考虑垂直距离分级的光纤防外破识别算法研究

为进一步加强光缆的运行保护措施,提出了一种基于分布式光纤振动系统的光缆外破事件器械识别与垂直距离判断的双指标方案。通过实时采集光纤振动信号,分析时频域信号的多重特征,提取受影响光纤段、频率能量占比、频率峰值及分布等关键性特征,送入训练好的宏流形学习模型下,同时识别光缆外破事件的器械类型及垂直距离,并对垂直距离进行分级预警,高效开启对应的及时响应措施。案例结果表明,本方案在应用中的识别率高达90%,实现外破类型和垂直距离分级的双识别,大大提高了光缆外破事件的防御举措。     

基于相位敏感型光时域反射仪的除尘器破袋检漏及定位技术

针对水泥生产行业中袋式除尘器破袋检漏定位问题,提出了基于分布式光纤振动传感的检漏定位方法。分布式光纤振动传感系统灵敏度高,可以检测到布袋破损后粉尘气流对光纤产生的微振动信号,以此判断布袋是否破损,并通过时域差分法来定位破袋。搭建了一套相位敏感型光时域反射仪(φ-OTDR),通过室内模拟得出该系统最大信噪比为10dB,实际空间分辨率为23.7m,同时验证了该系统能响应低频粉尘气流扰动信号。在现场平台实验基础上,结合支持向量机(SVM)算法对现场测试数据进行识别分类,平均破袋识别准确率可达97.8%。结合φ-OTDR分布式系统与SVM算法可有效解决袋式除尘器破袋检漏定位问题。     

利用深度神经网络实现分布式相干瑞利光纤振动事件分类

该文利用分布式相干瑞利光纤传感系统,在西气东输一线无锡至苏州段开展现场测试,采集了光纤沿线车辆行走、机械挖掘、人工锄地、定向钻孔等8种振动作业产生的光纤信号,并提出了一种具有5层结构的全连接深度神经网络用于振动事件分类识别以实现不同振动作业的分级管理。振动作业产生的光纤信号能量集中在低频,该文利用梅尔对数频率的非均匀特性提取了25维单帧信号特征量,并将连续40帧信号特征量组合成高维向量作为网络输入特征向量,实现对不同振动作业时变特性的建模。分类识别结果表明,基于深度神经网络结构的振动信号分类识别器能够有效识别不同振动作业类型,实际线路实验验证了该文算法的有效性。     

基于光纤振动安全预警系统的振源识别算法研究

光纤振动预警系统可自动采集周边振动信号,面对大量复杂的振动信号,如何准确识别目标振源是系统研究的难点。针对光纤振动安全预警系统采集到的振动信号进行属性特征分析,建立相应的特征模型,并建立振源属性特征模型,包括识别下雨振源的能量信息熵模型,以及区分机械施工和车辆经过振源的基频稳定性模型等。通过振源识别算法,提高了振源类型识别的准确性。测试结果表明,特征模型的设计和选择合理,识别准确率高。     

基于多重分形谱的光纤周界振动信号识别

为了有效识别光纤周界系统的振动信号,提出一种多重分形谱参数和改进概率神经网络相结合的光纤振动信号识别方法.该方法能够避免特征提取过程中需要选择经验阈值和模式识别过程中需要确定平滑因子的不足.首先,检验分析光纤振动信号多重分形的存在性和有效性.然后,计算和提取光纤振动信号的多重分形谱参数,构成能够准确描述信号非线性和复杂性特性的特征向量.最后,采用改进的概率神经网络算法进行自适应地学习和分类,实现对不同光纤振动信号的识别.采用现场实验采集的四种振动信号对该方法进行验证,结果表明,平均识别率达到96.25%,识别时间为1.63s.该方法在正确识别率方面优于传统的概率神经网络算法.     

基于YOLOv5s模型的光纤振动传感事件精准检测研究

通过将双马赫-曾德尔干涉仪（DMZI）分布式光纤振动传感系统和四旋翼无人机（UAV）监测系统融合,设计了一种基于YOLOv5s模型的多类别光纤振动传感事件精准检测方案。首先,通过地面站QGroundcontrol将DMZI与UAV进行联动控制。其次,将二维振动信号时频谱与无人机捕捉的对应原始图像共同送入YOLOv5s卷积神经网络模型进行识别检测。最后,为验证所提精准检测方案的有效性和可行性,对5种常见的传感模式进行实际应用环境下的实验测试与分析。实验结果表明,所提出的精准定位检测方案对5种传感模式的平均精度均值（mAP）可达96.6%,并且其平均识别检测时间可控制在5 ms内。     

一种基于光纤布喇格光栅振动传感器的光纤围栏入侵监测系统及其模式识别

基于高灵敏度光纤布喇格光栅振动传感器,提出了一种光纤围栏入侵监测系统及其模式识别方法.该方法通过具有自适应动态阈值的时域统计特征提取算法对异常事件信号进行特征提取,将特征矢量输入到一个基于三层BP神经网络而设计的分类器中对目标事件进行识别和分类.通过仿真目标信号和实际采样数据进行测试,对系统的报警识别率进行了验证,结果表明:对于仿真信号,系统的平均正确识别率达到了100%;对于实际采样数据,系统的平均正确识别率可以达到96.83%.     

基于EMD-AWPP和HOSA-SVM算法的分布式光纤振动入侵信号的特征提取与识别

针对传统的信号处理方法无法有效区分不同振动入侵信号,提出一种基于EMD-AWPP和HOSA-SVM算法的振动信息特征提取与识别方法,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。处理不同振动类型时,该方法首先利用基于经验模态分解的自适应小波包处理算法,不仅对信号的低频部分进行了分解,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理,改善了信号特征提取精度,减少传感信号异常值的影响; 其次采用高阶谱分析中的双谱和双相干谱,精确提取包含不同振动入侵信号类型的特征矢量; 最后在BPNN参比模型的基础上,用粒子群算法优化SVM的识别参数,使识别模型具有更强的自适应和自学习能力,克服了神经网络易陷入局部最优的不足之处,实现不同振动入侵信号的特征矢量识别。分析结果表明,针对不同类型的入侵源识别,该方法可以有效剔除随机噪声的影响,提取传感信息的特征矢量,降低异常值的影响,算法的预测类别与输出类别几乎一致,振动识别的精确率达到95%以上,识别效果明显强于BPNN网络的检测算法,提高了信息分析的准确性。     

内窥式二维光纤扫描探头及其驱动方法

基于压电换能器技术设计了一种应用于光学相干层析成像的新型内窥式二维光纤扫描探头,即利用两片压电陶瓷片和一片薄导电基片驱动光纤探头.该探头利用光纤悬臂的共振特性,通过对压电陶瓷施加等于光纤共振频率的混频信号,能同时激发光纤悬臂两正交方向上的振动,可以实现光纤悬臂的二维扫描.建立了理论模型并进行了有限元仿真分析,最后搭建了...     

基于BLCD分解与ACO-DBN网络的光纤振动信号识别

针对光纤振动信号受噪声干扰严重、特征提取单一和识别时间长的问题,提出了改进的局部特征尺度分解和蚁群算法优化深度置信网络的识别方法。首先,采用三次B样条函数插值拟合均值曲线改进局部特征尺度分解算法,并对原始信号进行分解得到一系列内禀尺度分量之和。其次,利用峭度因子和能谱系数构成融合指标筛选有效分量。然后,分别提取有效分量在时域、频域和时-频域的熵值特征进行融合并降维。最后,将综合特征向量馈入蚁群优化后的深度置信网络进行训练和识别,提高算法效率和识别率。采用实测数据进行实验验证,结果表明,信噪比平均提升8 dB,信号平均识别率可达95.83%,平均识别时间为0.715 s。     

内窥式二维光纤扫描探头及其驱动方法

基于压电换能器技术设计了一种应用于光学相干层析成像的新型内窥式二维光纤扫描探头,即利用两片压电陶瓷片和一片薄导电基片驱动光纤探头.该探头利用光纤悬臂的共振特性,通过对压电陶瓷施加等于光纤共振频率的混频信号,能同时激发光纤悬臂两正交方向上的振动,可以实现光纤悬臂的二维扫描.建立了理论模型并进行了有限元仿真分析,最后搭建了实验系统,验证并获得了扫描图样.实验结果实现了光纤悬臂的二维扫描,扫描范围达到(500×500)μm,调节驱动信号振幅幅值可以调节扫描范围.实验结果与理论分析和仿真相吻合,验证了方案的可行性.     

基于局部均值分解和串行特征融合的光纤周界振动信号识别

提出了一种基于局部均值分解(LMD)和串行特征融合(SFF)的光纤周界振动信号识别方法。该方法先去除噪声,提取振动信号的相关信息,再进行SFF以得到具有准确描述能力的特征向量,最后采用概率神经网络(PNN)算法进行学习和分类。利用不同单一振动信号和风雨天气干扰下的不同振动信号对该方法进行验证。结果表明,该方法在上述两种情况下的平均正确识别率分别达到96.0%和96.7%,识别时间分别为0.87 s和0.91 s,在敏感信息识别和特征提取方面明显优于传统的LMD算法和SFF-PNN算法。     

一种用于光纤链路振动信号模式识别的规整化复合特征提取方法

相位光时域反射链路监测系统是一种利用光纤作为传感介质的传感系统, 能够监测、定位、识别入侵信号.模式识别模块是其重要组成部分, 实时智能区分安全扰动和危险入侵.本文提出一种用于光纤链路振动信号模式识别的复合特征提取方法.利用改进的双门限方法确定有效信号段的起止位置, 结合最大能量与最高信噪比挑选出采样周期内主要入侵扰动的特征段.综合利用特征段时域持续时间和小波包能量谱提取复合特征向量, 使用支持向量机进行模式识别.实验表明, 基于本文提出的规整化特征提取方法的模式识别准确率有了显著提高.     

分时复用光纤光栅振动传感器阵列

结合基于3×3耦合器的光纤Mach-Zehnder干涉仪和可调谐光纤Fabry-Perot滤波器（Fiber-Fabry-Perot,FFP）,提出了一种分时复用光纤光栅振动传感器的技术.用FFP对串联在一根光纤上的光纤光栅的波长进行轮流扫描,让光栅的反射光按波长顺序依次通过FFP.而对于每一光纤光栅上外加的振动信号,用光纤Mach-Zehnder干涉仪进行测量.实际测量结果显示,FFP结合Mach-Zehnder能够对每一只光栅上的振动信号进行分时测量.     

基于补偿距离估计的光纤振动信号特征提取算法

为进一步提高光纤振动信号模式识别的实时性及准确性,提出一种基于补偿距离估计技术的信号特征提取算法.算法借鉴人类听觉感知机理,对光纤传感振动信号提取Mel频率倒谱系数特征向量,采用补偿距离估计技术制定特征筛选策略实现特征评估与优化.实验结果表明,基于补偿距离估计技术的振动信号特征提取算法可以有效减少光纤传感系统中影响分类...     

基于一维卷积神经网络的光纤周界入侵模式识别

针对干涉型分布式光纤传感系统,在通过Mel倒谱系数方法提取扰动信号频域特征进行模式识别的研究基础上,提出了一种基于一维卷积神经网络的光纤入侵模式识别方法。利用还原信号的分级阈值判断并提取入侵信号,有效减少了分帧方法导致的计算时间;构建了基于入侵信号傅里叶变换后的频域信息的一维卷积神经网络,自适应地提取扰动的信号频域特征。搭建了基于直线型Sagnac干涉结构的入侵检测系统,利用大量实验采集的样本数据集对网络进行训练,得到了较好的分类识别结果,测试集的平均识别率达到了96.5%,并对训练后网络的卷积核以及经过卷积核后的入侵信号进行了分析。zscore标准化后,一维卷积神经网络能够识别信号频域中的部分特征,对频率成分复杂的树枝拍打信号识别效果提升较大。     

耦合型高频光纤振动传感器实验研究

提出了一种耦合型高频光纤振动传感器,并设计了相应的解调电路和信号处理系统.对高频振动信号的响应波形和频率进行了测量,研究了光纤传感器对不同的振动强度和不同方向的振动信号的响应,分析了不同结构和不同材质的传输介质对光纤传感器测量结果的影响.实验证明所设计的耦合型高频光纤振动传感器截止频率达到8 kHz,振幅测量灵敏度为325 mV/mm,频率和幅值响应误差小于1%.     

基于光时域反射技术与缠绕式光纤传感陈列的结构状态监测方法

提出了一种新颖的、利用多模光纤缠绕钢绳式的传感阵列网络,对智能材料与结构的受力、应变等状态参量进行了监测和估计,并采用了光时域反射技术实时处理并行分布式传感信号,给出了测试数据、识别结果.     

光纤光栅马赫-曾德干涉仪条纹信号的傅里叶分析

基于长周期光纤光栅马赫-曾德干涉仪的频分复用技术是实现光纤多参量传感的重要途径.研究了频分复用中复合条纹信号的傅里叶处理方法,分析了傅里叶频谱中和频与差频信号的幅值与单个干涉条纹信号的关系,提出了抑制和频与差频信号的有效方法,即改变光栅结构参量适当降低中心波长处的条纹对比度以提高频谱信号的信噪比,增加特征频谱滤波的有效性.结果表明:经过优化调整的傅里叶频谱信噪比可以提高至原来的2倍以上;对比频谱调整后恢复相位的余弦曲线与原条纹信号发现,频谱信噪比提高的同时保留了反映各单个原条纹特征的足够相位信息.该光谱优化方法可为基于光纤光栅马赫-曾德干涉仪和频分复用的光纤多参量传感技术提供理论与技术指导.     

基于二阶保偏光纤Sagnac环光纤激光器的振动检测研究

提出了一种可用于振动检测的新型光纤光栅传感技术. 用偏振控制器和高双折射保偏光纤构建成Sagnac环, 结合掺铒光纤、单模光纤和隔离器, 形成了单波长光纤激光器, 由粘有光纤Bragg光栅的悬臂梁作为传感探头, 并利用Sagnac环本身的线性边缘, 解调振动信号. 阐述了Sagnac环原理及其产生的边缘效应, 并进行了数值模拟计算, 对振动信号进行了检测实验, 检测系统从L₁到L₁+L₂之间对应的周期可调, 灵敏度高达38.2 μ W/nm, 线性度为0.9996, 动态范围在40–70 dB, 可满足振动传感检测的技术参数要求. 关键词： 光纤光学 振动检测 保偏光纤Sagnac环 光纤激光器