【技术实现步骤摘要】
本申请涉及信号检测，特别涉及一种光纤振动检测方法及系统。
技术介绍
1、在工业生产、基础设施维护等领域，振动信号分析是一项重要的技术手段，用于监测设备的状态、预测故障发生等。近年来，随着光纤传感技术的发展，光纤振动检测因其高灵敏度、长距离传输能力和抗电磁干扰等优点，在振动信号监测中得到了广泛应用。
2、传统的振动信号处理方法通常仅依赖单一特征（如振动强度或频率）来判断设备的状态，这种方式虽然简单，但仅依靠某一特征无法全面反映设备的真实状态，容易导致误判或漏判。
技术实现思路
1、本申请所要解决的技术问题是提供一种光纤振动检测方法及系统，能够准确地确定振动信号是否异常。具体方案如下：
2、一种光纤振动检测方法，所述方法包括：
3、获取来自光纤传感器的振动信号；
4、对所述振动信号进行特征提取，获得振动特征，所述振动特征包括振动幅度、振动频率和相位；
5、将所述振动特征输入到预先训练好的回归模型，获得所述振动信号的振动强度；
6、将所述振动特征输入到预先训练好的神经网络模型，获得所述振动信号对应的类别标签；
7、根据所述振动强度、所述类别标签、所述振动频率以及所述光纤传感器的位置信息，获得所述振动信号的振动评分；
8、在所述振动评分大于预先设置的评分阈值的情况下，确定所述振动信号为异常振动信号。
9、上述的方法，可选的，所述回归模型的训练过程，包括：
10、获取第一训
11、在所述第一训练样本集的各个所述第一训练样本中确定出当前用于训练的第一目标训练样本；
12、将第一目标训练样本输入到初始回归模型中，获得初始回归模型输出的第一识别结果；
13、基于预设的均方误差损失函数、所述第一目标训练样本对应的振动强度以及所述第一识别结果，计算得到所述初始回归模型的第一损失函数值；
14、利用所述第一损失函数值更新所述初始回归模型的模型参数；
15、在更新模型参数后的所述初始回归模型未满足预设的第一训练完成条件的情况下，返回执行在所述第一训练样本集的各个所述第一训练样本中确定出当前用于训练的第一目标训练样本的步骤；
16、在更新模型参数后的所述初始回归模型满足预设的第一训练完成条件的情况下，将满足第一训练完成条件的所述初始回归模型，作为训练好的回归模型。
17、上述的方法，可选的，所述神经网络模型的训练过程，包括：
18、获取第二训练样本集以及待训练的初始神经网络模型；所述第二训练样本集包括多个第二训练样本以及每个第二训练样本的分类标签；所述第二训练样本包括历史振动信号的振动幅度、振动频率和相位，所述分类标签包括正常操作振动类型、设备故障振动类型、人为活动振动类型和自然活动振动类型中的一种；
19、在所述第二训练样本集的各个所述第二训练样本中确定出当前用于训练的第二目标训练样本；
20、将第二目标训练样本输入到所述初始神经网络模型中，获得所述初始神经网络模型输出的第二识别结果；
21、基于预设的交叉熵损失函数、所述第二目标训练样本的分类标签以及所述第二识别结果，计算得到所述初始神经网络模型的第二损失函数值；
22、利用所述第二损失函数值更新所述初始神经网络模型的模型参数；
23、在更新模型参数后的所述初始神经网络模型未满足预设的第二训练完成条件的情况下，返回执行在所述第二训练样本集的各个所述第二训练样本中确定出当前用于训练的第二目标训练样本的步骤；
24、在更新模型参数后的所述初始神经网络模型满足预设的第二训练完成条件的情况下，将满足第二训练完成条件的所述初始神经网络模型，作为训练好的神经网络模型。
25、上述的方法，可选的，所述确定所述振动信号为异常振动信号，还包括：
26、获取各个历史振动信号对应的历史评分阈值的平均值；
27、根据所述评分阈值以及所述平均值，计算得到目标阈值；
28、利用目标阈值替换当前的所述评分阈值，以将所述目标阈值作为新的评分阈值。
29、上述的方法，可选的，所述确定所述振动信号为异常振动信号之后，还包括：
30、获取所述光纤传感器对应的设施重要性参数以及所述类别标签对应的振动信号累计出现次数；
31、根据所述振动强度、所述光纤传感器对应的设施重要性参数以及所述类别标签对应的振动信号累计出现次数，确定所述振动信号对应的资源调度优先级；
32、根据所述振动信号对应的资源调度优先级生成维护工单，并输出所述维护工单。
33、一种光纤振动检测系统，包括：
34、第一获取单元，用于获取来自光纤传感器的振动信号；
35、特征提取单元，用于对所述振动信号进行特征提取，获得振动特征，所述振动特征包括振动幅度、振动频率和相位；
36、第一执行单元，用于将所述振动特征输入到预先训练好的回归模型，获得所述振动信号的振动强度；
37、第二执行单元，用于将所述振动特征输入到预先训练好的神经网络模型，获得所述振动信号对应的类别标签；
38、第三执行单元，用于根据所述振动强度、所述类别标签、所述振动频率以及所述光纤传感器的位置信息，获得所述振动信号的振动评分；
39、第一确定单元，用于在所述振动评分大于预先设置的评分阈值的情况下，确定所述振动信号为异常振动信号。
40、上述的系统，可选的，所述第一执行单元，包括：
41、第一获取子单元，用于获取第一训练样本集以及待训练的初始回归模型；所述第一训练样本集包括多个第一训练样本以及每个第一训练样本对应的振动强度；所述第一训练样本包括历史振动信号的振动幅度、振动频率和相位；
42、第一确定子单元，用于在所述第一训练样本集中确定出当前用于训练的第一目标训练样本；
43、第一执行子单元，用于将第一目标训练样本输入到初始回归模型中，获得初始回归模型输出的第一识别结果；
44、第一计算子单元，用于基于预设的均方误差损失函数、所述第一目标训练样本对应的振动强度以及所述第一识别结果，计算得到所述初始回归模型的第一损失函数值；
45、第一更新子单元，用于利用所述第一损失函数值更新所述初始回归模型的模型参数；
46、第二执行子单元，用于在更新模型参数后的所述初始回归模型未满足预设的第一训练完成条件的情况下，返回触发所述第一确定子单元执行在所述第一训练样本集的各个所述第一训练样本中确定出当前用于训练的第一目标训练样本；
47、第三执行子单元，用于在更新模型参数后的所述初始回归模型满足预设本文档来自技高网...
【技术保护点】
1.一种光纤振动检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述回归模型的训练过程，包括：
3.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定所述振动信号为异常振动信号，还包括：
5.根据权利要求1所述的方法，其特征在于，所述确定所述振动信号为异常振动信号之后，还包括：
6.一种光纤振动检测系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，所述第一执行单元，包括：
8.根据权利要求6所述的系统，其特征在于，所述第二执行单元，包括：
9.根据权利要求6所述的系统，其特征在于，还包括：
10.根据权利要求6所述的系统，其特征在于，还包括：
【技术特征摘要】
1.一种光纤振动检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述回归模型的训练过程，包括：
3.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定所述振动信号为异常振动信号，还包括：
5.根据权利要求1所述的方法，其特征在于，所述确定所...
【专利技术属性】
技术研发人员：周素芹，魏茂安，周素婷，
申请(专利权)人：青岛汇安谷科技发展有限公司，
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。