本發(fā)明涉及光纖傳感，具體為一種基于陣列式光纖傳感技術(shù)的監(jiān)測(cè)預(yù)警系統(tǒng)。

背景技術(shù)：

1、光纖傳感技術(shù)是一種先進(jìn)的技術(shù)，廣泛應(yīng)用于各種需要實(shí)時(shí)監(jiān)測(cè)和預(yù)警的領(lǐng)域，如結(jié)構(gòu)健康監(jiān)測(cè)、安全監(jiān)測(cè)和環(huán)境監(jiān)測(cè)等。光纖傳感技術(shù)利用光纖傳輸光信號(hào)的特性，通過(guò)測(cè)量光信號(hào)在光纖中傳輸時(shí)的變化(如強(qiáng)度、相位、頻率和偏振等)，來(lái)感知環(huán)境參數(shù)的變化。其主要優(yōu)點(diǎn)包括高靈敏度、抗電磁干擾、耐腐蝕和適應(yīng)惡劣環(huán)境等。

2、陣列式光纖傳感技術(shù)是在光纖傳感技術(shù)的基礎(chǔ)上，采用多根光纖或光纖網(wǎng)絡(luò)形成陣列，能夠?qū)崿F(xiàn)多點(diǎn)和多參數(shù)的監(jiān)測(cè)。通過(guò)在不同位置布置多個(gè)光纖傳感器，可以獲取更加全面和詳細(xì)的監(jiān)測(cè)信息。這種技術(shù)特別適用于大范圍、復(fù)雜環(huán)境的監(jiān)測(cè)需求。在結(jié)構(gòu)健康監(jiān)測(cè)方面，光纖傳感器可以實(shí)時(shí)監(jiān)測(cè)橋梁、隧道、大型建筑等基礎(chǔ)設(shè)施的應(yīng)力、應(yīng)變和振動(dòng)等參數(shù)，提前發(fā)現(xiàn)潛在的安全隱患。在安全監(jiān)測(cè)方面，光纖傳感技術(shù)可以監(jiān)測(cè)油氣管道、電力線路和鐵路等關(guān)鍵設(shè)施的泄漏、破損和位移等異常情況，及時(shí)發(fā)出預(yù)警，避免事故發(fā)生。陣列式光纖傳感技術(shù)的主要優(yōu)勢(shì)包括高靈敏度和高精度、長(zhǎng)距離監(jiān)測(cè)、多點(diǎn)監(jiān)測(cè)以及智能化和數(shù)據(jù)分析。

3、鐵路運(yùn)輸是一個(gè)高度依賴安全性和可靠性的領(lǐng)域。通過(guò)陣列式光纖傳感監(jiān)測(cè)系統(tǒng)，可以實(shí)時(shí)監(jiān)測(cè)鐵路軌道和結(jié)構(gòu)的狀態(tài)。光纖傳感技術(shù)能夠覆蓋鐵路線路的整個(gè)長(zhǎng)度，無(wú)需部署大量傳感器設(shè)備；可以實(shí)現(xiàn)對(duì)長(zhǎng)距離鐵路的全面監(jiān)測(cè)，包括軌道位移、溫度變化、應(yīng)力和應(yīng)變等參數(shù)的監(jiān)測(cè)；能夠?qū)崿F(xiàn)多點(diǎn)同時(shí)監(jiān)測(cè)，適應(yīng)復(fù)雜的監(jiān)測(cè)需求，可以實(shí)現(xiàn)自動(dòng)化監(jiān)測(cè)和智能預(yù)警，提高系統(tǒng)的響應(yīng)速度和準(zhǔn)確性。

4、目前，在現(xiàn)有文獻(xiàn)對(duì)光纖傳感技術(shù)的監(jiān)測(cè)預(yù)警中仍存在一些缺陷，如，文獻(xiàn)(“分布式光纖傳感技術(shù)在煤礦安全監(jiān)測(cè)預(yù)警中的需求與挑戰(zhàn)”，《光學(xué)學(xué)報(bào)》，張旭蘋(píng)等，2023-12-01)運(yùn)用分布式光纖傳感技術(shù)監(jiān)測(cè)煤礦井下結(jié)構(gòu)變形、氣體泄漏和溫度變化等方面，并評(píng)估了其性能和可靠性。再如，文獻(xiàn)(“基于分布式光纖感測(cè)的巖土體變形監(jiān)測(cè)綜述”，《激光與光電子學(xué)進(jìn)展》，程剛等，2021-10-11)指出分布式光纖傳感技術(shù)能夠?qū)崿F(xiàn)對(duì)巖土體變形的實(shí)時(shí)、長(zhǎng)距離和高精度監(jiān)測(cè)，具有優(yōu)異的空間分辨率和靈敏度。以上現(xiàn)有技術(shù)均采用光纖傳感技術(shù)進(jìn)行監(jiān)測(cè)，但監(jiān)測(cè)過(guò)程中還具有異常點(diǎn)數(shù)據(jù)準(zhǔn)確性難以確定以及實(shí)時(shí)數(shù)據(jù)傳輸速率不及時(shí)等問(wèn)題，不利于監(jiān)測(cè)區(qū)域及時(shí)對(duì)異常信號(hào)進(jìn)行預(yù)警。

5、為此，提出一種基于陣列式光纖傳感技術(shù)的監(jiān)測(cè)預(yù)警系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于陣列式光纖傳感技術(shù)的監(jiān)測(cè)預(yù)警系統(tǒng)，在鐵路監(jiān)測(cè)區(qū)域的鐵軌1下方布置光纖傳感器2，布局為陣列形式，以接收鐵軌1周?chē)h(huán)境的實(shí)時(shí)數(shù)據(jù)；通過(guò)對(duì)接收到的實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理、特征提取和實(shí)時(shí)監(jiān)測(cè)，識(shí)別鐵軌1上的異常點(diǎn)。通過(guò)異常點(diǎn)的特征確定其類(lèi)型和位置，量化異常點(diǎn)的損耗程度并對(duì)鐵軌1上光纖傳感器2對(duì)應(yīng)位置進(jìn)行信號(hào)補(bǔ)償；對(duì)補(bǔ)償后的信號(hào)進(jìn)一步提取和增強(qiáng)關(guān)鍵特征?；谒鲫P(guān)鍵特征對(duì)所述異常補(bǔ)償點(diǎn)進(jìn)行風(fēng)險(xiǎn)評(píng)分計(jì)算和風(fēng)險(xiǎn)等級(jí)評(píng)估，并生成預(yù)警信號(hào)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于陣列式光纖傳感技術(shù)的監(jiān)測(cè)預(yù)警系統(tǒng)，包括：

4、布局模塊、接收模塊、數(shù)據(jù)分析模塊、信號(hào)補(bǔ)償模塊、精度提升模塊和智能預(yù)警模塊；

5、所述布局模塊用于將光纖傳感器2布置在鐵路兩條鐵軌1下方土壤3中，并與兩條鐵軌1平行；

6、所述接收模塊用于接收監(jiān)測(cè)點(diǎn)4中傳輸?shù)蔫F軌實(shí)時(shí)數(shù)據(jù)；

7、所述數(shù)據(jù)分析模塊用于對(duì)所述實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理、特征提取和實(shí)時(shí)監(jiān)測(cè)，得到鐵軌1上的異常點(diǎn)；

8、所述信號(hào)補(bǔ)償模塊用于量化鐵軌1上所述異常點(diǎn)損耗的程度，對(duì)所述異常點(diǎn)進(jìn)行信號(hào)補(bǔ)償，獲得異常補(bǔ)償點(diǎn)；

9、所述精度提升模塊用于對(duì)經(jīng)過(guò)所述異常補(bǔ)償點(diǎn)進(jìn)行特征提取，得到鐵軌1上所述異常補(bǔ)償點(diǎn)的關(guān)鍵特征；

10、所述智能預(yù)警模塊基于所述關(guān)鍵特征對(duì)所述異常補(bǔ)償點(diǎn)進(jìn)行風(fēng)險(xiǎn)評(píng)分計(jì)算和風(fēng)險(xiǎn)等級(jí)評(píng)估，并生成預(yù)警信號(hào)；

11、所述關(guān)鍵特征包括異常時(shí)間、異常位置和異常頻率；

12、所述風(fēng)險(xiǎn)等級(jí)包括低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)三個(gè)等級(jí)；

13、所述預(yù)警信號(hào)包括第一預(yù)警信號(hào)、第二預(yù)警信號(hào)和第三預(yù)警信號(hào)；

14、所述第一預(yù)警信號(hào)用于對(duì)所述高風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)警；所述第二預(yù)警信號(hào)針對(duì)所述中風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)警；所述第三預(yù)警信號(hào)針對(duì)所述低風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)警。

15、優(yōu)選的，所述布局模塊用于在鐵路兩條鐵軌1上布置多組光纖傳感器2，進(jìn)行多點(diǎn)、多參數(shù)的實(shí)時(shí)監(jiān)測(cè)。

16、優(yōu)選的，所述數(shù)據(jù)分析模塊包括對(duì)鐵軌1上所述實(shí)時(shí)數(shù)據(jù)進(jìn)行巴特沃斯低通濾波器、小波變換和卡爾曼濾波器三個(gè)步驟預(yù)處理，得到處理數(shù)據(jù)。

17、優(yōu)選的，所述數(shù)據(jù)分析模塊包括對(duì)所述鐵軌處理數(shù)據(jù)通過(guò)小波變換與傅里葉變換進(jìn)行特征提取，獲得鐵軌數(shù)據(jù)的特征向量，具體表達(dá)公式為：

18、

19、其中，x(t)為鐵軌處理數(shù)據(jù)，dj(t)為第j層的細(xì)節(jié)系數(shù)，aj(t)為第j層的逼近系數(shù)，n為分解層數(shù)，x(f)為鐵軌頻率分量，f為頻率，e-i2πft為復(fù)指數(shù)函數(shù)，其中i為虛數(shù)單位，表示信號(hào)在頻率f下的旋轉(zhuǎn)；

20、所述鐵軌處理數(shù)據(jù)進(jìn)行n層小波分解，得到的細(xì)節(jié)系數(shù)和逼近系數(shù)分別為d1,d2,...,dn和a1,a2,...,an；細(xì)節(jié)系數(shù)的均值、標(biāo)準(zhǔn)差和能量表示為：

21、

22、其中，為所述鐵軌處理數(shù)據(jù)的細(xì)節(jié)系數(shù)均值、標(biāo)準(zhǔn)差和能量所在的集合，為細(xì)節(jié)系數(shù)的均值，為細(xì)節(jié)系數(shù)的標(biāo)準(zhǔn)差，為細(xì)節(jié)系數(shù)的能量；

23、所述鐵軌處理數(shù)據(jù)的逼近系數(shù)均值、標(biāo)準(zhǔn)差和能量表示為：

24、

25、其中，為所述鐵軌處理數(shù)據(jù)的逼近系數(shù)均值、標(biāo)準(zhǔn)差和能量所在的集合，為逼近系數(shù)的均值，為逼近系數(shù)的標(biāo)準(zhǔn)差，為逼近系數(shù)的能量；

26、所述鐵軌處理數(shù)據(jù)的經(jīng)過(guò)所述傅里葉變換的特征提取幅值與相位表示為：

27、ff＝[x(f),∠x(chóng)(f)]；

28、其中，ff為經(jīng)過(guò)傅里葉變換提取幅值與相位的集合，|x(f)|為幅值，∠x(chóng)(f)為相位；

29、所述鐵軌處理數(shù)據(jù)的特征為：

30、

31、其中，f為所述鐵軌處理數(shù)據(jù)特征向量。

32、優(yōu)選的，所述數(shù)據(jù)分析模塊包括建立監(jiān)測(cè)模型，對(duì)所述鐵軌處理數(shù)據(jù)特征向量進(jìn)行分析和監(jiān)測(cè)，識(shí)別鐵軌1上所述異常點(diǎn)；所述監(jiān)測(cè)模型為高斯混合模型。

33、優(yōu)選的，所述數(shù)據(jù)分析模塊包括將識(shí)別出鐵軌1上的所述異常點(diǎn)與歷史數(shù)據(jù)進(jìn)行對(duì)比確定其是否為真實(shí)的異常點(diǎn)，具體公式為：

34、

35、其中，s為鐵軌1上所述異常點(diǎn)與歷史異常點(diǎn)的相似度，fcur,i為鐵軌1上所述異常點(diǎn)集合，fhis,i為歷史異常點(diǎn)集合；

36、其中s越小，鐵軌1上所述異常點(diǎn)為真實(shí)異常點(diǎn)的概率越大。

37、優(yōu)選的，所述信號(hào)補(bǔ)償模塊對(duì)鐵軌1上所述異常點(diǎn)的特征向量使用回歸模型，量化線性補(bǔ)償模型，具體計(jì)算方法為：

38、li＝f(fcur)；

39、其中，li為損耗程度，f為回歸模型的映射函數(shù)，fcur為鐵軌1上所述異常點(diǎn)集合；

40、依據(jù)量化的損耗程度li和線性補(bǔ)償模型來(lái)計(jì)算補(bǔ)償系數(shù)，模型具體為：

41、ci＝αli；

42、其中，ci為鐵軌1上所述異常點(diǎn)補(bǔ)償系數(shù)，α為線性補(bǔ)償模型的參數(shù)；

43、對(duì)鐵軌1上所述異常點(diǎn)的信號(hào)進(jìn)行補(bǔ)償，使用補(bǔ)償系數(shù)ci對(duì)每個(gè)所述異常點(diǎn)進(jìn)行信號(hào)恢復(fù)；鐵軌1上所述異常補(bǔ)償點(diǎn)信號(hào)具體為：

44、xcomp(t)＝x(t)·c(t)+x(t)；

45、其中，xcomp(t)為鐵軌1上所述異常補(bǔ)償點(diǎn)的信號(hào)，c(t)為時(shí)間依賴的補(bǔ)償系數(shù)。

46、優(yōu)選的，所述精度提升模塊依據(jù)鐵軌1上所述異常補(bǔ)償點(diǎn)通過(guò)小波變換與傅里葉變換進(jìn)一步提取關(guān)鍵特征。

47、優(yōu)選的，所述智能預(yù)警模塊基于鐵軌1上所述異常補(bǔ)償點(diǎn)的所述關(guān)鍵特征，得到鐵軌1上所述異常補(bǔ)償點(diǎn)信息；所述信息包括異常時(shí)間、異常位置和異常頻率；

48、依據(jù)所述信息計(jì)算所述風(fēng)險(xiǎn)評(píng)分，具體計(jì)算公式為：

49、

50、其中，r為風(fēng)險(xiǎn)評(píng)分，ωi為每個(gè)因素的權(quán)重，fi為信息各因素的評(píng)估值。

51、優(yōu)選的，所述智能預(yù)警模塊還包括根據(jù)所述風(fēng)險(xiǎn)評(píng)分r，將所述風(fēng)險(xiǎn)等級(jí)劃分為三個(gè)等級(jí)，具體包括：

52、低風(fēng)險(xiǎn)等級(jí)：r＜t1；

53、中風(fēng)險(xiǎn)等級(jí)：t1≤r≤t2；

54、高風(fēng)險(xiǎn)等級(jí)：r＞t2；

55、其中，t1和t2是通過(guò)分析歷史數(shù)據(jù)中各個(gè)風(fēng)險(xiǎn)等級(jí)的分布得到的分位數(shù)，取值為25％和75％；

56、根據(jù)所述風(fēng)險(xiǎn)評(píng)分與所述風(fēng)險(xiǎn)等級(jí)，生成相應(yīng)的預(yù)警信號(hào)；

57、所述預(yù)警信號(hào)包括第一預(yù)警信號(hào)、第二預(yù)警信號(hào)和第三預(yù)警信號(hào)；

58、所述第一預(yù)警信號(hào)用于對(duì)所述高風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)警；所述第二預(yù)警信號(hào)針對(duì)所述中風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)警；所述第三預(yù)警信號(hào)針對(duì)所述低風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)警；

59、并將預(yù)警信息記錄在日志中，便于事后分析和追蹤；包括預(yù)警時(shí)間、風(fēng)險(xiǎn)等級(jí)、異常事件詳情。

60、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

61、1、本發(fā)明通過(guò)在監(jiān)測(cè)對(duì)象上布置多個(gè)光纖傳感器2，形成陣列實(shí)現(xiàn)多點(diǎn)和多參數(shù)的實(shí)時(shí)監(jiān)測(cè)；在數(shù)據(jù)分析過(guò)程中，通過(guò)高斯混合模型初步識(shí)別異常點(diǎn)后，進(jìn)一步利用歷史數(shù)據(jù)驗(yàn)證，確保異常點(diǎn)的真實(shí)性和準(zhǔn)確性。通過(guò)多次識(shí)別確認(rèn)異常點(diǎn)，顯著提高了系統(tǒng)在復(fù)雜環(huán)境中的魯棒性和檢測(cè)精度，減少了誤報(bào)率和漏報(bào)率，增強(qiáng)了監(jiān)測(cè)的可靠性。

62、2、本發(fā)明通過(guò)對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行分析，利用回歸模型建立信號(hào)損耗的數(shù)學(xué)模型。實(shí)現(xiàn)了對(duì)識(shí)別出的異常點(diǎn)進(jìn)行量化分析，并應(yīng)用線性補(bǔ)償模型計(jì)算補(bǔ)償系數(shù)，對(duì)異常點(diǎn)信號(hào)進(jìn)行補(bǔ)償。通過(guò)信號(hào)補(bǔ)償模塊，降低了異常點(diǎn)信號(hào)傳輸過(guò)程中的噪聲和損耗，提升了監(jiān)測(cè)數(shù)據(jù)的整體質(zhì)量，為實(shí)時(shí)監(jiān)測(cè)提供了更加清晰和可靠的數(shù)據(jù)基礎(chǔ)。

63、3、本發(fā)明提出一類(lèi)智能預(yù)警系統(tǒng)，通過(guò)異常檢測(cè)算法實(shí)時(shí)分析數(shù)據(jù)，識(shí)別潛在的異常情況。根據(jù)異常時(shí)間、位置和頻率等因素，計(jì)算風(fēng)險(xiǎn)評(píng)分，進(jìn)行風(fēng)險(xiǎn)評(píng)估，確定其風(fēng)險(xiǎn)等級(jí)。通過(guò)設(shè)定合理的風(fēng)險(xiǎn)閾值，區(qū)分不同級(jí)別的風(fēng)險(xiǎn)，并發(fā)出相應(yīng)的預(yù)警信號(hào)，有效地提高了預(yù)警系統(tǒng)的響應(yīng)速度和準(zhǔn)確度。通過(guò)細(xì)化風(fēng)險(xiǎn)等級(jí)和對(duì)應(yīng)的預(yù)警形式，系統(tǒng)能夠提供針對(duì)性更強(qiáng)的預(yù)警信息，提升了整體安全監(jiān)測(cè)和預(yù)警的能力。