本發(fā)明涉及光纖傳感
技術領域：
，特別是一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法。
背景技術：
：鐵路運營安全性一直是關系到經濟發(fā)展和人身安全的重大問題。為了保障鐵路運輸?shù)陌踩c暢通，提高運營效率，對鐵路健康狀況進行實時監(jiān)測十分必要。然而目前采用的電類傳感元件防潮防濕能力和抗電磁干擾能力較差，在惡劣的監(jiān)測條件下表現(xiàn)不穩(wěn)定，當長時間用在復雜監(jiān)測環(huán)境下時，容易發(fā)生零點漂移等故障，極大的影響了監(jiān)測結果的可靠性；另一方面，電信號在信道中的傳輸距離很短，很難組建成大規(guī)模的傳感網(wǎng)絡，難以實現(xiàn)長距離實時在線監(jiān)測。分布式光纖振動傳感系統(tǒng)作為一種新型的安防監(jiān)測系統(tǒng)，不僅具有抗電磁干擾、抗腐蝕、靈敏度高等特點，而且具有隱蔽性好、報警定位精確、數(shù)據(jù)處理相對簡單等優(yōu)點，適合用于大范圍、長距離實時監(jiān)測。將相位敏感光時域反射儀(Φ-OTDR)作為光纖振動傳感系統(tǒng)的一種優(yōu)選方案，具有響應速度快和能夠實現(xiàn)多點監(jiān)測等明顯的優(yōu)點。相比于布里淵散射光和拉曼散射光測量振動，Φ-OTDR無需多次的累加平均，因而響應速度快；與偏振光時域反射計(POTDR)相比，采用Φ-OTDR在列車后方不會產生強噪聲底，可以實現(xiàn)多點實時監(jiān)測。從2000年以來在全國鐵路干線中，伴隨著鋼軌的鋪設，沿線鋪設了大量通信光纖，到今天已經基本形成依靠光纖為傳輸媒介的通信網(wǎng)絡。利用鐵路沿線鋪設的既有通信光纖，而不依托于專門鋪設傳感光纖，能夠節(jié)約大量購置傳感光纖的成本，便于施工，可以組建成大規(guī)模的傳感網(wǎng)絡。但信光纖往往防止在與鋼軌有一定距離的線纜槽內，并不直接接觸鋼軌和路基，與鋼軌保持一定距離，振動耦合到光纖上的效率較低，這導致對靈敏度的要求更加苛刻。技術實現(xiàn)要素：本發(fā)明所要解決的技術問題是克服現(xiàn)有技術的不足而提供一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法，本發(fā)明使用分布式光纖振動傳感系統(tǒng)對鐵路沿線鋪設的通信光纖進行檢測，得到大量的光纖振動曲線數(shù)據(jù)，對數(shù)據(jù)進行分析處理建立相應的數(shù)據(jù)庫；把新測量的處理數(shù)據(jù)與數(shù)據(jù)庫中數(shù)據(jù)進行對比分析可以實現(xiàn)對鐵路健康安全進行實時監(jiān)測。本發(fā)明為解決上述技術問題采用以下技術方案：根據(jù)本發(fā)明提出的一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法，包括以下步驟：步驟一、利用鐵路沿線鋪設的既有通信光纖進行傳感，捕獲鐵路沿線各處在列車經過后的振動信息沿時間和空間的二維分布情況；將所測量得到的光纖振動曲線數(shù)據(jù)按時間軸組織為一灰度表示強度的瀑布圖，該瀑布圖的橫坐標為光纖長度信息、縱坐標為時間長度信息；步驟二、對有列車駛過的時間段所對應的瀑布圖進行濾波，采用基于動態(tài)規(guī)劃的邊緣提取算法提取列車駛過被測鋼軌的軌跡圖，軌跡圖內包含輪軌振動關系數(shù)據(jù)；在軌跡圖中劃分出軌跡前后兩個范圍，這兩個范圍內包含鋼軌振動數(shù)據(jù)；步驟三、對輪軌振動關系數(shù)據(jù)和鋼軌振動數(shù)據(jù)分別進行時頻分析處理，提取出輪軌振動特征頻譜和鋼軌諧振特征頻譜，將輪軌振動特征頻譜和鋼軌諧振特征頻譜再分別經過特征頻譜提取算法，得到輪軌振動特征頻率和鋼軌諧振特征頻率；步驟四、對無列車駛過的時間段所對應的瀑布圖進行時域分析處理，提取背景噪聲的特征頻譜，將背景噪聲的特征頻譜再經過特征頻譜提取算法，得到背景噪聲的特征頻率；步驟五、在鐵軌和車輪的表面均無損傷的情況下，重復步驟一至步驟四，建立輪軌關系數(shù)據(jù)庫和背景噪聲數(shù)據(jù)庫；將輪軌振動特征頻率和鋼軌諧振特征頻率與對應的列車型號和鋼軌路段信息存儲在輪軌關系數(shù)據(jù)庫中；將背景噪聲的特征頻率與鋼軌路段信息存儲在背景噪聲數(shù)據(jù)庫；步驟六、將步驟三中得到的輪軌振動特征頻率和鋼軌諧振特征頻率與步驟五建立的輪軌關系數(shù)據(jù)庫進行比較；具體如下：601、當輪軌振動特征頻率與輪軌關系數(shù)據(jù)庫中的輪軌振動特征頻率的差異在預設允許范圍內，且鋼軌諧振特征頻率與輪軌關系數(shù)據(jù)庫中的鋼軌諧振特征頻率的差距也在預設允許范圍內；則將該組數(shù)據(jù)標記為觀察狀態(tài)存入輪軌關系數(shù)據(jù)庫；602、當輪軌振動特征頻率與輪軌關系數(shù)據(jù)庫中的輪軌振動特征頻率的差異不在預設允許范圍內，或者鋼軌諧振特征頻率與輪軌關系數(shù)據(jù)庫中的鋼軌諧振特征頻率的差距不在預設允許范圍內時，若整條鐵路的輪軌振動特征頻率均變化，則是列車輪子出現(xiàn)問題，否則，則是鋼軌出現(xiàn)問題，將該組數(shù)據(jù)標記為報警狀態(tài)存入輪軌關系數(shù)據(jù)庫，并將列車輪子出現(xiàn)問題的信息、鋼軌出現(xiàn)問題的信息傳輸給監(jiān)測人員；步驟七、將步驟四中得到的背景噪聲的特征頻率與背景噪聲數(shù)據(jù)庫中數(shù)據(jù)進行對比分析，對背景噪聲數(shù)據(jù)進行大數(shù)據(jù)分析，分析鋼軌隨外部環(huán)境的變化情況，從而得到其老化規(guī)律和預測壽命信息。作為本發(fā)明所述一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法進一步優(yōu)化方案，所述步驟二中的濾波方法為小波分解去噪。作為本發(fā)明所述一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法進一步優(yōu)化方案，時頻分析處理的方法為短時傅里葉變換或小波分析。作為本發(fā)明所述一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法進一步優(yōu)化方案，特征頻譜提取算法為基于最小二乘法的多項式擬合方法。作為本發(fā)明所述一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法進一步優(yōu)化方案，采用分布式光纖振動傳感系統(tǒng)對鐵路沿線鋪設的既有通信光纖進行傳感。作為本發(fā)明所述一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法進一步優(yōu)化方案，分布式光纖振動傳感系統(tǒng)是Φ-OTDR系統(tǒng)。作為本發(fā)明所述一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法進一步優(yōu)化方案，分析步驟二中得到的軌跡在空間軸和時間軸的位置，實現(xiàn)對列車的定位，測量出速度和加速度。本發(fā)明采用以上技術方案與現(xiàn)有技術相比，具有以下技術效果：(1)采用分布式光纖傳感系統(tǒng)來測量周圍的振動，能夠實現(xiàn)長距離、高密度、快速響應的實時健康監(jiān)測，同時傳感器無需與鋼軌直接接觸，具備很好的防潮防濕能力和抗電磁干擾能力，在長期穩(wěn)定性能在惡劣的監(jiān)測條件下均表現(xiàn)優(yōu)良；本發(fā)明使用鐵路中現(xiàn)有的通信光纖，組建成大規(guī)模的抗干擾強的光纖傳感網(wǎng)絡省，去布置新的光纖網(wǎng)絡的成本；(3)采用分布式光纖傳感系統(tǒng)，實現(xiàn)對列車進行定位，對速度和加速度進行測量；能夠對列車和鋼軌進行實時監(jiān)測，出現(xiàn)問題及時發(fā)現(xiàn)，并報警給列車調度員，在事故發(fā)生之前及時檢修排除安全隱患，保證鐵路健康檢測。附圖說明圖1是本發(fā)明的流程圖。圖2是本發(fā)明光纖與鋼軌的空間關系圖。圖3是Φ-OTDR測到原始信號圖。圖4是處理后列車軌跡及前后區(qū)域圖。圖5a是輪軌頻率關系圖。圖5b是鋼軌特征頻率圖。圖6是鋼軌特征頻率沿著鋼軌分布圖。圖7是特征頻率變化頻率圖。具體實施方式下面結合附圖對本發(fā)明的技術方案做進一步的詳細說明：圖1是本發(fā)明的流程圖，一種基于分布式光纖振動傳感系統(tǒng)的鐵路健康監(jiān)測方法，包括以下步驟：步驟一、利用鐵路沿線鋪設的既有通信光纖進行傳感，捕獲鐵路沿線各處在列車經過后的振動信息沿時間和空間的二維分布情況。將所測量得到的光纖振動曲線數(shù)據(jù)按時間軸組織為一灰度表示強度的瀑布圖，該瀑布圖的橫坐標為光纖長度信息、縱坐標為時間長度信息。步驟二、對有列車駛過的時間段所對應的瀑布圖進行濾波，采用基于動態(tài)規(guī)劃的邊緣提取算法提取列車駛過被測鋼軌的軌跡圖，軌跡圖內包含輪軌振動關系數(shù)據(jù)；在軌跡圖中劃分出軌跡前后兩個范圍，這兩個范圍內包含鋼軌振動數(shù)據(jù)；步驟三、對輪軌振動關系數(shù)據(jù)和鋼軌振動數(shù)據(jù)分別進行時頻分析處理，提取出輪軌振動特征頻譜和鋼軌諧振特征頻譜，將輪軌振動特征頻譜和鋼軌諧振特征頻譜再分別經過特征頻譜提取算法，得到輪軌振動特征頻率和鋼軌諧振特征頻率；步驟四、對無列車駛過的時間段所對應的瀑布圖進行時域分析處理，提取背景噪聲的特征頻譜，將背景噪聲的特征頻譜再經過特征頻譜提取算法，得到背景噪聲的特征頻率；步驟五、在鐵軌和車輪的表面均無損傷的情況下，重復步驟一至步驟四，建立輪軌關系數(shù)據(jù)庫和背景噪聲數(shù)據(jù)庫；將輪軌振動特征頻率和鋼軌諧振特征頻率與對應的列車型號和鋼軌路段信息存儲在輪軌關系數(shù)據(jù)庫中；將背景噪聲的特征頻率與鋼軌路段信息存儲在背景噪聲數(shù)據(jù)庫；步驟六、將步驟三中得到的輪軌振動特征頻率和鋼軌諧振特征頻率與步驟五建立的輪軌關系數(shù)據(jù)庫進行比較；具體如下：601、當輪軌振動特征頻率與輪軌關系數(shù)據(jù)庫中的輪軌振動特征頻率的差異在預設允許范圍內，且鋼軌諧振特征頻率與輪軌關系數(shù)據(jù)庫中的鋼軌諧振特征頻率的差距也在預設允許范圍內；則將該組數(shù)據(jù)標記為觀察狀態(tài)存入輪軌關系數(shù)據(jù)庫；602、當輪軌振動特征頻率與輪軌關系數(shù)據(jù)庫中的輪軌振動特征頻率的差異不在預設允許范圍內，或者鋼軌諧振特征頻率與輪軌關系數(shù)據(jù)庫中的鋼軌諧振特征頻率的差距不在預設允許范圍內時，若整條鐵路的輪軌振動特征頻率均變化，則是列車輪子出現(xiàn)問題，否則，則是鋼軌出現(xiàn)問題，將該組數(shù)據(jù)標記為報警狀態(tài)存入數(shù)據(jù)庫，并將列車輪子出現(xiàn)問題的信息、鋼軌出現(xiàn)問題的信息傳輸給監(jiān)測人員；步驟七、將步驟四背景噪聲的特征頻率與背景噪聲數(shù)據(jù)庫中數(shù)據(jù)進行對比分析，對背景噪聲數(shù)據(jù)進行大數(shù)據(jù)分析，分析鋼軌隨外部環(huán)境的變化情況，從而得到其老化規(guī)律和預測壽命信息。圖2是本發(fā)明光纖與鋼軌的空間關系圖，圖2中使用分布式光纖振動傳感系統(tǒng)對中國高速鐵路沿線鋪設的通信光纖進行檢測，得到大量的光纖振動曲線數(shù)據(jù)，把數(shù)據(jù)顯示為灰度表示強度的瀑布圖，橫坐標為光纖長度信息和縱坐標為曲線之間的時間長度信息。提取其中由列車行駛產生的軌跡，并按照軌跡前、軌跡中和軌跡后劃分感興趣區(qū)域。圖3是Φ-OTDR測到原始信號圖，如圖3中的所示是兩輛列車行駛的軌跡圖，其中，橫坐標是距離，縱坐標是時間，在圖中可以隱約看到一條列車行駛過的軌跡，其中上下兩個區(qū)域中包含鋼軌的振動信息。把圖3中列車行駛的軌跡中按照每組車輪之間的距離劃分區(qū)域，可以得到如圖4的示意圖，圖4是處理后列車軌跡及前后區(qū)域圖，每個區(qū)域中包含相應車廂的車輪的健康信息。提取列車行駛軌跡，采用的是基于動態(tài)規(guī)劃的邊緣提取算法。與基于二階過零點的邊緣檢測，和基于搜索的邊緣提取方法相比，具有對圖像中噪聲不敏感的特點，即在進行邊緣提取時，一般都需要預先對原圖進行降噪濾波以減少在邊緣提取時的誤判。動態(tài)規(guī)劃(DynamicProgramming-DP)是圖論中的一種有效的求解最短路的方法，該方法是由美國人R.E.Bellman在20世紀50年代初首次提出，其核心觀點是可以把多階段決策過程轉化為多個單階段問題后進行逐個求解，利用這個方法是可以獲得多階段決策過程的最優(yōu)解的。DP算法也可以被運用到圖像處理中的邊緣提取問題中，其關鍵是要把該問題轉化成一個最短路問題，然后運用DP算法來通過回溯法求解。使用DP算法定位邊緣位置的方法可以分為兩步：建立圖及求解最短路徑：1)建立圖：以圖像I上的每個像素作為節(jié)點，以列為層，以每個像素與下一層中與其臨近最近的三個像素(圖像上下邊界為兩個)之間的連線為邊。為每個邊分配一個權值，分別為：cost1(i,j)＝λ·w(I(i-1,j+1),I(i,j))+Cost(i-1,j+1),cost2(i,j)＝w(I(i-1,j),I(i,j))+Cost(i-1,j),cost3(i,j)＝λ·w(I(i-1,j-1),I(i,j))+Cost(i-1,j-1),其中λ是尺度因子，i，j分別代表圖像的x方向和y方向，且w(a,b)＝2×max(I)-a-b比較這三個權值后，將最小的權值賦予當前節(jié)點，使得當前節(jié)點具有一個最小權值：Cost(i,j)mincost1(i,j),cost2(i,j),cost3(i,j)]]>該權值代表的是由前面各層傳遞到該節(jié)點的最小權值(最短距離)。在計算這個最小權值的同時，還需要為每個節(jié)點記錄另外一個參數(shù)：Path(i,j)=j+1,ifCost=cost1;j,ifCost=cost2;j-1,ifCost=cost3.]]>該參數(shù)記錄了取得最短路的所有可能的路徑。因此，最終獲得的圖中，節(jié)點處具有兩個參數(shù)，權值Cost及路徑Path。2)求解最短路：由建圖的過程可知，圖中最后一列記錄了這個圖的左側到右側的所有可能的最短路的長度，因此求解唯一的最短路需首先在最后一列中定位最小的總權值Cost，然后再從后到前地逐個回溯相鄰節(jié)點。回溯過程由上面記錄的參數(shù)Path來決定，即當前節(jié)點的Path記錄的是上一層應該回溯的節(jié)點坐標。由于求解過程是逐層回溯式的，因此保證了邊緣的連續(xù)性，可以有效地排除噪聲對線條的干擾。圖5a是輪軌頻率關系圖，圖5b是鋼軌特征頻率圖。選取某位置的數(shù)據(jù)如圖5a，進行數(shù)據(jù)預處理，如短時傅里葉變換的方式，針對鋼軌獨立諧振輪軌接觸振動兩種不同的振動進行處理。短時傅里葉變換是研究非平穩(wěn)信號一種十分有效的方法，它建立在傳統(tǒng)傅里葉變換的基礎上，其基本思想是引入一個具有時頻局域性的窗函數(shù)γ(t)，讓它沿信號滑動，對每一段被窗口截取的信號實行傅里葉變換，由于滑動窗函數(shù)的位置引入了時間的信息，可以得到一個時變的頻率分析結果，這樣信號s(t)的短時傅里葉變換定義為STFT(t,ω)=∫-∞+∞s(τ)γ*(τ-t)exp(-jωτ)dτ]]>式中*代表復數(shù)的共軛，ω為脈沖角頻率，短時窗γ*(τ-t)有效地把信號限制在分析時間τ＝t附近輸出。短時傅里葉變換是信號s(t)在時間t附近的一個局部的頻譜。對于兩種特殊情況，當窗函數(shù)選擇狄拉克函數(shù)：γ(t)=δ(t)⇒STFT(t,ω)=s(t)exp(-jωt)]]>此時短時傅里葉變換具有非常好的時間分辨率，但是很難提供較好的頻率分辨率，當窗函數(shù)選擇常函數(shù)的時候，此時短時傅里葉變換變成了信號的傅里葉變換，它具有很好的頻率分辨率，但是它不提供任何時間分辨率:γ(t)=1⇒STFT(t,ω)=s(ω)]]>短時傅里葉變換有很多優(yōu)良性質，它具有線性時移不變性、頻移不變性、帶通性、低通性、計算量小、其值取的模的平方代表了信號在時頻面上的能量的分布情況，這些性質為研究光脈沖信號傳輸提供了理論依據(jù)。通過短時傅里葉變換可以得到圖5b，圖中橫坐標為時間，縱坐標為頻率。除了可以清晰看到兩條列車的軌跡外，還可以看到一些明顯的鋼軌諧振頻率點。為了得到相對準確的諧振頻率，采用基于最小二乘法(LM算法)的多項式擬合。LM算法是一種求解非線性實數(shù)多元函數(shù)局部最小值的迭代算法，可以看作是最速下降法和高斯—牛頓法的結合，既有高斯—牛頓法的局部收斂性，又有最速下降法的全局特性。LM算法要求給定待擬合曲線系數(shù)a1，a2，a3的初始猜想值，在最大迭代次數(shù)不變的情況下，初始猜想值應盡量接近最佳擬合參數(shù)所需要的初始值。在被估模型中，如被估參數(shù)與函數(shù)是非線性的關系時，就會轉變成一個非線性的最小二乘法問題。針對非線性已知關系式的參數(shù)估計問題，目前一般采用兩種方法，一個是高斯牛頓法，還有一個就是LM算法。使用高斯牛頓法來確定非線性的待估模型中的參數(shù)，不僅可以實現(xiàn)參數(shù)的優(yōu)化和避免反復調整參數(shù)值，而且得到的參數(shù)的擬合精度也較高。不過高斯牛頓法存在缺點，就是給定的參數(shù)的初始值如果不適當，經迭代函數(shù)作用后產生不收斂特性，就會出現(xiàn)發(fā)散的情況。而LM算法是最速下降法和高斯牛頓法相結合的產物，是在高斯牛頓法的基礎上引入阻尼因子演變得到的算法，因此它既有局部收斂特性，還具有全局特性。它的主要思想是求解非線性實數(shù)多元函數(shù)的局部最小值。利用LM算法來求解參數(shù)值時，要求給模型中的參數(shù)先設定一個初始值，在最大迭代次數(shù)不改變的條件下，要求初始值應該盡可能的接近參數(shù)的最佳值。非線性關系式一般的表現(xiàn)形式為：y＝f(x1,x2...xi；a1,a2...ai)+ε式中，f是已知的非線性函數(shù)，x1,x2…xi表示有i個自變量，a1,a2…ai表示函數(shù)中有n個待估的未知參數(shù)，ε表示隨機誤差項。LM算法的主要思想是在得出某點附近的線性化迭代公式，從而進行一系列的迭代運算，逐步求得最優(yōu)解。作LM算法具體實現(xiàn)步驟如下：a.假定，ak的初始值為觀測值的初始逼近誤差Q0為：Q0(a1,a2,a3)=Σi=1M[f(xi,a1,a2,a3)-yi]2]]>b.根據(jù)：bij=ΣT=1M∂f(xT,a)∂ai∂f(xT,a)∂aj=bji,(i,j=1,2...n)]]>biy=ΣT=1M∂f(xT,a)∂ai(yT-f(xT,a))]]>計算bij,biy同時給定d的初始值。c.求解方程組(b11+d)Δ1+b12Δ2+...b1nΔn=b1yb21Δ1+(b22+d)Δ2+...b2nΔn=b2y......bn1Δ1+bn2Δ2+...(bnn+d)Δn=bny]]>并將ak修改為：d.再次計算f和y之間的逼近誤差Qi：Qi=Σi=1n[f(xi,a1Λ,a2Λ,a3Λ)-yi]2]]>e.將修改ak前后的誤差Qi-1和誤差Qi進行大小比較，若Qi-1＜Qi得出若Qi-1＞Qi得出需要提高d值大小，重復步驟c、步驟d和步驟e。f.一直不斷的重復步驟b、步驟c、步驟d和步驟e，|Δk|直到值小于指定的允許誤差才完成了LM算法。從LM算法的實現(xiàn)步驟中可以看出，LM算法不僅避免了反復調整參數(shù)的值等一系列繁瑣工作，且因為阻尼因子d的引入放寬了對初始值的限制，得到的數(shù)值是最佳擬合參數(shù)，使擬合精度提高不少。把擬合得到的諧振點頻率按照針對鋼軌獨立諧振和輪軌接觸振動兩種振動模式以及無車的時候背景噪聲分類保存，分類進行數(shù)據(jù)建庫，作為健康對比的原始資料，典型的如圖6所示為鋼軌諧振特征頻率沿著鋼軌分布圖。在監(jiān)測過程中，對瑞利瑞利背向散射光信號采用以上短時傅里葉變換的方式進行分析，得到頻率圖，對有用信號進行分析和提取，提取出鋼軌獨立諧振和車輪與鋼軌接觸的兩種振動頻率，與數(shù)據(jù)庫中健康數(shù)據(jù)對比分析，分別對以上兩種振動進行判斷分析，找到與數(shù)據(jù)庫中有不一致振動頻率的位置，從而實現(xiàn)對鋼軌、路基和車輪實時的健康監(jiān)測，如圖7所示，相同位置發(fā)生鋼軌特征頻率微弱改變，主頻率不變，但次頻率變弱，說明鋼軌出現(xiàn)小問題，經鐵路部門排查為溫度變化導致應變改變，對鋼軌沒有太大影響。以上內容是結合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬
技術領域：
的普通技術人員來說，在不脫離本發(fā)明構思的前提下，還可以做出若干簡單推演或替代，都應當視為屬于本發(fā)明的保護范圍。當前第1頁1 2 3