CN106706119B - 一种基于信号频域特征的振动源识别方法及系统 - Google Patents
一种基于信号频域特征的振动源识别方法及系统 Download PDFInfo
- Publication number
- CN106706119B CN106706119B CN201611162959.0A CN201611162959A CN106706119B CN 106706119 B CN106706119 B CN 106706119B CN 201611162959 A CN201611162959 A CN 201611162959A CN 106706119 B CN106706119 B CN 106706119B
- Authority
- CN
- China
- Prior art keywords
- signal
- vibration
- source
- current
- vibration signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000009527 percussion Methods 0.000 claims description 54
- 230000009466 transformation Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 21
- 239000013307 optical fiber Substances 0.000 claims description 6
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 3
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- GGWBHVILAJZWKJ-UHFFFAOYSA-N dimethyl-[[5-[2-[[1-(methylamino)-2-nitroethenyl]amino]ethylsulfanylmethyl]furan-2-yl]methyl]azanium;chloride Chemical compound Cl.[O-][N+](=O)C=C(NC)NCCSCC1=CC=C(CN(C)C)O1 GGWBHVILAJZWKJ-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于信号频域特征的振动源识别方法及系统，方法获取当前振动源在多个报警点的振动信号，对各振动信号进行预处理，根据标准信号对各振动信号进行能量检测，得到当前振动源的识别信号，根据信号频域特征获取各识别信号与不同工况下的标准信号的相关系数，在识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值时，将当前振动源识别为敲击振动源。系统包括振动信号获取单元、预处理单元、能量检测单元、相关系数获取单元及敲击振动源识别单元。本发明能够根据信号频域特征准确的识别出敲击振动信号，且识别过程快速且有效，为控制中心提供了可靠的振动源判定基础，使得控制中心能够根据振动源的类型做出准确及时的响应。
Description
技术领域
本发明涉及振动源识别技术领域，具体涉及一种基于信号频域特征的振动源识别方法及系统。
背景技术
随着全球经济的迅猛发展，社会对能源尤其是油气资源的需求量日趋增加。在国家能源战略中，油气储运的建设和发展关系到为国民经济建设和社会发展提供长期、稳定、经济、安全的能源保障的战略全局。如今，地下油气输送管道已成为能源运输的大动脉，管道安全保护的问题也日益突出地摆在人们面前。管道一旦泄漏极易发生爆炸，不仅影响能源的正常运输，还将给国家和人民群众的生命、财产造成巨大损失。因此，对管道安全的预警系统有广泛的应用背景。
传感技术、计算机技术、信号处理技术等的不断发展使振源识别越来越受到广泛地关注。在运用光纤传感系统进行实时监控的基础上，对所检测到的振动信号进行分类、识别，明确引起振动的外部事件源，更加有利于监管部门进行合理决策。面对大量复杂的振动信号，如何准确识别目标振源是安全预警系统研究的难点。振源识别是基于振源的行为和振动信号的属性特征，以计算机为工具，采用一定识别算法理论，建立振动信号和振动源对应关系的一门技术。光纤预警系统对光纤管道采集到的振动信号进行处理和识别，并根据振动信号的特征确定破坏事件的类型并进行安全预警，从而实现保障油气管道安全，防患于未然的目的。
现有的研究存在的主要问题是缺乏合适的振动源识别方法，因此，需要建立一种有效的振动源识别方法来实现振动信号的识别，以降低振源识别的错误率。
发明内容
针对现有技术中的缺陷，本发明提供一种基于信号频域特征的振动源识别方法及系统，能够根据信号频域特征准确的识别出敲击振动信号，且识别过程快速且有效，为控制中心提供了可靠地振动源判定基础，使得控制中心能够根据振动源的类型，做出准确且及时的响应。
为解决上述技术问题，本发明提供以下技术方案：
一方面，本发明提供了一种基于信号频域特征的振动源识别方法，所述方法包括：
步骤1.获取当前振动源在多个报警点的振动信号；
步骤2.对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同；
步骤3.根据标准信号对各所述振动信号进行能量检测，筛除能量检测结果超出第一阈值范围的振动信号，得到当前振动源的识别信号；
步骤4.根据信号频域特征获取各所述识别信号与不同工况下的标准信号的相关系数；
步骤5.若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
进一步的，所述步骤1包括：
在光纤传感系统的各报警点检测到振动源时，接收各报警点发送的振动信号，其中，各报警点的设置位置不同。
进一步的，所述步骤2包括：
步骤2-1.将当前振动信号带入预处理模型中，其中，所述预处理模型如式(1)所示：
f2(t)＝f1(at) (1)
其中，f1为振动信号，f2为标准信号，t为时间，a为当前振动信号的尺度变换系数；
步骤2-2.根据所述预处理模型对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
进一步的，所述步骤2-2包括：
步骤2-2a.将f2(t)和f1(at)转换至对数坐标系；
步骤2-2b.将转换至对数坐标系的f2(t)和f1(at)进行傅里叶变换，以及根据傅里叶变换的时移特性，获取当前振动信号的尺度变换系数a的取值；
步骤2-2c.将当前振动信号的尺度变换系数a带入所述预处理模型，对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
进一步的，所述步骤2-2还包括：
步骤2-2d.若经判断得知当前振动信号的尺度变换系数a的取值在0.5＜a＜1.5的范围内；则对当前振动信号进行反向尺度变换。
进一步的，所述步骤3包括：
步骤3-1.分别获取各所述振动信号的信号能量E1以及所述标准信号的信号能量E2；
步骤3-2.计算得到E1与E2的比值B，并比较所述比值B与第一阈值范围b，其中，0.1＜b＜10；
若所述比值B超出第一阈值范围，则进入步骤3-3；
若所述比值B未超出第一阈值范围，则步骤3-4；
步骤3-3.筛除所述比值B超出第一阈值范围的振动信号，进入步骤3-4；
步骤3-4.将未被筛除的各振动信号确认为当前振动源的识别信号。
进一步的，所述步骤4包括：
步骤4-1.对当前振动源的各识别信号及不同工况对应的标准信号进行快速傅里叶变换；
步骤4-2.根据信号频域特征对各识别信号及不同工况对应的标准信号进行归一化的相关系数求解，其中，频域的相关系数ρf:xy如式(2)所示：
式(2)中，X(ω)为识别信号的傅里叶变换结果，Y(ω)为不同工况对应的标准信号的傅里叶变换结果，其中，所述工况中包括敲击工况。
进一步的，所述步骤5包括：
步骤5-1.根据当前识别信号与不同工况对应的标准信号的相关系数的取值，确定当前识别信号的工况类型；
步骤5-2.若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
进一步的，所述步骤5-2包括：
判断所述敲击振动信号的数量是否超过第二阈值，其中，所述第二阈值为大于1的正整数；
若所述敲击振动信号的数量超过第二阈值，则将当前振动源识别为敲击振动源；
否则，将当前振动源识别为非敲击造成的人工振动源。
另一方面，本发明还提供了一种基于信号频域特征的振动源识别系统，所述系统包括：
振动信号获取单元，用于获取当前振动源在多个监测点的振动信号；
预处理单元，用于对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同；
能量检测单元，用于根据标准信号对各所述振动信号进行能量检测，筛除能量检测结果超出第一阈值范围的振动信号，得到当前振动源的识别信号；
相关系数获取单元，用于根据信号频域特征获取各所述识别信号与不同工况下的标准信号的相关系数；
敲击振动源识别单元，用于若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
由上述技术方案可知，本发明所述的一种基于信号频域特征的振动源识别方法及系统，方法获取当前振动源在多个报警点的振动信号，对各振动信号进行预处理，根据标准信号对各振动信号进行能量检测，得到当前振动源的识别信号，根据信号频域特征获取各识别信号与不同工况下的标准信号的相关系数，在识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值时，将当前振动源识别为敲击振动源；能够根据信号频域特征准确的识别出敲击振动信号，且识别过程快速且有效，为控制中心提供了可靠的振动源判定基础，使得控制中心能够根据振动源的类型做出准确及时的响应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一的一种基于信号频域特征的振动源识别方法的流程示意图；
图2是本发明实施例二的识别方法中步骤200的一种具体实施方式的流程示意图；
图3是本发明实施例三的识别方法中步骤202的一种具体实施方式的流程示意图；
图4是本发明实施例四的识别方法中步骤300的一种具体实施方式的流程示意图；
图5是本发明实施例五的识别方法中步骤400的一种具体实施方式的流程示意图；
图6是本发明实施例六的识别方法中步骤500的一种具体实施方式的流程示意图；
图7是本发明具体应用例中的识别方法总流程图；
图8是本发明具体应用例中的傅里叶梅林变换流程示意图；
图9是本发明具体应用例中的频域相关识别流程示意图；
图10是本发明具体应用例中的镐刨报警点时域图；
图11是本发明具体应用例中的挖地报警点时域图；
图12是本发明具体应用例中的小跑报警点时域图；
图13是本发明具体应用例中的镐刨信号与模板互功率谱逆变换结果图；
图14是本发明具体应用例中的镐刨模板时域图；
图15是本发明具体应用例中的傅里叶梅林变换前的待测信号时域图；
图16是本发明具体应用例中的傅里叶梅林变换后的待测信号时域图；
图17是本发明实施例七的一种基于信号频域特征的振动源识别系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的实施例一提供了一种基于信号频域特征的振动源识别方法。参见图1，所述识别方法具体包括如下内容：
步骤100：获取当前振动源在多个报警点的振动信号。
在本步骤中，光纤传感系统用于实时监测地面的振动源，并在光纤传感系统的各报警点检测到振动源时，接收各报警点发送的振动信号，其中，各报警点间隔设置在不同的位置。
步骤200：对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同。
在本步骤中，将当前振动信号带入预处理模型中，并根据所述预处理模型对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
步骤300：根据标准信号对各所述振动信号进行能量检测，筛除能量检测结果超出第一阈值范围的振动信号，得到当前振动源的识别信号。
在本步骤中，分别获取各所述振动信号的信号能量以及所述标准信号的信号能量；计算得到振动信号的信号能量以及所述标准信号的信号能量的比值，并筛除所述比值B超出第一阈值范围的振动信号，将未被筛除的各振动信号确认为当前振动源的识别信号。
步骤400：根据信号频域特征获取各所述识别信号与不同工况下的标准信号的相关系数。
在本步骤中，对当前振动源的各识别信号及不同工况对应的标准信号进行快速傅里叶变换，并根据信号频域特征对各识别信号及不同工况对应的标准信号进行归一化的相关系数求解。
步骤500：若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
在本步骤中，根据当前识别信号与不同工况对应的标准信号的相关系数的取值，确定当前识别信号的工况类型，若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
从上述描述可知，本发明的实施例能够根据信号频域特征准确的识别出敲击振动信号，且识别过程快速且有效，为控制中心提供了可靠地振动源判定基础，使得控制中心能够根据振动源的类型，做出准确且及时的响应。
本发明的实施例二提供了上述识别方法中步骤200的一种具体实施方式。参见图2，该步骤200具体包括如下内容：
步骤201：将当前振动信号带入预处理模型中，其中，所述预处理模型如式(1)所示：
f2(t)＝f1(at) (1)
其中，f1为振动信号，f2为标准信号，t为时间，a为当前振动信号的尺度变换系数；
步骤202：根据所述预处理模型对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
从上述描述可知，本发明的实施例给出了对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同的具体实现方式，且该实现过程准确且有效。
本发明的实施例三提供了上述识别方法中步骤202的一种具体实施方式。参见图3，该步骤202具体包括如下内容：
步骤202a：将f2(t)和f1(at)转换至对数坐标系。
步骤202b：将转换至对数坐标系的f2(t)和f1(at)进行傅里叶变换，以及根据傅里叶变换的时移特性，获取当前振动信号的尺度变换系数a的取值。
步骤202c：将当前振动信号的尺度变换系数a带入所述预处理模型，对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
步骤202d：若经判断得知当前振动信号的尺度变换系数a的取值在0.5＜a＜1.5的范围内；则对当前振动信号进行反向尺度变换。
从上述描述可知，本发明的实施例通过根据所述预处理模型对各振动信号进行预处理，准确实现了使得当前的振动信号与所述标准信号的尺度相同，为后续处理提供了可靠的数据基础。
本发明的实施例四提供了上述识别方法中步骤300的一种具体实施方式。参见图4，该步骤300具体包括如下内容：
步骤301：分别获取各所述振动信号的信号能量E1以及所述标准信号的信号能量E2。
步骤302：计算得到E1与E2的比值B，并比较所述比值B与第一阈值范围b，其中，0.1＜b＜10。
若所述比值B超出第一阈值范围，则进入步骤303。
若所述比值B未超出第一阈值范围，则步骤304。
步骤303：筛除所述比值B超出第一阈值范围的振动信号，进入步骤304。
步骤304：将未被筛除的各振动信号确认为当前振动源的识别信号。
从上述描述可知，本发明的实施例通过根据标准信号对各所述振动信号进行能量检测，有效且快速的筛除了能量检测结果超出第一阈值范围的振动信号，准确获取了当前振动源的识别信号。
本发明的实施例五提供了上述识别方法中步骤400的一种具体实施方式。参见图5，该步骤400具体包括如下内容：
步骤401：对当前振动源的各识别信号及不同工况对应的标准信号进行快速傅里叶变换。
步骤402：根据信号频域特征对各识别信号及不同工况对应的标准信号进行归一化的相关系数求解，其中，频域的相关系数ρf:xy如式(2)所示：
式(2)中，X(ω)为识别信号的傅里叶变换结果，Y(ω)为不同工况对应的标准信号的傅里叶变换结果，其中，所述工况中包括敲击工况。
从上述描述可知，本发明的实施例通过根据信号频域特征，准确的获取了各所述识别信号与不同工况下的标准信号的相关系数，为后续对识别信号的识别提供了判定基础。
本发明的实施例六提供了上述识别方法中步骤500的一种具体实施方式。参见图6，该步骤500具体包括如下内容：
步骤501：根据当前识别信号与不同工况对应的标准信号的相关系数的取值，确定当前识别信号的工况类型。
步骤502：若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
在本步骤中，判断所述敲击振动信号的数量是否超过第二阈值，其中，所述第二阈值为大于1的正整数；若所述敲击振动信号的数量超过第二阈值，则将当前振动源识别为敲击振动源；否则，将当前振动源识别为非敲击造成的人工振动源。
从上述描述可知，本发明的实施例通过根据上述步骤100至400，实现了经判断得知识别信号是否为敲击振动信号，并实现了根据敲击振动信号的数量判定当前振动源是否为敲击振动源。
为进一步的说明本方案，本发明还提供了一种基于信号频域特征的振动源识别方法的具体应用例，该具体应用例以敲击信号为镐刨信号、以及标准信号为模板为例对该方案进行说明。参见图7，该识别方法的具体应用例包括的内容如下：
图7是识别方法的具体应用例的总体流程。所识别的对象主要包括：镐刨信号和其他人工信号。
首先，对经检测后的数据报警点附近截取512ms的振动段，之后对待测数据与模板数据做傅里叶梅林变换，消除尺度变换的影响后，对待测数据进行能量检测，消除不匹配数据，最后通过对信号与模板求频域归一化相关系数输出最终识别结果。
如图8所示通过傅里叶梅林变换消除尺度变换带来的影响，步骤如下：
S201：将待测信号和模板信号转到对数坐标系。
对于存在尺度缩放的信号f2(t)和f1(at)，首先需要将其转换到对数坐标系，即变为f2(logt)和f1[log(at)]。
根据对数的性质对二者进行如下变换：
f2(logt)＝f1(logat)＝f1(logt+loga) (1)
设x＝logt,A＝loga，则
f2(x)＝f1(x+A) (2)
S202：求对数坐标系下的待测信号与模板的互功率谱逆。
对上式中的f2(x)和f1(x+A)分别进行傅里叶变换，则：
F2(ω)＝F1(ω)e-j(ωA) (3)
而f2(x)和f1(x+A)的互功率谱为：
S203:对互功率谱进行傅里叶逆变换，找出其峰值所在位置。
由S202可知，对待测信号与模板的互功率谱求逆变换，逆变换的结果将在A处将形成一个脉冲函数,借此可求得A。
S204:求出当前振动信号的尺度变换系数a。
由S201可得：
a＝eA (5)
这样就求出了当前振动信号的尺度变换系数a。
对求出的当前振动信号的尺度变换系数a进行检验，若0.5＜a＜1.，5则对数据做反向尺度变换，否则不对数据做任何变换。通过上述步骤就消除了尺度变换对相关识别算法带来的影响。
如图9所示通过频域相关对待测信号进行识别，步骤如下：
S301：计算振动数据和模板的能量比值K。
对待测信号和模板求能量：
E1＝||s1(t)||2＝∫|s1(t)|2dt (6)
E2＝||s2(t)||2＝∫|s2(t)|2dt (7)
其中，t为时间，s1(t)为待测信号，s2(t)为模板信号，E1为待测信号能量
E2为模板信号能量。
所以待测信号与模板的能量比值K为：
K＝E1/E2 (8)
S302：对能量比值K进行检测，阈值设置为(0.1～10)；
一般来说，同种类型的人工信号的能量比值不会相差过大，因此通过检测待测信号与模板的能量比就可以消除没有必要去匹配的样本，这样不仅提高了识别率，也大大简化了运算。阈值设置为0.1～10，即两种信号能量相差十倍以上就将结果的相关系数直接置零。
S303：计算待测信号和模板的归一化相关系数。
S304：通过求出的归一化相关系数进行识别，输出最终的识别结果。
对求出的待测信号与各个模板的相关系数进行比对，相关系数最大的即为识别结果。
取同一待测信号的3个不同报警点分别于各个模板进行识别，若识别结果有两次以上为镐刨，则输出最终识别结果为镐刨，否则就输出识别结果为其他人工信号。
镐刨，小跑，挖地这三种人工信号的报警点时域如图10至12所示。从图中可以看出，小跑与挖地信号的时域特征较为接近，而镐刨与它们区别明显。
如图13所示，镐刨振动信号与镐刨模板的互功率谱的傅里叶逆变换结果出现了一个脉冲函数，而其峰值位置就尺度缩放因子的对数。
傅里叶梅林变换前后镐刨信号的时域图如图14至16所示，从图中可以看出，消除尺度缩放影响后，镐刨待测信号与模板的相似度有了明显的提高，因此通过傅里叶梅林变换可以大大提高识别率。
本发明的具体应用例针对上述频域相关识别方法，利用频域相关模板对时域的几何变化具有强鲁棒性，首先通过傅里叶变换的时移不变性消除了时域上平移变换对相关识别带来的影响，其次通过傅里叶梅林变换求出了信号与模板的尺度缩放因子并对模板进行反向缩放消除影响。之后通过待测信号与模板的能量比值消除一些明显不匹配的样本，提高了相关识别的效率与准确率。最后求解待测信号与各个模板的归一化相关系数，通过相关系数的大小输出识别结果。
与现有检测方法相比，本发明的优点包括：
(1)本发明的方法能够有效实现光纤入侵识别；
(2)本发明的方法能够通过傅里叶变换的时移不变性消除时移变换对相关识别的影响
(3)本发明的方法能够通过傅里叶梅林变换消除尺度缩放对相关识别产生的影响。
(4)本发明的方法能够通过频域相关的方法别有效地将镐刨信号与其他人工信号区别开，准确性较高。
本发明的实施例七提供了能够实现上述识别方法的一种基于信号频域特征的振动源识别系统。参见图17，该识别系统具体包括如下内容：
振动信号获取单元10，用于获取当前振动源在多个监测点的振动信号。
预处理单元20，用于对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同。
能量检测单元30，用于根据标准信号对各所述振动信号进行能量检测，筛除能量检测结果超出第一阈值范围的振动信号，得到当前振动源的识别信号。
相关系数获取单元40，用于根据信号频域特征获取各所述识别信号与不同工况下的标准信号的相关系数。
敲击振动源识别单元50，用于若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
从上述描述可知，本发明的实施例能够根据信号频域特征准确的识别出敲击振动信号，且识别过程快速且有效，为控制中心提供了可靠地振动源判定基础，使得控制中心能够根据振动源的类型，做出准确且及时的响应。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (10)
1.一种基于信号频域特征的振动源识别方法，其特征在于，所述方法包括：
步骤1.获取当前振动源在多个报警点的振动信号；
步骤2.对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同；
步骤3.根据标准信号对各所述振动信号进行能量检测，筛除能量检测结果超出第一阈值范围的振动信号，得到当前振动源的识别信号；
步骤4.根据信号频域特征获取各所述识别信号与不同工况下的标准信号的相关系数；
步骤5.若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：
在光纤传感系统的各报警点检测到振动源时，接收各报警点发送的振动信号，其中，各报警点的设置位置不同。
3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：
步骤2-1.将当前振动信号带入预处理模型中，其中，所述预处理模型如式(1)所示：
f2(t)＝f1(at) (1)
其中，f1为振动信号，f2为标准信号，t为时间，a为当前振动信号的尺度变换系数；
步骤2-2.根据所述预处理模型对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
4.根据权利要求3所述的方法，其特征在于，所述步骤2-2包括：
步骤2-2a.将f2(t)和f1(at)转换至对数坐标系；
步骤2-2b.将转换至对数坐标系的f2(t)和f1(at)进行傅里叶变换，以及根据傅里叶变换的时移特性，获取当前振动信号的尺度变换系数a的取值；
步骤2-2c.将当前振动信号的尺度变换系数a带入所述预处理模型，对各振动信号进行预处理，使得当前振动信号与所述标准信号的尺度相同。
5.根据权利要求4所述的方法，其特征在于，所述步骤2-2还包括：
步骤2-2d.若经判断得知当前振动信号的尺度变换系数a的取值在0.5<a<1.5的范围内；则对当前振动信号进行反向尺度变换。
6.根据权利要求1所述的方法，其特征在于，所述步骤3包括：
步骤3-1.分别获取各所述振动信号的信号能量E1以及所述标准信号的信号能量E2；
步骤3-2.计算得到E1与E2的比值B，并比较所述比值B与第一阈值范围b，其中，0.1<b<10；
若所述比值B超出第一阈值范围，则进入步骤3-3；
若所述比值B未超出第一阈值范围，则步骤3-4；
步骤3-3.筛除所述比值B超出第一阈值范围的振动信号，进入步骤3-4；
步骤3-4.将未被筛除的各振动信号确认为当前振动源的识别信号。
7.根据权利要求1所述的方法，其特征在于，所述步骤4包括：
步骤4-1.对当前振动源的各识别信号及不同工况对应的标准信号进行快速傅里叶变换；
步骤4-2.根据信号频域特征对各识别信号及不同工况对应的标准信号进行归一化的相关系数求解，其中，频域的相关系数ρf:xy如式(2)所示：
式(2)中，X(ω)为识别信号的傅里叶变换结果，Y(ω)为不同工况对应的标准信号的傅里叶变换结果，其中，所述工况中包括敲击工况。
8.根据权利要求1所述的方法，其特征在于，所述步骤5包括：
步骤5-1.根据当前识别信号与不同工况对应的标准信号的相关系数的取值，确定当前识别信号的工况类型；
步骤5-2.若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
9.根据权利要求8所述的方法，其特征在于，所述步骤5-2包括：判断所述敲击振动信号的数量是否超过第二阈值，其中，所述第二阈值为大于1的正整数；
若所述敲击振动信号的数量超过第二阈值，则将当前振动源识别为敲击振动源；
否则，将当前振动源识别为非敲击造成的人工振动源。
10.一种基于信号频域特征的振动源识别系统，其特征在于，所述系统包括：
振动信号获取单元，用于获取当前振动源在多个监测点的振动信号；
预处理单元，用于对各振动信号进行预处理，使得各振动信号均与标准信号的尺度相同；
能量检测单元，用于根据标准信号对各所述振动信号进行能量检测，筛除能量检测结果超出第一阈值范围的振动信号，得到当前振动源的识别信号；
相关系数获取单元，用于根据信号频域特征获取各所述识别信号与不同工况下的标准信号的相关系数；
敲击振动源识别单元，用于若经判断得知识别信号中有敲击振动信号且该敲击振动信号的数量多于第二阈值，则将当前振动源识别为敲击振动源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611162959.0A CN106706119B (zh) | 2016-12-15 | 2016-12-15 | 一种基于信号频域特征的振动源识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611162959.0A CN106706119B (zh) | 2016-12-15 | 2016-12-15 | 一种基于信号频域特征的振动源识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106706119A CN106706119A (zh) | 2017-05-24 |
| CN106706119B true CN106706119B (zh) | 2019-05-03 |
Family
ID=58937853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611162959.0A Expired - Fee Related CN106706119B (zh) | 2016-12-15 | 2016-12-15 | 一种基于信号频域特征的振动源识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106706119B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2568036B (en) | 2017-10-27 | 2021-02-03 | Perpetuum Ltd | Monitoring an axle of a railway vehicle |
| CN109515472A (zh) * | 2018-12-29 | 2019-03-26 | 北京天高科科技有限公司 | 基于声波的轨道交通轨道检测系统 |
| CN111983020B (zh) * | 2020-08-25 | 2023-08-22 | 绍兴市特种设备检测院 | 一种金属构件内部缺陷敲击检测识别系统及识别方法 |
| CN114323246A (zh) * | 2021-12-17 | 2022-04-12 | 北京特里尼斯石油技术股份有限公司 | 一种管道安全监测方法、装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8358420B1 (en) * | 2010-02-26 | 2013-01-22 | System Planning Corporation | Spectrometer for identifying analyte materials |
| CN104807534A (zh) * | 2015-05-21 | 2015-07-29 | 华北电力大学（保定） | 基于在线振动数据的设备固有振动模式自学习识别方法 |
| CN105095624A (zh) * | 2014-05-15 | 2015-11-25 | 中国电子科技集团公司第三十四研究所 | 一种光纤传感振动信号的识别方法 |
| CN106052849A (zh) * | 2016-05-20 | 2016-10-26 | 西南交通大学 | 一种汽车车内非平稳异常噪声源识别方法 |
-
2016
- 2016-12-15 CN CN201611162959.0A patent/CN106706119B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8358420B1 (en) * | 2010-02-26 | 2013-01-22 | System Planning Corporation | Spectrometer for identifying analyte materials |
| CN105095624A (zh) * | 2014-05-15 | 2015-11-25 | 中国电子科技集团公司第三十四研究所 | 一种光纤传感振动信号的识别方法 |
| CN104807534A (zh) * | 2015-05-21 | 2015-07-29 | 华北电力大学（保定） | 基于在线振动数据的设备固有振动模式自学习识别方法 |
| CN106052849A (zh) * | 2016-05-20 | 2016-10-26 | 西南交通大学 | 一种汽车车内非平稳异常噪声源识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于光纤振动安全预警系统的振源识别算法研究;刘素杰等;《光学技术》;20160131;第42卷(第1期);第90页左栏第16行-第94页，图1-12、14 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106706119A (zh) | 2017-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108730776B (zh) | 一种基于极限学习机信息融合的输油管道泄漏检测方法 | |
| CN114352947B (zh) | 一种燃气管道泄漏检测方法、系统、装置及存储介质 | |
| CN112729688B (zh) | 基于振动和温度双参量的油气管道泄漏检测方法 | |
| CN106706119B (zh) | 一种基于信号频域特征的振动源识别方法及系统 | |
| JP2020519909A (ja) | 水道管の漏水検知方法 | |
| CN103968256B (zh) | 油库管道泄漏检测方法 | |
| CN109034641A (zh) | 管道缺陷预测方法及装置 | |
| CN114492980B (zh) | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 | |
| Shen et al. | SSCT-Net: A semisupervised circular teacher network for defect detection with limited labeled multiview MFL samples | |
| CN112052457B (zh) | 应用系统的安全状况评估方法及装置 | |
| Srirangarajan et al. | Water main burst event detection and localization | |
| CN114088308B (zh) | 一种基于低反射啁啾光栅阵列的输运管道拾振检漏方法 | |
| CN110514366A (zh) | 一种小样本条件下管道微弱泄漏检测方法 | |
| CN106650951A (zh) | 基于时域全局相似度的多通道测量数据自动筛选方法 | |
| Gao et al. | Acoustic Emission‐Based Small Leak Detection of Propulsion System Pipeline of Sounding Rocket | |
| CN115221963A (zh) | 一种数据驱动的核级管道共振故障检测方法和系统 | |
| Carvalho et al. | Pattern recognition techniques applied to the detection and classification of welding defects by magnetic testing | |
| CN115048686A (zh) | 埋地管道完整性综合检维修决策方法及装置 | |
| CN117540277B (zh) | 一种基于WGAN-GP-TabNet算法的井漏预警方法 | |
| Xu et al. | Research of Pipeline Leak Detection Technology and Application Prospect of Petrochemical Wharf | |
| CN110414785A (zh) | 深基坑开挖施工的风险识别方法 | |
| CN107515188A (zh) | 一种基于labview软件的海底腐蚀检测仪操作系统 | |
| Lu et al. | Extracting defect signal from the MFL signal of seamless pipeline | |
| Wang | Geotechnical test and effective processing analysis of geotechnical engineering investigation based on geographic information system under BP neural network | |
| CN103278851B (zh) | 一种海底管道掩埋状况检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Qu Hongquan Inventor after: Zeng Zhiqiang Inventor after: Sun Chengbin Inventor after: Sheng Zhiyong Inventor after: Yang Dan Inventor before: Qu Hongquan Inventor before: Sun Chengbin Inventor before: Sheng Zhiyong Inventor before: Yang Dan Inventor before: Zheng Tong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190503 |