识别精度达到预设要求时,更新所述模式识别匹配模型。
作为优选的,利用更新后的模式库进行模式识别与事件告警,包括:
获取采集的实时振动数据;
对采集的实时振动数据进行特征提取,得到实时振动特征;
将提取的实时振动特征输入更新后的模式库,输出模式识别结果,并根据模式识别结果进行入侵告警和告警位置音频录制。
另一方面,一种光纤传感数据的模式识别***,包括:
数据采集模块,用于获取现场环境的振动数据;
环境标定模块,用于对所述振动数据进行分段标定;
特征提取模块,用于对分段标定后的振动数据进行特征提取,得到振动样本集;
模式库建立与更新模块,用于构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;
模式识别与告警模块,利用更新后的模式库进行模式识别与事件告警。
作为优选的,所述环境标定模块具体用于:
根据光纤的铺设方式进行分段标定;
在容易产生大干扰的区域进行精细化分段标定。
作为优选的,所述特征提取模块具体用于:
从分段标定后的振动数据中提取振动特征;
其中,提取的振动特征包括时域幅度特征、时间持续性特征、功率频谱特征和瞬时频率特征。
作为优选的,所述模式库建立与更新模块具体用于:
对所述振动样本集进行划分,得到训练集和验证集;
利用所述训练集训练所述模式库中的模式匹配模型,利用所述验证集验证模式匹配模型,在模式匹配模型的识别精度达到预设要求时,更新所述模式识别匹配模型。
作为优选的,所述模式识别与告警模块包括:
获取采集的实时振动数据;
对采集的实时振动数据进行特征提取,得到实时振动特征;
将提取的实时振动特征输入更新后的模式库,输出模式识别结果,并根据模式识别结果进行入侵告警和告警位置音频录制。
本发明的有益效果体现在:本发明提供了一种光纤传感数据的模式识别方法及***,该方法包括:获取现场环境的振动数据;对所述振动数据进行分段标定;对分段标定后的振动数据进行特征提取,得到振动样本集;构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;利用更新后的模式库进行模式识别与事件告警。本发明通过结合现场环境的振动数据、分段标定、特征提取、模式库构建与训练以及实时模式识别与事件告警,提高了干扰识别的精度,为后续的故障诊断和排除提供了有力的支持。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明提供的一种光纤传感数据的模式识别方法的流程图;
图2为本发明提供的一种光纤传感数据的模式识别***的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
如图1所示,本发明提供了一种光纤传感数据的模式识别方法,包括:
步骤1,获取现场环境的振动数据;
通过DAS***获取现场环境的振动数据,具体的,使用DAS***以固定周期向光纤中发射被脉冲调制的超窄线宽光脉冲信号。该信号用于探测和采集声波光缆上的瑞利散射光。DAS***同步探测和采集由声波引起的瑞利散射光,实时获取每个发射周期中探测到的瑞利散射光的相位信息。对每个散射周期内的瑞利散射光进行重采样,以固定间隔还原出声波光缆上每个位置处的动态应变信息,对每个位置处的原始相位信息进行去噪处理,以消除噪声干扰,提高信号质量,对去噪后的实时动态应变信息进行对应的解调,提取并获取振动数据。
步骤2,对所述振动数据进行分段标定;
在本发明实施例中,对所述振动数据进行分段标定,包括:根据光纤的铺设方式进行分段标定;在容易产生大干扰的区域进行精细化分段标定。
具体的,光纤的架设方式包括地埋、架空、管道,针对每种方式进行分段标定。这可以确保对不同环境下的振动数据进行准确的标定和监测。在每种铺设方式下,进行环境样本采集并记录相关的天气环境信息。例如,记录温度、湿度、风速等因素,这些信息可能会影响到振动数据的特征,将这些消息标定在振动数据中,还需要标定对应的干扰模式。
需要说明的是,在容易产生大干扰的区域(如铁轨、桥梁等)进行精细化的标定样本采集。这些区域可能受到特定环境或外部干扰的影响,需要更加精细的标定来捕捉振动数据的特征。示例性地,对于这些特定区域,要采集无列车通过时的空白噪声和有列车通过时的噪声信号,并记录噪声频率、持续时长、幅值大小、有无固定间断周期等信息。
标定数据将有助于模式库更好地进行入侵事件告警判定,因为它们提供了对环境中可能发生的各种振动事件的详细记录和分析,有利于提高模式识别的精度和可靠性,确保及时准确地识别入侵事件。
步骤3,对分段标定后的振动数据进行特征提取,得到振动样本集;
在本发明实施例中,对分段标定后的振动数据进行特征提取,得到振动样本集,包括:从分段标定后的振动数据中提取振动特征。从每个标定的振动数据段中提取振动特征,这些特征可以用来描述振动信号的不同方面。
其中,提取的振动特征包括时域幅度特征、时间持续性特征、功率频谱特征和瞬时频率特征,时域幅度特征:包括均方根(RMS)、峰值、峭度等。时间持续性特征:包括振动信号的持续时间、起止时间等。功率频谱特征:通过对振动信号进行信号处理,得到其功率谱密度,并提取相关的频谱特征。瞬时频率特征:描述振动信号瞬时频率变化的特征,可以通过时频分析等方法得到。
通过这些特征提取,可以将原始的振动数据转换为具有描述性质的振动特征集合,这有助于对不同类型振动事件进行有效的识别和分类。特征提取后的振动样本集将用于模式库的构建和训练,以提高模式库对不同类型振动事件的识别和预警能力。
步骤4,构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;
在本发明实施例中,利用所述振动样本集对所述模式库进行训练,包括:对所述振动样本集进行划分,得到训练集和验证集;利用所述训练集训练所述模式库中的模式匹配模型,利用所述验证集验证模式匹配模型,在模式匹配模型的识别精度达到预设要求时,更新所述模式识别匹配模型。
本发明实施例提供的模式库具有自动化更新的优点,可以根据最新的振动样本集进行训练和验证,不断优化模型以适应振动特性的变化。这样可以提高模式库的准确性和适用性,使其能够更好地识别和预警各种振动异常情况。
步骤5,利用更新后的模式库进行模式识别与事件告警。
在本发明实施例中,利用更新后的模式库进行模式识别与事件告警,包括:获取采集的实时振动数据;对采集的实时振动数据进行特征提取,得到实时振动特征;将提取的实时振动特征输入更新后的模式库,输出模式识别结果,并根据模式识别结果进行入侵告警和告警位置音频录制。
模式库训练完成后,开启模式识别工作。根据行人、车辆、机械作业、机械开挖和施工、雷电影响等产生的扰动通过光纤采集,并将采集得到的实时振动数据进行特征提取输入至模式识别库,通过模式识别库进行模式识别,如果模式识别结果表明存在破坏模式或异常振动,将触发入侵告警,并记录告警位置的音频以便后续的分析和处理。
综上,本发明实施例提供了一种光纤传感数据的模式识别方法,该方法包括:获取现场环境的振动数据;对所述振动数据进行分段标定;对分段标定后的振动数据进行特征提取,得到振动样本集;构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;利用更新后的模式库进行模式识别与事件告警。本发明通过结合现场环境的振动数据、分段标定、特征提取、模式库构建与训练以及实时模式识别与事件告警,提高了干扰识别的精度,为后续的故障诊断和排除提供了有力的支持。在实际应用中,本发明对于保障光纤传感网络的稳定运行和提升其监测性能具有重要的意义。
实施例2
如图2所示,本发明实施例提供了一种光纤传感数据的模式识别***,该***包括:
数据采集模块,用于获取现场环境的振动数据;
环境标定模块,用于对所述振动数据进行分段标定;
特征提取模块,用于对分段标定后的振动数据进行特征提取,得到振动样本集;
模式库建立与更新模块,用于构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;
模式识别与告警模块,利用更新后的模式库进行模式识别与事件告警。
在本发明实施例中,所述环境标定模块具体用于:
根据光纤的铺设方式进行分段标定;
在容易产生大干扰的区域进行精细化分段标定。
在本发明实施例中,所述特征提取模块具体用于:
从分段标定后的振动数据中提取振动特征;
其中,提取的振动特征包括时域幅度特征、时间持续性特征、功率频谱特征和瞬时频率特征。
在本发明实施例中,所述模式库建立与更新模块具体用于:
对所述振动样本集进行划分,得到训练集和验证集;
利用所述训练集训练所述模式库中的模式匹配模型,利用所述验证集验证模式匹配模型,在模式匹配模型的识别精度达到预设要求时,更新所述模式识别匹配模型。
在本发明实施例中,所述模式识别与告警模块包括:
获取采集的实时振动数据;
对采集的实时振动数据进行特征提取,得到实时振动特征;
将提取的实时振动特征输入更新后的模式库,输出模式识别结果,并根据模式识别结果进行入侵告警和告警位置音频录制。
应当理解地,本发明实施例提供的一种光纤传感数据的模式识别***与上述实施例提供的一种光纤传感数据的模式识别方法出于相同的发明构思,关于本发明实施例中各个模块更加具体的工作原理,可参考上述实施例,在本发明实施例中不做赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种光纤传感数据的模式识别方法,其特征在于,包括:
获取现场环境的振动数据;
对所述振动数据进行分段标定;
对分段标定后的振动数据进行特征提取,得到振动样本集;
构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;
利用更新后的模式库进行模式识别与事件告警。
2.根据权利要求1所述的一种光纤传感数据的模式识别方法,其特征在于,对所述振动数据进行分段标定,包括:
根据光纤的铺设方式进行分段标定;
在容易产生大干扰的区域进行精细化分段标定。
3.根据权利要求2所述的一种光纤传感数据的模式识别方法,其特征在于,对分段标定后的振动数据进行特征提取,得到振动样本集,包括:
从分段标定后的振动数据中提取振动特征;
其中,提取的振动特征包括时域幅度特征、时间持续性特征、功率频谱特征和瞬时频率特征。
4.根据权利要求1所述的一种光纤传感数据的模式识别方法,其特征在于,利用所述振动样本集对所述模式库进行训练,包括:
对所述振动样本集进行划分,得到训练集和验证集;
利用所述训练集训练所述模式库中的模式匹配模型,利用所述验证集验证模式匹配模型,在模式匹配模型的识别精度达到预设要求时,更新所述模式识别匹配模型。
5.根据权利要求1所述的一种光纤传感数据的模式识别方法,其特征在于,利用更新后的模式库进行模式识别与事件告警,包括:
获取采集的实时振动数据;
对采集的实时振动数据进行特征提取,得到实时振动特征;
将提取的实时振动特征输入更新后的模式库,输出模式识别结果,并根据模式识别结果进行入侵告警和告警位置音频录制。
6.一种光纤传感数据的模式识别***,其特征在于,包括:
数据采集模块,用于获取现场环境的振动数据;
环境标定模块,用于对所述振动数据进行分段标定;
特征提取模块,用于对分段标定后的振动数据进行特征提取,得到振动样本集;
模式库建立与更新模块,用于构建模式库,并利用所述振动样本集对所述模式库进行训练,以更新模式库;
模式识别与告警模块,利用更新后的模式库进行模式识别与事件告警。
7.根据权利要求6所述的一种光纤传感数据的模式识别***,其特征在于,所述环境标定模块具体用于:
根据光纤的铺设方式进行分段标定;
在容易产生大干扰的区域进行精细化分段标定。
8.根据权利要求7所述的一种光纤传感数据的模式识别方法,其特征在于,所述特征提取模块具体用于:
从分段标定后的振动数据中提取振动特征;
其中,提取的振动特征包括时域幅度特征、时间持续性特征、功率频谱特征和瞬时频率特征。
9.根据权利要求7所述的一种光纤传感数据的模式识别方法,其特征在于,所述模式库建立与更新模块具体用于:
对所述振动样本集进行划分,得到训练集和验证集;
利用所述训练集训练所述模式库中的模式匹配模型,利用所述验证集验证模式匹配模型,在模式匹配模型的识别精度达到预设要求时,更新所述模式识别匹配模型。
10.根据权利要求8所述的一种光纤传感数据的模式识别方法,其特征在于,所述模式识别与告警模块包括:
获取采集的实时振动数据;
对采集的实时振动数据进行特征提取,得到实时振动特征;
将提取的实时振动特征输入更新后的模式库,输出模式识别结果,并根据模式识别结果进行入侵告警和告警位置音频录制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410045033.1A CN117972584A (zh) | 2024-01-11 | 2024-01-11 | 一种光纤传感数据的模式识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410045033.1A CN117972584A (zh) | 2024-01-11 | 2024-01-11 | 一种光纤传感数据的模式识别方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117972584A true CN117972584A (zh) | 2024-05-03 |
Family
ID=90845421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410045033.1A Pending CN117972584A (zh) | 2024-01-11 | 2024-01-11 | 一种光纤传感数据的模式识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117972584A (zh) |
-
2024
- 2024-01-11 CN CN202410045033.1A patent/CN117972584A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109489800A (zh) | 一种分布式光缆振动安全预警***中的扰动事件识别方法 | |
US20180276569A1 (en) | Learning model construction device, abnormality detection device, abnormality detection system and server | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及*** | |
CN112362304B (zh) | 一种在多根光缆中识别目标光缆的方法及相应的*** | |
CN110361164B (zh) | 一种海底光缆断点位置和扰动位置分析方法及*** | |
CN114352486A (zh) | 一种基于分类的风电机组叶片音频故障检测方法 | |
CN115640503A (zh) | 风电机组叶片异常检测方法和装置 | |
Mahmoud et al. | Elimination of rain-induced nuisance alarms in distributed fiber optic perimeter intrusion detection systems | |
CN111173687B (zh) | 一种风电风机叶片裂纹损伤在线监测装置及方法 | |
CN117972584A (zh) | 一种光纤传感数据的模式识别方法及*** | |
CN112945531A (zh) | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 | |
US20230024104A1 (en) | Identification of false transformer humming using machine learning | |
CN110346032A (zh) | 一种基于恒虚警与过零率相结合的φ-otdr振动信号端点检测方法 | |
EP4254261A1 (en) | Blade fault diagnosis method, apparatus and system, and storage medium | |
JP3974492B2 (ja) | 異常音検出装置 | |
Tejedor et al. | Towards detection of pipeline integrity threats using a SmarT fiber-OPtic surveillance system: PIT-STOP project blind field test results | |
CN114139583A (zh) | 高速公路异常事件检测方法及*** | |
CN107548007A (zh) | 一种音频信号采集设备的检测方法及装置 | |
CN112729783A (zh) | 风机叶片故障诊断方法、装置、设备及计算机存储介质 | |
CN110307899A (zh) | 一种基于深度学习的声音异常检测*** | |
US20230266196A1 (en) | Audio based wooden utility pole decay detection based on distributed acoustic sensing and machine learning | |
CN117932525A (zh) | 一种水轮发电机组声光纤故障识别方法、***、设备和介质 | |
CN117606602A (zh) | 一种基于光纤传感技术的高铁轨道质量检测方法及*** | |
Faisal et al. | Improving Event Classification Using Gammatone Filter For Distributed Acoustic Sensing | |
CN115169500A (zh) | 一种基于Inception与GMM的压缩机设备异常状态检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |