基于分布式光纤传感的智能环境感知技术研究

论文摘要

随着社会的发展,科技的进步,人类对周界安全防范的需求愈来愈高,针对各种社会财产和公共设施的保护更逐渐受到国家的重视。对于边境、机场、军事基地、指挥中枢、通信中心、交通线路、能源管线、通信线路这些位置固定而地理范围较广的防务目标而言,其共同的需求是周界预警系统具有超长距离情况下智能环境感知的能力,实现此类需求的难度在于:1.实现超长距离（50Km）全天候的实时监控;2.实现对周界环境的智能感知,即智能信息处理与识别;3.具有环境自适应能力,即系统针对环境的变化或新的周界威胁事件的出现而进行的自适应增量学习。为满足需求,需要综合应用传感技术、电子技术、数字信息处理、模式识别、软/硬件技术、系统集成、网络技术等多学科知识。而目前国外已经开发的产品或国内外研究所的实验原型系统均无法同时满足上述三项需求,尤其是环境的智能感知与自适应能力。本文工作源于863课题,以地埋分布式光纤作为传感器采集周界环境的（土壤）微振动信息,并在此基础上重点研究微振动信号的智能处理与识别技术。具体说来,本文的主要工作包括:1.基于分布式光纤传感的信息采集原理分析。本文介绍了用于信息采集的基于Mach-Zehnder干涉原理的分布式光纤传感模型,包括采集信号的形态,对外界扰动的抑制,以及对被测量的分布式定位。2.微振动信号的分析。本文针对实时微振动信号的特点,基于包络分析并结合图形形态学的思想实现了振动片段分割,继而采用平稳小波阈值衰减算法抑制信号中的各种干扰。3.微振动信号的模式分类与环境感知。本文结合时-频分析与时域统计分析手段,得到振动片段的基于小波包分解和Gram-Charlier正交分解的特征向量,并分析了主成分分析和独立分量分析对特征向量的处理效果。在信号分类阶段,提出基于核空间层次聚类的支持向量机树分类器构建方法,并引入时间序列分析的思想,对分类结果进行后处理,实现对环境的智能感知。最后,针对环境的自适应增量学习中,旧类别新样本和新类别新样本这两个不同的层次,提出适应系统应用需求的增量学习方法。4.建立通用的智能环境感知与预警体系架构。本文针对预警系统的在线信号分析与智能环境感知的需求,建立了“信号分割与滤噪特征提取信号识别事件分析人机交互自适应学习”这一方法体系。该方法体系具有一定的通用性。5.实现长距离输油气管道安全预警系统。基于本文提出的体系架构,本文构建了长距离输油气管道安全预警系统,并投入中石油管道局的现实应用。本文的主要创新点包括:1.本文首次针对实时微振动信号进行在线分析与智能识别,提出了一套完整稳定的方法体系。2.基于本文提出的方法体系,实现了软硬件松散耦合的“物理传感——信号处理——识别模型”一体化系统架构,基于嵌入式计算机平台进行技术实现与系统集成,实现了超长距离微振动信号分析与环境智能感知系统,与国际国内同类系统相比,具有更高性能。3.本文构建的长距离输油气管道安全预警体系已投入中石油管道局的现实应用,经现场验证,具有高精度和智能化的优点。本文成果具有较好的可扩展性,经级联可形成管线-区域-国家多级覆盖,填补了国内能源领域油气管线安全预警的空白。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 第一节 引言
• 1.1.1 本课题的提出背景
• 1.1.2 智能环境感知系统的需求分析
• 第二节 研究概况暨文献综述
• 1.2.1 长距离分布式光纤传感技术
• 1.2.2 智能环境感知技术与环境自适应性
• 第三节 本研究的内容、意义与创新性
• 1.3.1 本研究的重点内容
• 1.3.2 本研究的意义与创新性
• 第四节 本文的组织
• 第二章 基于分布式光纤传感的智能环境感知系统架构设计
• 第一节 引言
• 第二节 方法模型
• 第三节 结构模型
• 第四节 本文工作的特色
• 第三章 基于分布式光纤传感的信息采集
• 第一节 引言
• 第二节 基于Mach-Zehnder 干涉原理的光相位传感与检测
• 第三节 对外界扰动的抑制
• 第四节 被探测量的分布式定位
• 第五节 小结
• 第四章 感应微振动信号的分析
• 第一节 引言
• 第二节 感应微振动信号的分割
• 第三节 感应微振动信号的噪声消除
• 第四节 微振动信号分析的整体实现流程
• 第五节 小结
• 第五章 环境的智能感知
• 第一节 引言
• 第二节 环境信息识别的流程设计
• 第三节 感应微振动信号的特征提取
• 5.3.1 特征抽取与特征选择
• 5.3.2 基于统计分析的时域特征抽取
• 5.3.3 基于小波包分析的时-频特征抽取
• 5.3.4 基于次优小波包基的特征选择
• 5.3.5 基于主成分分析的特征选择
• 5.3.6 基于独立分量分析的特征选择
• 第四节 分类器设计
• 5.4.1 支持向量机模型研究综述
• 5.4.2 基于核空间层次聚类的SVM 树分类器
• 5.4.3 环境事件的时间序列分析
• 第五节 基于人机交互的增量学习
• 5.5.1 分类器的增量学习
• 5.5.2 特征分析算法的增量学习
• 第六节 小结
• 第六章 应用实例：长距离输油气管道安全预警系统
• 第一节 引言
• 第二节 油气管道监控领域研究综述
• 第三节 安全预警系统的实现
• 6.3.1 实现模型
• 6.3.2 系统集成
• 第四节 实验
• 6.4.1 实验数据与实验环境
• 6.4.2 土壤振动信号的分割与除噪
• 6.4.3 土壤振动信号的特征提取
• 6.4.4 管道周边破坏性行为的识别
• 第五节 小结
• 第七章 总结与展望
• 参考文献
• 致谢
• 个人简历及在学期间发表的学术论文及研究成果