本發(fā)明涉及振動源識別技術(shù)領(lǐng)域，具體涉及一種基于時頻變換特性的振動源識別方法及系統(tǒng)。

背景技術(shù)：

隨著經(jīng)濟(jì)的飛速發(fā)展，油氣資源的需求量日趨增加，管道運(yùn)輸以其經(jīng)濟(jì)、有效、環(huán)保的優(yōu)勢，已成為油氣資源運(yùn)輸?shù)闹饕侄?，管道安全保護(hù)的問題也日益突出地擺在人們面前。管道一旦泄漏極易發(fā)生爆炸，不僅影響能源的正常運(yùn)輸，還將給國家和人民群眾的生命、財產(chǎn)造成巨大損失。因此，管道安全預(yù)警是必不可少的。

在運(yùn)用光纖傳感系統(tǒng)在對管道保護(hù)區(qū)進(jìn)行實(shí)時監(jiān)控的基礎(chǔ)上，同時對所檢測到的振動信號進(jìn)行分類，識別引起振動的外部事件源，辨別是否為有害入侵信號。通過光纖傳感系統(tǒng)對光纜周邊的振動事件進(jìn)行探測，采集石油管道周邊的各種振動信號進(jìn)行報警提示，同時提取信號特征參數(shù)，對振源進(jìn)行分類和識別。由于振動背景復(fù)雜多樣，因此在大量復(fù)雜的振動信號中準(zhǔn)確識別目標(biāo)振源并有效報警是安全預(yù)警系統(tǒng)研究的難點(diǎn)。振源識別是基于振源的行為及其屬性特征，以計算機(jī)為工具，采用模式識別理論，建立振動信號和振動源對應(yīng)關(guān)系的一門技術(shù)。系統(tǒng)對光纖管道采集到的振動信號進(jìn)行預(yù)處理、特征提取和識別，并根據(jù)其特征確定有害入侵振動并進(jìn)行安全預(yù)警，從而實(shí)現(xiàn)保障油氣管道安全，防患于未然的目的。

現(xiàn)有的研究存在的主要問題是缺乏合適的振動源識別方法，因此，需要建立一種有效的振動源識別方法來實(shí)現(xiàn)振動信號的識別，以降低振源識別的錯誤率。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于時頻變換特性的振動源識別方法及系統(tǒng)，能夠根據(jù)時頻變換特性準(zhǔn)確的識別出振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

為解決上述技術(shù)問題，本發(fā)明提供以下技術(shù)方案：

一方面，本發(fā)明提供了一種基于時頻變換特性的振動源識別方法，所述方法包括：

步驟1.獲取當(dāng)前振動源在多個報警點(diǎn)的振動信號的自相關(guān)系數(shù)波形；

步驟2.根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解并計算分解得到的高層波形的能量占比；

步驟3.將多維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,并根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型。

進(jìn)一步的，所述步驟1包括：

步驟1-1.在光纖傳感系統(tǒng)的各報警點(diǎn)檢測到振動源時，接收各報警點(diǎn)發(fā)送的振動信號，其中，各報警點(diǎn)的設(shè)置位置不同；

步驟1-2.根據(jù)所述自相關(guān)函數(shù)確定各所述振動信號的自相關(guān)系數(shù)波形。

進(jìn)一步的，所述步驟1-2包括：

步驟1-2a.以信號能量高的部分作為自相關(guān)模板，簡化所述自相關(guān)函數(shù)；

步驟1-2b.根據(jù)簡化后的所述自相關(guān)函數(shù)確定各所述振動信號的自相關(guān)系數(shù)波形。

進(jìn)一步的，所述步驟1-2a中的自相關(guān)函數(shù)R(k)如式(1)所示：

式(1)中，X為振動信號，w為窗函數(shù)，1為信號長度，k為自相關(guān)函數(shù)的第k位，m為信號序列位置。

進(jìn)一步的，所述步驟1-2b中的簡化后的所述自相關(guān)函數(shù)R(k)如式(2)所示：

式(2)中，X為振動信號，1為信號長度，k為自相關(guān)函數(shù)的第k位，m為信號序列位置，M為從振動信號中截取的一段模板，N₀為模板長度。

進(jìn)一步的，所述步驟2包括：

步驟2-1.根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行r層DB3小波分解，得到r+1層波段；

步驟2-2.去除波段層中的最低層；

步驟2-3.計算得到所述波段層中剩余高層波形的能量占比。

進(jìn)一步的，所述步驟2-3包括：

步驟2-3a.依次計算得到剩余各高層波形的能量占比P_i；

步驟2-3b.根據(jù)各高層波形的能量占比P_i計算得到各高層波形的能量在總能量中的占比η_i，得到r維能量占比特征向量[η₁,η₂...η_r]。

進(jìn)一步的，所述步驟3包括：

步驟3-1.將r維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)；

步驟3-2.根據(jù)誤差目標(biāo)函數(shù)對r維能量占比特征向量進(jìn)行參數(shù)訓(xùn)練；

步驟3-3.根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型，其中，所述當(dāng)前振動源的類型包括敲擊振動源、行車振動源及人為運(yùn)動引起的振動源。

進(jìn)一步的，所述步驟3-2中的所述誤差目標(biāo)函數(shù)E如式(3)所示：

式(3)中，E_c表示第c個訓(xùn)練樣例的誤差，ω_j表示連接權(quán)和閾值，L為批次訓(xùn)練的數(shù)據(jù)量，λ∈(0,1)。

另一方面，本發(fā)明還提供一種基于時頻變換特性的振動源識別系統(tǒng)，所述系統(tǒng)包括：

自相關(guān)系數(shù)波形獲取單元，用于獲取當(dāng)前振動源在多個報警點(diǎn)的振動信號的自相關(guān)系數(shù)波形；

能量占比確定單元，用于根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解并計算分解得到的高層波形的能量占比；

振動源識別單元，用于將r維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,并根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型。

由上述技術(shù)方案可知，本發(fā)明所述的一種基于時頻變換特性的振動源識別方法及系統(tǒng)，方法獲取當(dāng)前振動源在多個報警點(diǎn)的振動信號的自相關(guān)系數(shù)波形；根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解并計算分解得到的高層波形的能量占比；將多維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,并根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型；能夠根據(jù)時頻變換特性準(zhǔn)確的識別出振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例一的一種基于時頻變換特性的振動源識別方法的流程示意圖；

圖2是本發(fā)明實(shí)施例二的識別方法中步驟100的一種具體實(shí)施方式的流程示意圖；

圖3是本發(fā)明實(shí)施例三的識別方法中步驟102的一種具體實(shí)施方式的流程示意圖；

圖4是本發(fā)明實(shí)施例四的識別方法中步驟200的一種具體實(shí)施方式的流程示意圖；

圖5是本發(fā)明實(shí)施例五的識別方法中步驟203的一種具體實(shí)施方式的流程示意圖；

圖6是本發(fā)明實(shí)施例六的識別方法中步驟300的一種具體實(shí)施方式的流程示意圖；

圖7是本發(fā)明具體應(yīng)用例中的識別方法總流程圖；

圖8是本發(fā)明具體應(yīng)用例中的求自相關(guān)函數(shù)流程圖；

圖9是本發(fā)明具體應(yīng)用例中的小波分解和求能量占比流程圖；

圖10是本發(fā)明具體應(yīng)用例中的鎬刨原始振動信號仿真結(jié)果圖；

圖11是本發(fā)明具體應(yīng)用例中的過車原始振動信號仿真結(jié)果圖；

圖12是本發(fā)明具體應(yīng)用例中的小跑仿真結(jié)果圖；

圖13是本發(fā)明具體應(yīng)用例中的鎬刨信號自相關(guān)系數(shù)仿真結(jié)果圖；

圖14是本發(fā)明具體應(yīng)用例中的過車原始振動信號仿真結(jié)果圖；

圖15是本發(fā)明具體應(yīng)用例中的小跑原始振動信號仿真結(jié)果圖；

圖16是本發(fā)明具體應(yīng)用例中的各原始振動信號仿真結(jié)果圖對比圖；

圖17是本發(fā)明實(shí)施例七的一種基于時頻變換特性的振動源識別系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明的實(shí)施例一提供了一種基于時頻變換特性的振動源識別方法。參見圖1，該識別述方法具體包括如下內(nèi)容：

步驟100：獲取當(dāng)前振動源在多個報警點(diǎn)的振動信號的自相關(guān)系數(shù)波形。

在本步驟中，在光纖傳感系統(tǒng)的各報警點(diǎn)檢測到振動源時，接收各報警點(diǎn)發(fā)送的振動信號，且各報警點(diǎn)的設(shè)置位置不同，以及根據(jù)所述自相關(guān)函數(shù)確定各所述振動信號的自相關(guān)系數(shù)波形。

步驟200：根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解并計算分解得到的高層波形的能量占比。

在本步驟中，根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解，去除波段層中的最低層，以及計算得到所述波段層中剩余高層波形的能量占比。

步驟300：將多維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,并根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型。

在本步驟中，將多維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)；根據(jù)誤差目標(biāo)函數(shù)對多維能量占比特征向量進(jìn)行參數(shù)訓(xùn)練；根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型，其中，所述當(dāng)前振動源的類型包括敲擊振動源、行車振動源及人為運(yùn)動引起的振動源。

從上述描述可知，本發(fā)明的實(shí)施例能夠根據(jù)時頻變換特性準(zhǔn)確的識別出振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

本發(fā)明的實(shí)施例二提供了上述識別方法中步驟100的一種具體實(shí)施方式。參見圖2，該步驟100具體包括如下內(nèi)容：

步驟101.在光纖傳感系統(tǒng)的各報警點(diǎn)檢測到振動源時，接收各報警點(diǎn)發(fā)送的振動信號，其中，各報警點(diǎn)的設(shè)置位置不同。

步驟102.根據(jù)所述自相關(guān)函數(shù)確定各所述振動信號的自相關(guān)系數(shù)波形。

從上述描述可知，本發(fā)明的實(shí)施例能夠準(zhǔn)確獲取當(dāng)前振動源在多個報警點(diǎn)的振動信號的自相關(guān)系數(shù)波形，為后續(xù)處理提供了可靠的數(shù)據(jù)基礎(chǔ)。

本發(fā)明的實(shí)施例三提供了上述識別方法中步驟102的一種具體實(shí)施方式。參見圖3，該步驟102具體包括如下內(nèi)容：

步驟102a.以信號能量高的部分作為自相關(guān)模板，簡化所述自相關(guān)函數(shù)。

在本步驟中，自相關(guān)函數(shù)R(k)如式(1)所示：

式(1)中，X為振動信號，w為窗函數(shù)，1為信號長度，k為自相關(guān)函數(shù)的第k位，m為信號序列位置。

步驟102b.根據(jù)簡化后的所述自相關(guān)函數(shù)確定各所述振動信號的自相關(guān)系數(shù)波形。

在本步驟中，簡化后的所述自相關(guān)函數(shù)R(k)如式(2)所示：

式(2)中，X為振動信號，1為信號長度，k為自相關(guān)函數(shù)的第k位，m為信號序列位置，M為從振動信號中截取的一段模板，N₀為模板長度。

從上述描述可知，本發(fā)明的實(shí)施例能夠根據(jù)所述自相關(guān)函數(shù)確定各所述振動信號的自相關(guān)系數(shù)波形。

本發(fā)明的實(shí)施例四提供了上述識別方法中步驟200的一種具體實(shí)施方式。參見圖4，該步驟200具體包括如下內(nèi)容：

步驟201.根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行r層DB3小波分解，得到r+1層波段。

步驟202.去除波段層中的最低層。

步驟203.計算得到所述波段層中剩余高層波形的能量占比。

從上述描述可知，本發(fā)明的實(shí)施例能夠根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解并計算分解得到的高層波形的能量占比。

本發(fā)明的實(shí)施例五提供了上述識別方法中步驟203的一種具體實(shí)施方式。參見圖5，該步驟203具體包括如下內(nèi)容：

步驟203a.依次計算得到剩余各高層波形的能量占比P_i。

步驟203b.根據(jù)各高層波形的能量占比P_i計算得到各高層波形的能量在總能量中的占比η_i，得到r維能量占比特征向量[η₁,η₂...η_r]。

從上述描述可知，本發(fā)明的實(shí)施例給出了計算得到所述波段層中剩余高層波形的能量占比的具體實(shí)現(xiàn)方式。

本發(fā)明的實(shí)施例六提供了上述識別方法中步驟300的一種具體實(shí)施方式。參見圖6，該步驟300具體包括如下內(nèi)容：

步驟301.將r維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)。

步驟302.根據(jù)誤差目標(biāo)函數(shù)對r維能量占比特征向量進(jìn)行參數(shù)訓(xùn)練。

在本步驟中，誤差目標(biāo)函數(shù)E如式(3)所示：

式(3)中，E_c表示第c個訓(xùn)練樣例的誤差，ω_j表示連接權(quán)和閾值，L為批次訓(xùn)練的數(shù)據(jù)量，λ∈(0,1)。

步驟303.根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型，其中，所述當(dāng)前振動源的類型包括敲擊振動源、行車振動源及人為運(yùn)動引起的振動源。

從上述描述可知，本發(fā)明的實(shí)施例實(shí)現(xiàn)了將多維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,并根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型。

為更進(jìn)一步的說明本方案，本發(fā)明還提供一種基于時頻變換特性的振動源識別方法的具體應(yīng)用例。該識別述方法的具體應(yīng)用例具體包括如下內(nèi)容：

圖7是本具體應(yīng)用例的總體流程。識別的對象包括：過車信號、鎬刨信號、挖地信號。

如圖7所示的實(shí)施例的基于時頻變換特征MLFNN網(wǎng)絡(luò)識別算法包括：

S101：振動信號求自相關(guān)系數(shù)，自相關(guān)是以信號能量高的部分作為自相關(guān)模板；

S102：把自相關(guān)系數(shù)進(jìn)行小波分解并求指定層小波的能量占比；

S103：把能量占比作為一個優(yōu)化的MLFNN的輸入進(jìn)行訓(xùn)練。

根據(jù)本發(fā)明的一個實(shí)施例的振動信號自相關(guān)系數(shù)計算過車如圖8所示，其包括：

S201：對振動信號X(長度512ms)進(jìn)行3-64Hz帶通濾波得到X₁；

S202：把濾波后的信號分成三段：

求出各段能量：

S203：把原始信號中與最大能量對應(yīng)的位置作為自相關(guān)的模板。

其中M為模板；

S204：根據(jù)自相關(guān)函數(shù)的計算公式求出振動信號的自相關(guān)函數(shù)波形圖，自相關(guān)函數(shù)公式：

根據(jù)本發(fā)明的一個實(shí)施例的對自相關(guān)函數(shù)波形進(jìn)行小波分解的過程如圖9所示，其包括：

S301：對自相關(guān)函數(shù)波形進(jìn)行5層小波分解，產(chǎn)生6個波段：ca₅、cd₅、cd₄、cd₃、cd₂、cd₁，因?yàn)閏a₅含直流量，所以以下的運(yùn)算都不包含ca₅；

S302：求出各層的能量：

P_i＝∑cd_i² (5)

S303：計算能量占比：

形成一個5維的特征向量：[η₁,η₂,η₃,η₄,η₅]；其中，各原始振動信號仿真結(jié)果圖如圖10至12所示，各信號自相關(guān)系數(shù)仿真結(jié)果圖如圖13至15所示，能量占比的柱狀圖如圖16。

把得到的特征輸入到三層的MLFNN網(wǎng)絡(luò)中，對振動信號進(jìn)行識別。該網(wǎng)絡(luò)中間層節(jié)點(diǎn)個數(shù)為3，迭代1000次，同時該網(wǎng)絡(luò)在經(jīng)典的MLFNN網(wǎng)絡(luò)中使用優(yōu)化算法，誤差目標(biāo)函數(shù)為：

增加連接權(quán)和閾值平方和這一項(xiàng)后，訓(xùn)練過程會偏好比較小的連接權(quán)和閾值，使網(wǎng)絡(luò)輸出更加“光滑”，從而對過擬合有所緩解。

本發(fā)明人針對上述基于時頻變換特征的MLFNN網(wǎng)絡(luò)識別方法，對實(shí)測過車信號、鎬刨信號、小跑信號進(jìn)行分類仿真，識別錯誤率為0.04。可見通過此方法可以有效的識別出過車、鎬刨和小跑信號。

與現(xiàn)有識別方法相比，本發(fā)明的優(yōu)點(diǎn)包括：

(1)本發(fā)明的方法能夠有效實(shí)現(xiàn)光纖入侵識別；

(2)本發(fā)明的方法能夠通過小波分解提取不同波段的能量分布；

(3)本發(fā)明的方法經(jīng)過相關(guān)運(yùn)算和小波分解、能量占比等方法提取特征再輸入到MLFNN網(wǎng)絡(luò)中，增大了識別的可行性。

(4)本發(fā)明的方法將特征輸入MLFNN網(wǎng)絡(luò)中，并且使用正則化的優(yōu)化算法，緩解了MLFNN網(wǎng)絡(luò)的過擬合問題，通過調(diào)配結(jié)構(gòu)、參數(shù)，使不同光纖入侵信號可分。

本發(fā)明的實(shí)施例七提供了能夠?qū)崿F(xiàn)識別方法的一種基于時頻變換特性的振動源識別系統(tǒng)的一種具體實(shí)施方式。參見圖17，該識別系統(tǒng)具體包括如下內(nèi)容：

自相關(guān)系數(shù)波形獲取單元10，用于獲取當(dāng)前振動源在多個報警點(diǎn)的振動信號的自相關(guān)系數(shù)波形；

能量占比確定單元20，用于根據(jù)時頻變換特性對所述自相關(guān)系數(shù)波形進(jìn)行小波分解并計算分解得到的高層波形的能量占比；

振動源識別單元30，用于將r維能量占比特征向量作為特征輸入到MLFNN網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,并根據(jù)參數(shù)訓(xùn)練的結(jié)果識別當(dāng)前振動源的類型。

從上述描述可知，本發(fā)明的實(shí)施例能夠根據(jù)時頻變換特性準(zhǔn)確的識別出振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的實(shí)施例的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明的實(shí)施例進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明的實(shí)施例各實(shí)施例技術(shù)方案的范圍。