一种用于光纤震动监测的故障识别方法技术

本发明专利技术公开了一种用于光纤震动监测的故障识别方法

【技术实现步骤摘要】
一种用于光纤震动监测的故障识别方法、装置及介质


[0001]本专利技术涉及光纤传感
，具体涉及一种用于光纤震动监测的故障识别方法
、
装置及介质
。

技术介绍

[0002]城市地下电缆沿线设施非常复杂，电缆的铺设可能产穿越人口密集的中心区域
、
车流量较大的高架桥
、
学校
、
工厂等
。
不同地理特性沿线的振动量存在着很大差异，如在干扰性行为较多的公路沿线，一般
2000
幅值的波形强度可能都不是由外部破坏引发的，而在相对僻静的郊区段，
500
幅值的波形强度已是一个可被认为破坏事件的施工行为
。
如何在长距离电缆枝状管网安全监测过程中，准确识别出光缆沿线发生的动作中哪些动作需要报警，哪些动作无需报警，已成为城市电缆光缆预警检测系统的一大主要任务
。

技术实现思路

[0003]为在复杂地理环境下，尽可能的降低外部干扰振动信号对于第三方破坏分析预测的干扰，提高预测的准确性，本专利技术提出了一种用于光纤震动监测的故障识别方法，包括步骤：
[0004]S1
：通过图嵌入将光缆沿线防区地理信息与振动信号进行地理坐标关联，并通过统计学处理获取各防区对应振动信号的地理关联信息；
[0005]S2
：根据地理关联信息进行分布式光纤时序特征中差异化特征的提取；
[0006]S3
：根据差异化特征对应信号的接收时序，获取光缆沿线振动事件的时空信息；
[0007]S4
：以时空信息作为模型训练数据，对各目标机器模型进行多噪声干扰下第三方破坏的特征识别训练；
[0008]S5
：基于训练后的各目标机器模型，结合全连接级联神经网络进行特征融合下的识别模型获取；
[0009]S6
：通过获取的识别模型对目标振动信号进行实时第三方破坏识别
。
[0010]进一步地，所述
S2
步骤中，差异化特征的提取包括基于振动信号差异的特征重构，以及基于偶发尖峰事件的特征重构
。
[0011]进一步地，所述基于振动信号差异的特征重构具体为：根据振动信号地理坐标处地理关联信息的波形变化特点及幅值能量，进行入侵振动信号的区分
。
[0012]进一步地，所述基于偶发尖峰事件的特征重构具体为：根据偶发性尖峰的发生频次特性，进行单位时间内峰值排序下预设排序的上限部分振动信号削弱，以及根据频繁低弱噪声的幅值特性，进行基础底噪设定下的下限部分振动信号削弱
。
[0013]进一步地，所述
S4
步骤中，目标机器模型包括：随机森林模型
、
回归树模型
、
梯度提升决策树模型
、
轻量级梯度提升机器学习模型
。
[0014]进一步地，所述
S5
步骤中，各目标机器模型采用双曲正切激活函数，并将各目标机器模型的输出输入以线性求和函数作为神经元的全连接级联神经网络中
。
[0015]还包括一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述一种用于光纤震动监测的故障识别方法的步骤
。
[0016]还包括一种处理数据的装置，包括：
[0017]存储器，其上存储有计算机程序；
[0018]处理器，用于执行所述存储器中的计算机程序，以实现所述一种用于光纤震动监测的故障识别方法
。
[0019]与现有技术相比，本专利技术至少含有以下有益效果：
[0020](1)
本专利技术所述的一种用于光纤震动监测的故障识别方法
、
装置及介质，通过将地理信息与光纤振动信号相关联，并将关联后的数据作为模型的训练以及预测数据，从而使得数据本身能够包含更多对第三方破坏识别有益的数据，大大降低地理环境因素带来的振动信号对识别的干扰；
[0021](2)
通过采用多种不同原理的机器学习方法，并通过全连接级联神经网络进行结合，有效减少单机器模型的识别盲区，提升整体预测结果的可靠性
。
附图说明
[0022]图1为一种用于光纤震动监测的故障识别方法的步骤图；
[0023]图2为第三方破坏事件与偶发性尖峰的细化波形对比
。
具体实施方式
[0024]以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例
。
[0025]实施例一
[0026]城市地下配电线路光缆预警检漏系统中，模式识别是的核心技术之一，而检测信号特征向量的提取又是模式识别模块中最关键的环节之一
。
为分类识别提供特征向量，光纤扰动信号的特征向量需满足以下三个条件：
[0027]1)
特征需具有唯一性，不同类别的扰动信号应具有自己独特的特征属性，并且和其他类型扰动的特征发生重叠；
[0028]2)
特征需具有稳定性，特征不会随着时间推移
、
样本数目
、
外界环境等因素的改变而发生改变，即信号的固有特征始终都存在且稳定不变；
[0029]3)
特征需具备普遍性，即不同类别的事件在同一特征下能够表征事件间的差别
。
特别在分布式光纤预警系统中，特征数据能够量化，方便进行定量处理
。
[0030]现阶段，大多数光纤波形的特征抽取基本是从波形自身出发，从时频域的角度出发，基于统计特征和频谱特性对外部破坏和各类干扰事件进行区分判别
。
在时域维度上，由于振动信号本身的特点，作用在光纤上时对长度以及折射率的影响同样也带有振动的特性
。
振动的特征会间接地反映在相位变化函数中，进而影响到后向瑞利散射光相干光强
。
[0031]现有方法下，因为光缆沿线的各类设施
、
地质以及干扰性事件多发，这些传统性的特征提取方案，都难以刻画在复杂干扰环境下第三方破坏和重型车辆
、
车流鸣笛
、
工厂轰鸣等强干扰事件的差异性
。
如何合理化利用时域性特征，实现高区分度的区分第三方破坏和各类强干扰事件是一项十分重要的工作
。
[0032]值得一提的是，地下电缆沿线的地理信息在现有技术应用中都不曾合理利用，而防区的地理信息其实蕴含着诸多的有用数据，如一般活动较少的郊区和学校段，其第三方破坏事件的入侵波形较为明朗，而在公路
、
十字路口沿线的则附带很大的干扰
。
如何合理的引入各防区的地理地质信息，是提供全线路段高准确性第三方破坏识别的有效途径之一
。
[0033]基于上述，本专利技术提出了一种基于数据驱动失控特征重构下的光纤震动监测的故障识别方法，最大限度的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于光纤震动监测的故障识别方法，其特征在于，包括步骤：
S1
：通过图嵌入将光缆沿线防区地理信息与振动信号进行地理坐标关联，并通过统计学处理获取各防区对应振动信号的地理关联信息；
S2
：根据地理关联信息进行分布式光纤时序特征中差异化特征的提取；
S3
：根据差异化特征对应信号的接收时序，获取光缆沿线振动事件的时空信息；
S4
：以时空信息作为模型训练数据，对各目标机器模型进行多噪声干扰下第三方破坏的特征识别训练；
S5
：基于训练后的各目标机器模型，结合全连接级联神经网络进行特征融合下的识别模型获取；
S6
：通过获取的识别模型对目标振动信号进行实时第三方破坏识别
。2.
如权利要求1所述的一种用于光纤震动监测的故障识别方法，其特征在于，所述
S2
步骤中，差异化特征的提取包括基于振动信号差异的特征重构，以及基于偶发尖峰事件的特征重构
。3.
如权利要求2所述的一种用于光纤震动监测的故障识别方法，其特征在于，所述基于振动信号差异的特征重构具体为：根据振动信号地理坐标处地理关联信息的波形变化特点及幅值能量，进行入侵振动信号的区分
。4.
...

【专利技术属性】
技术研发人员：李凯鹏，胡奕蕾，吕龙进，黄瑶，王云葛，王京锋，张文雯，吴仁光，陈磊，陈洲，吴星笑，史海勇，邬家伟，
申请(专利权)人：国网浙江省电力有限公司象山县供电公司，
类型：发明
国别省市：