【技术实现步骤摘要】
本公开涉及海缆状态监测，特别是涉及一种基于光纤传感的目标事件检测方法、装置及计算机设备。
技术介绍
1、海底电缆输电工程在区域电网互联、海洋孤岛送电联网以及石油钻探平台间供电、输送海上再生能源的发电并网等领域得到了更为广泛的应用，这使得海缆的使用场景也越来越广泛，然而海缆发生事故不仅会对日常生产活动造成巨大干扰，同时海缆维修费用也是非常昂贵，因而实现对锚害事件进行在线检测具有重大意义。
2、在相关技术中，海缆受埋敷深浅、洋流冲刷强弱、水域深浅、局部气温高低等多种因素干扰，分布式振动光纤设备实际检测到的扰动信号是复杂多变的，这极大的增加了锚害检测的复杂度和运维成本。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于光纤传感的目标事件检测方法、装置、计算机设备、存储介质。
2、第一方面，本公开提供了一种基于光纤传感的目标事件检测方法。所述方法包括：
3、采集目标海缆段在预设时间内的初始振动信号，并对所述初始振动信号进行第一预处理得到处理信号；所述第一预处理至少包括过滤所述初始振动信号中的干扰信号；
4、将所述处理信号输入预先建立的残差神经网络，利用所述残差神经网络抽取所述处理信号中的信号特征；
5、将所述信号特征分别输入若干组预测模型，得到所述若干组预测模型输出的是否存在锚害的若干组初步检测结果；所述若干组预测模型至少包括两组不同类型的预测模型；
6、根据投票决策规则对所述若干组初步检测结果进行判断，
7、在其中一个实施例中，所述对所述初始振动信号进行第一预处理得到扰动信号包括：
8、过滤所述初始振动信号中的异常信号，得到第一振动信号；
9、过滤所述第一振动信号中非目标采样点处采集的振动信号，得到第二振动信号；
10、过滤所述第二振动信号中低于预设频率阈值的低频振动信号，得到所述处理信号。
11、在其中一个实施例中，所述残差神经网络包括卷积层、最大池化层、残差模块、平均池化层，所述将所述处理信号输入预先建立的残差神经网络，利用所述残差神经网络抽取所述处理信号中的信号特征包括：
12、对所述处理信号进行第二预处理后输入到所述卷积层；
13、将所述卷积层的输出输入至所述最大池化层；
14、将所述最大池化层的输出输入至所述残差模块；
15、将所述残差模块的输出输入至所述平均池化层，获得所述平均池化层输出的所述信号特征。
16、在其中一个实施例中，所述若干组预测模型包括梯度提升树模型、贝叶斯预测模型、支持向量机模型、k近邻模型中的任意两组或多组。
17、在其中一个实施例中，根据投票决策规则对所述若干组初步检测结果进行判断，得到最终检测结果包括：
18、确定所述若干组初步检测结果中检测结果为是的结果占比；
19、根据所述投票决策规则中设定的占比阈值，在确定所述结果占比大于所述占比阈值的情况下，输出最终检测结果为是。
20、在其中一个实施例中，所述占比阈值为零，所述在确定所述结果占比大于所述占比阈值的情况下，输出最终检测结果为是包括：
21、在所述若干组初步检测结果中至少任意一组的检测结果为是的情况下，输出最终检测结果为是。
22、第二方面，本公开还提供了一种基于光纤传感的目标事件检测装置。所述装置包括：
23、信号采集模块，用于采集目标海缆段在预设时间内的初始振动信号，并对所述初始振动信号进行第一预处理得到处理信号；所述第一预处理至少包括过滤所述初始振动信号中的干扰信号；
24、特征抽取模块，用于将所述处理信号输入预先建立的残差神经网络，利用所述残差神经网络抽取所述处理信号中的信号特征；
25、预测模型模块，用于将所述信号特征分别输入若干组预测模型，得到所述若干组预测模型输出的是否存在锚害的若干组初步检测结果；所述若干组预测模型至少包括两组不同类型的预测模型；
26、检测结果模块，用于根据投票决策规则对所述若干组初步检测结果进行判断，得到最终检测结果。
27、在其中一个实施例中，所述信号采集模块包括：
28、第一过滤单元，用于过滤所述初始振动信号中的异常信号，得到第一振动信号；
29、第二过滤单元，用于过滤所述第一振动信号中非目标采样点处采集的振动信号，得到第二振动信号；
30、第三过滤单元，用于过滤所述第二振动信号中低于预设频率阈值的低频振动信号，得到所述处理信号。
31、在其中一个实施例中，所述残差神经网络包括卷积层、最大池化层、残差模块、平均池化层，所述特征抽取模块包括：
32、卷积单元，用于对所述处理信号进行第二预处理后输入到所述卷积层；
33、最大池化单元，用于将所述卷积层的输出输入至所述最大池化层；
34、残差单元，用于将所述最大池化层的输出输入至所述残差模块；
35、平均池化单元，用于将所述残差模块的输出输入至所述平均池化层，获得所述平均池化层输出的所述信号特征。
36、在其中一个实施例中，所述若干组预测模型包括梯度提升树模型、贝叶斯预测模型、支持向量机模型、k近邻模型中的任意两组或多组。
37、在其中一个实施例中，所述检测结果模块包括：
38、结果占比单元，用于确定所述若干组初步检测结果中检测结果为是的结果占比；
39、投票决策单元，用于根据所述投票决策规则中设定的占比阈值，在确定所述结果占比大于所述占比阈值的情况下，输出最终检测结果为是。
40、在其中一个实施例中，所述占比阈值为零，所述投票决策单元用于在所述若干组初步检测结果中至少任意一组的检测结果为是的情况下，输出最终检测结果为是。
41、第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于光纤传感的目标事件检测方法的步骤。
42、第四方面，本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于光纤传感的目标事件检测方法的步骤。
43、第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述基于光纤传感的目标事件检测方法的步骤。
44、上述基于光纤传感的目标事件检测方法、装置、计算机设备、存储介质和计算机程序产品，至少包括以下有益效果：
45、本公开在采集到目标海缆段的初始振动信号后，进行了第一预处理以过滤部分干扰信号得到处理信号，减少了其他信号的干扰，并利用残差神经网络对处理信号进行处理，抽取其中的特征信号，大大提高了特征表达的质量，将抽取到的特征信号输入到多组预测模型中，本文档来自技高网...
【技术保护点】
1.一种基于光纤传感的目标事件检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述初始振动信号进行第一预处理得到扰动信号包括：
3.根据权利要求1所述的方法，其特征在于，所述残差神经网络包括卷积层、最大池化层、残差模块、平均池化层，所述将所述处理信号输入预先建立的残差神经网络，利用所述残差神经网络抽取所述处理信号中的信号特征包括：
4.根据权利要求1所述的方法，其特征在于，所述若干组预测模型包括梯度提升树模型、贝叶斯预测模型、支持向量机模型、K近邻模型中的任意两组或多组。
5.根据权利要求1所述的方法，其特征在于，所述根据投票决策规则对所述若干组初步检测结果进行判断，得到最终检测结果包括：
6.根据权利要求5所述的方法，其特征在于，所述占比阈值为零，所述在确定所述结果占比大于所述占比阈值的情况下，输出最终检测结果为是包括：
7.一种基于光纤传感的目标事件检测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于光纤传感的目标事件检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述初始振动信号进行第一预处理得到扰动信号包括：
3.根据权利要求1所述的方法，其特征在于，所述残差神经网络包括卷积层、最大池化层、残差模块、平均池化层，所述将所述处理信号输入预先建立的残差神经网络，利用所述残差神经网络抽取所述处理信号中的信号特征包括：
4.根据权利要求1所述的方法，其特征在于，所述若干组预测模型包括梯度提升树模型、贝叶斯预测模型、支持向量机模型、k近邻模型中的任意两组或多组。
5.根据权利要求1所述的方法，其特征在于，所述根据投票决策规则对所述若干组初步检测结果进行判断，得到最终检测结果包括：...
【专利技术属性】
技术研发人员：徐荣图，杨光，陈科新，姜明武，
申请(专利权)人：苏州光格科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。