【摘 要】
:
光纤预警系统(Optical Fiber Pre-warning System,OFPS)是一种铺设于管道周围、利用分布式光纤传感的预警系统,因具备稳定且精确度较高的特点,被广泛应用于检测管道泄露、人为或机械等入侵行为。OFPS在检测到信号入侵后,识别部分可以通过算法判断入侵信号的类型,依据信号的危险程度采取不同的手段及时止损。目前,在OFPS领域已经有很多成熟的检测与识别算法,但如何判断振动信号
论文部分内容阅读
光纤预警系统(Optical Fiber Pre-warning System,OFPS)是一种铺设于管道周围、利用分布式光纤传感的预警系统,因具备稳定且精确度较高的特点,被广泛应用于检测管道泄露、人为或机械等入侵行为。OFPS在检测到信号入侵后,识别部分可以通过算法判断入侵信号的类型,依据信号的危险程度采取不同的手段及时止损。目前,在OFPS领域已经有很多成熟的检测与识别算法,但如何判断振动信号的类型仍是该系统的难点和重点。本文对多类型光纤振动信号的特征提取与分类问题开展研究,提出的特征提取算法实现了对人工信号和机械信号的分类。为提升分类算法的准确率,本文针对不同自适应时频分析方法展开研究并提出改进策略,最终实现了对四种振动信号的分类并提高了算法的效率。本文首先介绍了时域和频域上两种单一特征提取的方法,然后根据不同时序信号的特点提出基于熵域的样本熵特征提取方法,完成了对手动敲击和挖地两种人工入侵信号的特征提取。其次,针对单一方式的特征提取方法通用性较低、难以识别多类型振动信号的问题,本文利用时频综合分析的方法对其研究,采用自适应变分模态分解(Variational Modal Decomposition,VMD)算法处理光纤振动信号。对于VMD需要人工预设模态分解参数才能合理获取组成分量的问题,本文提出了加入反馈模式的VMD改进算法,避免人工设参的框束并提高了算法的自适应性,利用该算法实现了对人工敲击、镐刨、电钻三种信号相似分量的边际谱特征提取。另外,针对反馈模式的VMD算法在重构时易出现丢失信息的问题,本文提出基于FDM能量熵的特征提取与分类算法,实验结果表明该算法分类效果更好且自适应性更高。傅里叶分解算法(Fourier Decomposition Algorithm,FDM)采用从低频到高频(Low Frequency to High Frequency,LTH)的搜索模式自动获取模态分量并计算分解数目,本文利用相关性理论对FDM分解结果进行筛选和重构处理,然后依据信息熵定义和能量熵空间理论定义了FDM能量熵特征,将光纤振动信号的FDM能量熵与其他重要特征组合成特征向量,最终结合SVM实现了对敲击、挖地、小跑、电钻四种光纤振动信号的准确分类。
其他文献
同时定位与构图(Simultaneous Localization and Mapping,SLAM)是指运动物体在环境中根据传感器的测量信息,解算自身位姿时,同步构建环境地图的过程。SLAM作为导航和感知的关键技术受到了广泛地关注,已经在航空航天、交通运输、物流仓储等领域得到应用。目前,如何实现高精度、强自主、抗干扰能力强的定位与构图是SLAM技术研究的重点和难点问题。针对传统SLAM方法中自主
随着国内社会老龄化程度地加重,人体健康问题也越来越突出并逐渐引起重视。常言道“人老腿先衰”,膝关节的健康状况紧密联系着人们的运动机能从而影响日常生活。传统穿戴式评估膝关节健康的方式存在依赖医学设备、穿戴复杂、非医务人员操作困难等问题。针对传统监测手段缺陷,利用光学原理提取关键信息并建立膝关节运动模型,开展膝关节健康监测的非接触式技术研究具有应用价值和研究意义。论文的主要工作和创新性如下:(1)基于
心率是衡量人体健康状况的重要指标之一,非接触式心率测量方法相比于接触式心率测量方法具有一定的优点。非接触式心率测量依赖光电容积脉搏波描记法(IPPG),通过摄像头拍摄人体皮肤提取血液容积脉冲(BVP)信号,实现心率的测量,适用各种复杂场景。在非接触式心率测量中,盲源分离是一种广泛采用的提高心率测量精度的手段,开展联合盲源分离的非接触式心率测量技术研究具有重要意义。论文的主要工作及创新如下:(1)针
随着大跨度、超高层建筑的发展,以及装配式建筑的兴起,越来越多的建筑采用钢结构形式。其中冷弯薄壁型钢因具有质量轻、截面型式多样及拼装便捷的优点,得到日益广泛的应用。而拼合截面冷弯薄壁型钢组合柱则是通过铆钉将C型钢和钢板拼合到一起并灌注混凝土,增强了组合柱的承载能力和稳定性。本文采用试验研究和理论分析相结合的方法,针对拼合截面冷弯薄壁型钢组合柱的力学性能进行研究,为该类构件在工程中的应用提供支撑。通过
近年来,网络化的状态估计因具有低成本、远距离传输、高可靠等特点被广泛应用于智慧交通、物联网等领域。目前,网络化的状态估计面临通信带宽有限、量测数据丢失和存在外部输入等问题。传感器能量有限、器件老化、网络拥塞等原因易引起数据传输过程中能耗高、量测数据丢失与不连续等问题,导致状态估计性能下降。现有网络化状态估计方法大多基于高斯分布建模量测噪声,但在实际系统中,由于量测野值、建模误差等原因导致量测噪声呈
随着地铁数量的不断增加,地铁车站工作人员和乘客的舒适性和安全性越来越受到人们的重视。对于地铁站内的环境状况进行分析和预测已成为决策和行动的重要依据。传统的点预测方法的输出结果是未来一段时间内的环境参数的具体数值,如果预测模型输出的结果是基于不同置信度的概率值而不是精确数值的话,可能更接近实际情况的要求。因此,本文提出了基于自回归长短时记忆(LSTM)神经网络的地铁车站环境参数概率预测方法,对地铁车
随着人工智能的崛起,人机交互操作系统已经在很多领域广泛应用,尤其是要求精准度和高危的领域,例如:空中交通管理系统,飞机驾驶系统和深海潜行系统等。操作人员在执行任务时需要具备良好的工作状态,分析脑力负荷水平,可以判断其脑力负荷状态,保证人员安全和任务有效执行。因此通过判断操作人员脑力负荷状态并对其进行准确辨识很有意义。常用的脑力负荷辨识方法是基于脑电信号(electroencephalogram,E
近年来,随着深度学习的发展,其在各个领域都应用广泛。但在实际中,深度学习仍存在许多问题。首先获取一个性能良好的深度学习模型需要大规模的标记样本对其进行训练,但是给样本做标注的过程既浪费时间又浪费劳动力。其次,深度学习模型使用当前场景下的数据进行训练和测试的效果较好,但是当测试数据与训练数据存在分布差异时,深度学习模型的泛化能力明显下降。这就导致要花费大量人力物力重新标注样本,并对模型再次进行训练。
圆周扫描地基SAR是将机载圆迹SAR模式引入地基平台的一种新体制地基SAR,与传统的直线轨道地基SAR相比,其具有三维成像能力、单次数据采集时间短、滑坡监测时效性强等优势。近年来,研制具备三维成像能力的地基SAR系统已成为一个国际研究热点。作为一种全新的地基SAR模型,圆周扫描地基SAR仍处于刚起步的阶段。目前,国际上已经验证了利用该模式三维成像的可行性,但其三维成像质量与实际应用中的成像质量要求
计算机技术发展以来,人机交互成为了计算机领域主要研究的内容之一。随着人工智能技术的快速发展,越来越多的人机交互成果被使用在生活中,同时驱动着机器视觉中与人脸相关的大量研究与应用,人脸表情是其中重要的组成部分。生成对抗网络(GANs)自2014年提出,被广泛应用在文本、图像等领域。学者们利用其优秀的生成能力进行人脸研究并且取得一些成果。但是近几年的研究发现,GANs在有限样本的情况下容易产生欠拟合,