基于φ-OTDR光纖振動傳感系統(tǒng)模式識別方法

王興奇, 朱 瑞, 李欣城, 黃丹飛, 荊 濤, 衣文索

(1. 長春理工大學 光電工程學院, 長春 130022； 2. 吉林大學 汽車工程學院, 長春 130022)

分布式光纖振動傳感系統(tǒng)利用光纖作為傳感媒介, 基于光的干涉或后向散射原理進行高靈敏度振動監(jiān)測. 光纖具有功耗低、 抗電磁干擾強、 靈敏度高、 成本低、 布設(shè)靈活及場景應(yīng)用廣泛等特點[1-3], 在管涌監(jiān)測、 橋梁健康監(jiān)測及周界安保監(jiān)測等領(lǐng)域應(yīng)用廣泛. 其中相位敏感光時域反射計(φ-OTDR)的分布式光纖振動傳感系統(tǒng)傳感機構(gòu)簡單(一根傳感光纖), 可對同一時刻不同位置的多個振動點進行同時識別定位, 且分辨率及定位精度高.

Taylor等[4]首次提出的φ-OTDR系統(tǒng), 與傳統(tǒng)光時域反射計(OTDR)相比, 其注入光為強相干光, 輸出光為后向Rayleigh散射光的相干干涉光. 目前對提高φ-OTDR系統(tǒng)分辨率及傳感長度的研究較多, 而對振動信號模式識別的研究較少. Tan等[5]以信號強度為識別依據(jù)在埋地環(huán)境下對人工挖掘、 車輛經(jīng)過及挖掘機挖掘3種模式進行了振動信號的識別研究； 張顏等[6]以信號平方差、 短時過電平率及短時Fourier變換等特征參量為識別依據(jù), 對敲擊、 攀爬和澆水等模式進行識別, 在時域和頻域上進行分析, 但識別正確率較低, 且對相似度較高的擾動識別困難； 彭寬等[7]以平均片段間隔、 片段長度和峰均比、 頻域能量等特征參量, 對腳踩、 自行車軋過和拍擊等模式進行識別, 識別正確率較高, 但對相似模式識別能力較差.

利用φ-OTDR的分布式光纖振動傳感系統(tǒng)信號特點, 本文提出一種基于多種綜合特征提取的模式識別方法. 該方法提取信號主波能量(MVE)、 信號主瓣時延(MVBW)、 信號主波峰峰值(MDV)、 信號主波Q值(MVQV)、 信號頻譜(SFS)、 3 dB時延(3 dB BW)、 主瓣峰值(MVMAX)、 中心頻率(CF)、 二次回波損耗(2VEL)、 波數(shù)(SSWC)、 半波長度(HWDT) 11種特征參量作為參考衡量標準, 用模糊評價矩陣算法進行模式識別, 從而提高了識別準確性, 且對相似度較高的擾動目標有較強的識別能力.

1 φ-OTDR實驗系統(tǒng)及原理

φ-OTDR與傳統(tǒng)OTDR系統(tǒng)的結(jié)構(gòu)近似, 由于φ-OTDR系統(tǒng)采用窄線寬激光器作為光源, 因此其傳感光纖內(nèi)光脈沖信號有較強的相干性.φ-OTDR系統(tǒng)檢測的是光脈沖信號相位變化導(dǎo)致的光強變化量, 其原理如圖1所示. 脈沖光傳輸如圖2所示. 由圖2可見: 窄線寬激光器發(fā)出超窄線寬激光, 經(jīng)聲光調(diào)制器后, 連續(xù)激光被調(diào)制為一定頻率和一定脈寬的脈沖光； 脈沖激光經(jīng)摻鉺光纖放大器放大入射功率, 經(jīng)環(huán)形器進入傳感光纖; 脈沖激光在傳感光纖內(nèi)產(chǎn)生Rayleigh散射現(xiàn)象, 由Rayleigh散射現(xiàn)象產(chǎn)生的后向Rayleigh散射光會沿環(huán)形器進入雪崩光電二極管(APD)光電探測器, 將光信號轉(zhuǎn)變?yōu)殡娦盘? 采集電信號并用電腦進行分析.

圖1 系統(tǒng)原理Fig.1 System principle

圖2 脈沖光傳輸Fig.2 Pulse light transmission

A點的脈沖光信號表達式為

EA(t)=ER0(t)exp{i[2πfct+φ0(t)]},

(1)

其中:ER0(t)為A點光強;fc為光頻率；φ0(t)為無擾動時光相位. 當C點有擾動信號時, 光信號會受擾動信號的作用, 其相位發(fā)生改變,C點的后向Rayleigh散射信號可表示為

EC(t)=ER1(t)exp{i[2πfct+φ1(t)]},

(2)

其中:ER1(t)為C點的后向Rayleigh散射光光強;φ1(t)為光纖擾動信號影響后的光相位.

A點光信號傳輸?shù)紹點產(chǎn)生后向Rayleigh散射光, 其強度為ER0, 該信號與C點的后向Rayleigh散射光產(chǎn)生疊加, 傳輸?shù)教綔y器時產(chǎn)生干涉， 可表示為

EB(t)=ER0(t)exp{i[2πfct+φ0(t)]}+ER1(t)exp{i[2πfct+φ1(t)]}.

(3)

此時, 在探測器中的信號可表示為

(4)

由于擾動信號影響, 因此同一位置在不同時間的后向Rayleigh散射光強會有較大改變, 為提高信噪比, 將不同時間點的后向Rayleigh散射光信號進行差分, 并對差分信號進行分析. 提取空域特征參量, 對同一位置不同時間點采集時域特征參量.

2 復(fù)合特征參量模式識別

由于擾動目標特征的多樣性和易變性, 用單一特征向量難以準確鑒別出目標類別, 因此需充分、 有效地利用多種特征信息, 進行各特征融合. 特征融合的有效性主要取決于特征參量的特殊性及多角度性. 用多角度多特征提取信號的不同特征參量, 可有效突出不同模式的擾動特性.

本文主要選取的特征參量包括MVE,MVBW,MDV,MVQV,SFS. MVE如圖3所示. 按采樣平率離散得到信號幅度平方的積分, 能量即為主波信號內(nèi)各點幅度值V平方后求和,

圖3 主波能量Fig.3 Main wave Energy

即振動信號主波能量反映目標信號的強度信息, 計算結(jié)果可衡量目標的能量大小. 由圖3可見, 在Rayleigh分布式光纖信號回波信號中, 振動能量大的MVE大, 振動能量小的MVE小.

MVBW如圖4所示. MVBW描述擾動信號主瓣每次擾動的時延, 體現(xiàn)了擾動信號的時域特性, 通過對MVBW進行計算可有效提取振動信號的時域信息， 計算公式為

(6)

MDV如圖5所示. MDV描述信號在單周期內(nèi)回波信號的主波峰峰值, 利用離散采樣得到的信號, 主波峰峰值可衡量信號瞬時強度信息, 為正向最高峰電壓與反向最低電壓差, 計算公式為

MDV=MVMAX-MVMIN.

圖4 主瓣時延Fig.4 Main lobe delay

圖5 主波峰峰值Fig.5 Main peak value

圖6 主波Q值Fig.6 Main wave Q value

MVQV如圖6所示. MVQV描述來波信號主能量的尖銳程度. 由圖6(B)可見: 瞬時敲擊和挖掘破壞等信號的MVQV較尖銳, 即能量集中、 較窄且尖銳程度大的MVQV大； 車輛經(jīng)過或下雨等的MVQV較平坦, 即能量分布寬且尖銳程度小的MVQV小. 其計算公式為MVMAX與MVBW的比值, 即

(7)

SFS描述擾動信號的振動頻率. 通過測定信號穿過電平閾值的次數(shù)得到信號頻率, 其表示在時間閾值內(nèi)信號在電平閾值附近穿越的頻率, 計算公式為

(8)

其中：I(n)為信號點幅度；a為設(shè)置的電平閾值；Ψ為指示函數(shù). 當I(n)≥a時,Ψ=1; 否則Ψ=0. 由于短時過電平率與傳感信號的短時平均頻率以及短時相位變化呈正相關(guān), 因此, 可用SFS作為信號的特征.

此外, 3 dB BW表示信號能量衰減到原始功率1/2狀態(tài)的時間； MVMAX表示信號主瓣幅值； CF表示信號的頻率參數(shù)； 2VEL表示振動信號的主波振蕩后的二次回調(diào)峰值； SSWC表示信號波形變化率； HWDT表示在一個周期內(nèi)一個峰值升起到結(jié)束的時間.

3 多特征參數(shù)的模糊評價矩陣

本文通過提取φ-OTDR光纖分布式傳感系統(tǒng)信號中的特征參數(shù)構(gòu)成一個模糊因素集X={AMVE,BMVBW,CMDV,DMVQV,ESFS,…,K2VEL}. 根據(jù)模糊數(shù)據(jù)的理論基礎(chǔ)[8], 構(gòu)建模糊因素變量X對應(yīng)的模糊辯識對象集A的模糊隸屬函數(shù)與模糊評判矩陣.

為討論問題的一般化, 設(shè)有n類模式識別對象A1,A2,…,An, 每類的特征集X有m個特征參數(shù). 因此, 模糊因素變量X={x1,x2,…,xm}對應(yīng)模糊識別對象集A={A1,A2,…,An}的模糊隸屬函數(shù)分別為{μA1(x),μA2(x),…,μAn(x)}. 假設(shè)特征參量是正態(tài)分布模糊集, 測量值的第j個指標對識別對象Ai的隸屬函數(shù)為

(9)

(10)

其中rij=μA1(xj)為測量值X的第j個指標對辨識對象Ai的隸屬函數(shù).

根據(jù)模糊評判矩陣R, 用模糊推理的相應(yīng)標準和方法進行推理判決, 可推斷得到測量值X歸屬于某一識別對象.

4 結(jié)果與討論

用線寬為10 kHz超窄線寬激光器作為光源發(fā)出1 550 nm激光, 先經(jīng)聲光調(diào)制器(AOM)產(chǎn)生頻率為2 kHz, 脈沖寬度100 ns的脈沖激光后, 再經(jīng)摻鉺激光放大器(EDFA)放大激光入射功率至54.6 μW后進入長度為22.6 km單模裸光纖, 后向Rayleigh散射光由探測器接收濾波放大后進入采集卡(采集卡采集頻率為2 MHz), 結(jié)果如圖7所示. 采集多次信號數(shù)據(jù)后, 通過滑動平均算法得到差動數(shù)據(jù), 結(jié)果如圖8所示. 在上位機中用LABVIEW軟件進行信號閾值判斷及報警預(yù)測, 對所得報警信號波形進行分析判斷及模式識別, 得到最終結(jié)果.

圖7 Rayleigh信號Fig.7 Rayleigh signal

圖8 差動數(shù)據(jù)Fig.8 Differential data

實驗將500,100 g鋼制實心球分別在距單模裸光纖10,50 cm處, 高度為100 cm處釋放. 為得到更穩(wěn)點數(shù)據(jù)樣本, 實驗分為4組： (500 g,10 cm)， (500 g,50 cm)， (100 g,10 cm)， (100 g,50 cm), 每組實驗進行50次, 得到200個樣本. 每組10次取一次平均值, 共得到20組數(shù)據(jù), 結(jié)果列于表1. 由表1可見: (500 g,10 cm)組的振動能量大, 幅值高, 信號波形較寬, 2次回波損耗較低； (500 g,50 cm)組低于(500 g,10 cm)組的能量, 但明顯高于100 g組的能量； (100 g,10 cm)組振動能量較小, 信號波形尖銳且二次回波損耗較高； (100 g,50 cm)組的振動能量最低, 信號波形小而尖銳.

表1 20組平均數(shù)據(jù)

根據(jù)多特征參量模式識別理論, 將待識別數(shù)據(jù)分為11種特征參量, 利用表1中的目標庫數(shù)據(jù), 通過式(9)分別得到待識別振動信號的11種候選擾動模式的隸屬函數(shù). 每個待識別擾動信號有11個隸屬函數(shù)值, 這11個隸屬函數(shù)值構(gòu)成了待識別信號的多目標模糊評價矩陣, 通過式(10)得到最大評價函數(shù)值對應(yīng)的候選擾動模式, 即為模式識別結(jié)果.

信號的MVE,SFS,MVBW及2VEL可大致體現(xiàn)信號主體特征. 針對相同目標庫, 對僅提取這4種特征參量與提取11種多特征參量的擾動模式識別方法進行對比, 識別結(jié)果列于表2.

表2 識別結(jié)果

由表2可見, 利用多特征參量進行模式識別方法的識別率分別為96.25%,91.25%,92.50%,83.75%, 綜合識別率90.87%, 明顯高于4種特征參量的識別方法. 因此， 多特征參量的模式識別方法可解析出擾動信號中更多的識別信息, 更有利于識別相似度較高的擾動模式.

綜上, 本文通過提取信號主波能量(MVE)、 信號主瓣時延(MVBW)、 信號主波峰峰值(MDV)、 信號主波Q值(MVQV)、 信號頻譜(SFS)、 3 dB時延(3 dB BW)、 主瓣峰值(MVMAX)、 中心頻率(CF)、 二次回波損耗(2VEL)、 波數(shù)(SSWC)和半波長度(HWDT)等11種特征參量, 用模糊評價矩陣算法進行識別. 結(jié)果表明, 該方法對擾動具有較高的識別率. 在工程實踐中, 針對具體需求而判別特定的擾動模式, 可在11種特征參量中選取7～8種能體現(xiàn)明顯特征的參量進行識別判定.