CN110503813B - 一种埋地管道防开挖监测预警方法 - Google Patents
一种埋地管道防开挖监测预警方法 Download PDFInfo
- Publication number
- CN110503813B CN110503813B CN201910807273.XA CN201910807273A CN110503813B CN 110503813 B CN110503813 B CN 110503813B CN 201910807273 A CN201910807273 A CN 201910807273A CN 110503813 B CN110503813 B CN 110503813B
- Authority
- CN
- China
- Prior art keywords
- excavation
- signal
- signals
- early warning
- monitoring
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
Abstract
本申请公开了一种埋地管道防开挖监测预警方法,解决了现有技术准确率低且预防性差的问题。所述方法包含以下步骤:采集背景噪声信号,计算干扰相关阈值。采集开挖信号,计算无开挖信号和有开挖信号的判别阈值。采集实测信号,判别是否为开挖信号。本发明专利通过构建开挖信号监测预警模型,实现了一种埋地管道防开挖监测预警方法,能够实时监测管道周围的开挖信号,一旦监测到有开挖事件发生,立刻进行报警,并能准确判别开挖类型,为后续应急处理决策提供依据。该方法能对老旧管线的重要管段进行高效地安全防护,通过开挖报警对管道破坏进行预警,有效防止管道本身被破坏。
Description
技术领域
本申请涉及信号检测与模式识别领域,尤其涉及一种埋地管道防开挖监测预警方法。
背景技术
城市地下管线是关系国计民生的重要基础设施,一旦被开挖破坏,将造成严重的经济损失和安全隐患。对于新建的管道,一般采取同沟敷设光缆的方式,通过实时检测地震动信号来监测预警开挖破坏管道事件。但是,对于大量的老旧管线,加敷光缆成本大,并且容易对管道造成损坏。常用的方法,是在管道外壁上加装噪声传感器,并在管道附近埋设信号分析器,当非法开挖活动对管道本体造成破坏时,噪声传感器采集开挖噪声信号并上传至信号分析器进行分析,通过对噪声信号时域波形分布的统计分类检测开挖管道事件。这类方法一方面采集到的噪声信号特性单一,无法判别开挖类型,并且当开挖信号源与噪声传感器距离较远时检测准确率明显下降;另一方面无法预警管道开挖破坏事件,当检测到开挖事件发生时,管道往往已经被破坏。
发明内容
本申请实施例提供一种埋地管道防开挖监测预警方法,解决了现有技术准确率低且预防性差的问题。
本申请提供一种埋地管道防开挖监测预警方法,包含以下步骤:
在无开挖情况下采集背景噪声信号,对单位时间采集的N组背景噪声数据分别取中值和均值,得到中值干扰数据和均值干扰数据,统称背景噪声干扰数据,用背景噪声干扰数据组成背景干扰数据库,计算背景干扰数据库中每两组数据的互相关系数,加权取得干扰相关阈值Tc;
模拟开挖施工环境,采集挖掘信号,组成开挖信号数据库,统计开挖信号数据库和背景干扰数据库中信号的频域能量分布;
以信号的频域能量分布作为特征向量逐个计算开挖信号数据库中的信号与背景干扰数据库中信号的频域能量分布互相关系数,得到无开挖信号和有开挖信号的类间相关分布;
通过背景干扰数据库中无开挖信号的频域能量分布互相关系数,计算无开挖信号的类内相关分布。
通过类间相关分布和类内相关分布,计算无开挖信号和有开挖信号的判别阈值Tyn;
所述判别阈值为错分率之和最小的相似性分类阈值;所述相似性分类阈值为类间相关分布和类内相关分布内所有阈值的集合;采集实测信号,判断连续信号的平均振动幅度是否超过设定的阈值,若均超过,则此信号为待测信号,否则为干扰信号;计算待测信号与背景干扰数据库中每组信号的互相关系数,得到最大互相关系数Cm,若Cm<Tc,则待测信号为疑似开挖信号,否则为干扰信号;计算疑似开挖信号与背景干扰数据库中每组信号的频域能量分布互相关系数,得到最大互相关系数Cem,若Cem<Tyn,则待测信号为开挖信号,否则为干扰信号。
进一步地,还包含以下步骤:
将已判别的开挖信号,分别与开挖数据库中的机械挖掘信号和人工挖掘信号逐个计算复合变换域二次相关性度量系数,得到机械挖掘相关大小排序向量CCm和人工挖掘相关大小排序向量CCh,通过对比两个排序向量的中值函数大小,判断开挖信号类型,若median(CCm)>median(CCh),则开挖信号为机械挖掘,若median(CCm)<median(CCh),则开挖信号为人工挖掘,median()表示中值函数;
进一步地,还包含以下步骤:
若干扰信号被判别为开挖信号,则将实测信号加入背景干扰数据库中,更新参数Tc和Tyn。
优选地,所述背景噪声信号采集30天,采样频率为7500点,每次采样持续30秒。
优选地,所述开挖信号的采样频率为每秒7500点,采样时长为30秒,fl=200Hz,intl={0,25,50,75,100,125,150,175,200}。
进一步地,在待检测管道旁埋设地震动速度传感器采集信号。
进一步地,还包含以下步骤:若median(CCm)==median(CCh),则转入下一次信号检测与判断。
优选地,在待检测管道上方埋设地震动速度传感器。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本发明专利通过构建开挖信号监测预警模型,实现了一种埋地管道防开挖监测预警方法,能够实时监测管道周围的开挖信号,一旦监测到有开挖事件发生,立刻进行报警,并能准确判别开挖类型,为后续应急处理决策提供依据。该方法能对老旧管线的重要管段进行高效地安全防护,通过开挖报警对管道破坏进行预警,有效防止管道本身被破坏。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为埋地管道防开挖监测预警方法实施例流程图;
图2为埋地管道防开挖监测预警方法另一种实施例流程图;
图3为埋地管道防开挖监测预警方法第三种实施例流程图;
图4为埋地管道防开挖监测预警方法第四种实施例流程图;
图5为埋地管道防开挖监测预警方法判断过程流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请通过在待检测管道旁埋设地震动速度传感器采集信号,通过传感器实时采集地震动信号,然后利用开挖信号监测预警模型判别是否存在开挖信号,一旦检测到开挖破坏事件,即刻发出报警信号。
需要说明的是,所述地震动速度传感器可以埋设在待检测管道的上方,也可以埋设在靠近待检测管道的任何方位,但由于埋地管道被挖开通常是从上方挖掘,而且地震动速度传感器埋设在待检测管道的上方,施工方便,因此,优选地,在待检测管道上方埋设地震动速度传感器。
实施例1
图1为埋地管道防开挖监测预警方法流程图。
一种埋地管道防开挖监测预警方法,包含以下步骤:
步骤101、采集背景噪声信号,计算干扰相关阈值。
在步骤101中,在无开挖情况下采集背景噪声信号,对单位时间采集的N组背景噪声数据分别取中值和均值,得到中值干扰数据和均值干扰数据,统称背景噪声干扰数据,用背景噪声干扰数据组成背景干扰数据库,计算背景干扰数据库中每两组数据的互相关系数,加权取得干扰相关阈值。优选地,用互相关系数中的互相关系数最小值经过调节因子取得干扰相关阈值Tc。
例如,采样期间全天24小时采集背景噪声信号,单位时间为1小时,每6分钟采集一次,每小时采集10次,对1小时采集的10组背景噪声数据分别取中值和均值。
Tc=(1+α)minCn(i) (1)
式中,i为互相关系数的序号,α为调节因子。
所述背景噪声信号的采集天数、采样频率、采样持续时间和调节因子可以自由调节,考虑采样耗费的人力物力,优选地。背景噪声信号采集30天,采样频率为7500点,每次采样持续30秒,α取0.2~0.5。
随着现场环境的变化,定期采集背景噪声信号,更新Tc。
因为现场环境经常会发生变化,所以重新采样的周期越短,干扰相关阈值Tc越准确,但需考虑采集背景噪声信号的成本,因此,优选地,每隔3个月、6个月或12个月重新采集背景噪声信号,更新Tc。
步骤102、采集开挖信号,计算无开挖信号和有开挖信号的判别阈值。
在步骤102中,模拟开挖施工环境,采集挖掘信号,组成开挖信号数据库,统计开挖信号数据库和背景干扰数据库中信号的频域能量分布。
以信号的频域能量分布作为特征向量逐个计算开挖信号数据库中的信号与背景干扰数据库中信号的频域能量分布互相关系数,得到无开挖信号和有开挖信号的类间相关分布。
通过背景干扰数据库中无开挖信号的频域能量分布互相关系数为,计算无开挖信号的类内相关分布。
通过类间相关分布和类内相关分布,计算无开挖信号和有开挖信号的判别阈值Tyn。
所述判别阈值为错分率之和最小的相似性分类阈值;所述相似性分类阈值为类间相关分布和类内相关分布内所有阈值的集合。
例如,模拟开挖施工环境,采集挖掘信号,组成开挖信号数据库,统计开挖信号数据库和背景干扰数据库中信号的频域能量分布Es,
Fs=lpfilt(fft(s-mean(s)),fl) (2)
Es=stat(Fs,intl) (3)
式中,s为输入信号,Fs为s的频谱,mean()为均值函数,fft()为快速傅立叶变换函数,lpfilt()为低通滤波函数,fl为低通滤波截止频率,stat()为能量统计函数,intl为能量统计间隔向量。
优选地,所述开挖信号的采样频率为每秒7500点,采样时长为30秒,fl=200Hz,intl={0,25,50,75,100,125,150,175,200}。
以信号的频域能量分布作为特征向量逐个计算开挖信号数据库中的信号与背景干扰数据库中信号的频域能量分布互相关系数,得到无开挖信号和有开挖信号的类间相关分布dCyn,
dCyn=norml(ranka(Cyn)) (4)
式中,Cyn为无开挖信号与有开挖信号的频域能量分布互相关系数,ranka()为升序排列函数,norml()为归一化函数。
设背景干扰数据库中无开挖信号的频域能量分布互相关系数为Cxy,无开挖信号的类内相关分布为dCxy,通过类间相关分布和类内相关分布,计算无开挖信号和有开挖信号的判别阈值Tyn。根据dCyn和dCxy,计算无开挖信号和有开挖信号的判别阈值Tyn,使得两类信号总错分率最低。
式中,Tx为相似性分类阈值,Tm为总错分率最小的Tx,ovalmd()为总错分率计算函数,用于求有开挖信号判别为无开挖信号的错误率与将无开挖信号判别为有开挖信号的错误率之和。
步骤103、采集实测信号,判别是否为开挖信号。
在步骤103中,采集实测信号,判断连续信号的平均振动幅度是否超过设定的阈值,若均超过,则此信号为待测信号,否则为干扰信号;计算待测信号与背景干扰数据库中每组信号的互相关系数,得到最大互相关系数Cm,若Cm<Tc,则待测信号为疑似开挖信号,否则为干扰信号;计算疑似开挖信号与背景干扰数据库中每组信号的频域能量分布互相关系数,得到最大互相关系数Cem,若Cem<Tyn,则待测信号为开挖信号,否则为干扰信号。
例如,以6秒为周期判断连续的10个信号的平均振动幅度是否超过设定的阈值。
实施例2
图2为埋地管道防开挖监测预警方法另一种实施例流程图。
步骤101、采集背景噪声信号,计算干扰相关阈值。
步骤102、采集开挖信号,计算无开挖信号和有开挖信号的判别阈值。
步骤103、采集实测信号,判别是否为开挖信号。
步骤104、通过开挖信号的复合变换域二次相关性度量,判别开挖信号为机械挖掘信号还是人工挖掘信号。
在步骤104中,将已判别的开挖信号,分别与开挖数据库中的机械挖掘信号和人工挖掘信号逐个计算复合变换域二次相关性度量系数,得到机械挖掘相关大小排序向量CCm和人工挖掘相关大小排序向量CCh,通过对比两个排序向量的中值函数大小,判断开挖信号类型,若median(CCm)>median(CCh),则开挖信号为机械挖掘,报警。若median(CCm)<median(CCh),则开挖信号为人工挖掘,报警。式中,median()表示中值函数。
进一步地,还包含,若median(CCm)==median(CCh),则转入下一次信号检测与判断。
所述复合变换域二次相关性度量系数,信号x和y的复合变换域特征向量分别为TDx和TDy,
式中,emd()为经验模态分解,imf为本质模态函数分量,dwt()为离散小波变换,wch为小波高频子带系数,TDx由前m个imf分量和n级wch子带构成。
通过复合变换域特征向量计算复合变换域一次相关性度量向量CVxy。
CVxy=βm+n·xcorr(TDx,TDy) (7)
式中xcorr()为互相关函数,βm+n为m+n维的一次相关系数。
通过复合变换域一次相关性度量向量计算信号x和y的复合变换域二次相关性度量系数CCxy。
CCxy=sum(sum(γ[CVxy(1),...,CVxy(m)]),sum(μ[CVxy(m+1),...,CVxy(m+n)])) (8)
式中γ和μ为二次相关系数。具体地,m=3、n=3。
实施例3
图3为埋地管道防开挖监测预警方法第三种实施例流程图。
步骤101、采集背景噪声信号,计算干扰相关阈值。
步骤102、采集开挖信号,计算无开挖信号和有开挖信号的判别阈值。
步骤103、采集实测信号,判别是否为开挖信号。
步骤105、更新开挖信号监测预警模型的参数和数据库。
在步骤105中,若干扰信号被判别为开挖信号,则将实测信号加入背景干扰数据库中,更新参数Tc和Tyn。
实际中,如果将干扰信号判别为开挖信号,则将实测信号加入到背景干扰数据库中,重复步骤101和步骤102,更新参数Tc和Tyn;如果错误判别开挖信号的开挖类型,则将实测信号添加真实的开挖类型标签后加入到开挖信号数据库中,更新数据库。
所述背景噪声信号被判断为开挖信号,则认为发生开挖施工,通过维检人员现场检查判断所述埋地管道是否发生开挖施工,若未发生开始施工,则此背景噪声信号为判别错误。
实施例4
图4为埋地管道防开挖监测预警方法第四种实施例流程图。
步骤101、采集背景噪声信号,计算干扰相关阈值。
步骤102、采集开挖信号,计算无开挖信号和有开挖信号的判别阈值。
步骤103、采集实测信号,判别是否为开挖信号。
步骤104、通过开挖信号的复合变换域二次相关性度量,判别开挖信号为机械挖掘信号还是人工挖掘信号。
步骤105、更新开挖信号监测预警模型的参数和数据库。
图5为埋地管道防开挖监测预警方法判断过程流程图。
采集实测信号,判断是否为开挖信号。经过判断,若是开挖信号,则继续下一步判断,通过开挖信号的复合变换域二次相关性度量,判别开挖信号为机械挖掘信号还是人工挖掘信号。是否能判断出开挖信号的类型,若能判断则报警,经过维检人员维护,判断开挖信号是否为误判,若为误判,则将实测信号加入背景干扰数据库中,更新参数Tc和Tyn。
需要说明的是,经过判断不需要进一步判断的实测信号,将被舍弃,重新进行开挖信号检测。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种埋地管道防开挖监测预警方法,其特征在于,包含以下步骤:
在无开挖情况下采集背景噪声信号组成背景干扰数据库,计算每两组数据的互相关系数,用互相关系数最小值经过调节因子取得干扰相关阈值Tc;
采集挖掘信号,组成开挖信号数据库;
以信号的频域能量分布作为特征向量计算开挖信号数据库中的信号与背景干扰数据库中信号的频域能量分布互相关系数,得到无开挖信号和有开挖信号的类间相关分布;
通过背景干扰数据库中无开挖信号的频域能量分布互相关系数,计算无开挖信号的类内相关分布;
通过类间相关分布和类内相关分布,计算无开挖信号和有开挖信号的判别阈值Tyn;
所述判别阈值为错分率之和最小的相似性分类阈值;所述相似性分类阈值为类间相关分布和类内相关分布内所有阈值的集合;
计算待测信号与背景干扰数据库中每组信号的互相关系数,得到最大互相关系数Cm,若Cm<Tc,则待测信号为疑似开挖信号,否则为干扰信号;计算疑似开挖信号与背景干扰数据库中每组信号的频域能量分布互相关系数,得到最大互相关系数Cem,若Cem<Tyn,则待测信号为开挖信号,否则为干扰信号。
2.根据权利要求1所述埋地管道防开挖监测预警方法,其特征在于,还包含以下步骤:
将已判别的开挖信号,分别与开挖数据库中的机械挖掘信号和人工挖掘信号逐个计算复合变换域二次相关性度量系数,得到机械挖掘相关大小排序向量CCm和人工挖掘相关大小排序向量CCh,通过对比两个排序向量的中值函数大小,判断开挖信号类型,若median(CCm)>median(CCh),则开挖信号为机械挖掘,若median(CCm)<median(CCh),则开挖信号为人工挖掘,median( )表示中值函数。
3.根据权利要求1所述埋地管道防开挖监测预警方法,其特征在于,还包含以下步骤:
若干扰信号被判别为开挖信号,则将实测信号加入背景干扰数据库中,更新参数Tc和Tyn。
4.根据权利要求1所述埋地管道防开挖监测预警方法,其特征在于,背景噪声信号采集30天,采样频率为7500点,每次采样持续30秒。
5.根据权利要求1所述埋地管道防开挖监测预警方法,其特征在于,开挖信号的采样频率为每秒7500点,采样时长为30秒,f l =200Hz,intl ={0, 25, 50, 75, 100, 125, 150,175, 200};其中,f l 为低通滤波截止频率,intl为能量统计间隔向量。
6.根据权利要求1所述埋地管道防开挖监测预警方法,其特征在于,在待检测管道旁埋设地震动速度传感器采集信号。
7.根据权利要求2所述埋地管道防开挖监测预警方法,其特征在于,还包含以下步骤:
若median(CCm)==median(CCh),则转入下一次信号检测与判断。
8.根据权利要求6所述埋地管道防开挖监测预警方法,其特征在于,在待检测管道上方埋设地震动速度传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807273.XA CN110503813B (zh) | 2019-08-28 | 2019-08-28 | 一种埋地管道防开挖监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807273.XA CN110503813B (zh) | 2019-08-28 | 2019-08-28 | 一种埋地管道防开挖监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503813A CN110503813A (zh) | 2019-11-26 |
CN110503813B true CN110503813B (zh) | 2020-11-24 |
Family
ID=68590328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910807273.XA Active CN110503813B (zh) | 2019-08-28 | 2019-08-28 | 一种埋地管道防开挖监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503813B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567006B1 (en) * | 1999-11-19 | 2003-05-20 | Flow Metrix, Inc. | Monitoring vibrations in a pipeline network |
CN104964821A (zh) * | 2015-05-22 | 2015-10-07 | 南京航空航天大学 | 一种用于轴系设备的故障检测方法和故障检测装置 |
CN105042341A (zh) * | 2015-07-31 | 2015-11-11 | 中国石油大学(华东) | 基于声发射检测的埋地管道泄漏源多层次定位装置及方法 |
CN105467000A (zh) * | 2015-12-21 | 2016-04-06 | 中国石油大学(北京) | 埋地管道管体缺陷非开挖检测方法及装置 |
CN109443766A (zh) * | 2018-09-10 | 2019-03-08 | 中国人民解放军火箭军工程大学 | 一种重载车辆变速箱齿轮安全性分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100353147C (zh) * | 2004-04-27 | 2007-12-05 | 赵晶 | 非开挖导向仪系统中的跟踪接收导向器 |
CN101240875B (zh) * | 2008-03-05 | 2012-05-02 | 天津大学 | 管道安全预警系统 |
CN106571008A (zh) * | 2016-10-20 | 2017-04-19 | 国网山东省电力公司菏泽供电公司 | 挖掘机及其作业报警系统 |
CN109115983A (zh) * | 2018-08-29 | 2019-01-01 | 安徽辰控智能科技有限公司 | 一种城市挖掘安全施工实时在线监测系统 |
-
2019
- 2019-08-28 CN CN201910807273.XA patent/CN110503813B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567006B1 (en) * | 1999-11-19 | 2003-05-20 | Flow Metrix, Inc. | Monitoring vibrations in a pipeline network |
CN104964821A (zh) * | 2015-05-22 | 2015-10-07 | 南京航空航天大学 | 一种用于轴系设备的故障检测方法和故障检测装置 |
CN105042341A (zh) * | 2015-07-31 | 2015-11-11 | 中国石油大学(华东) | 基于声发射检测的埋地管道泄漏源多层次定位装置及方法 |
CN105467000A (zh) * | 2015-12-21 | 2016-04-06 | 中国石油大学(北京) | 埋地管道管体缺陷非开挖检测方法及装置 |
CN109443766A (zh) * | 2018-09-10 | 2019-03-08 | 中国人民解放军火箭军工程大学 | 一种重载车辆变速箱齿轮安全性分析方法 |
Non-Patent Citations (3)
Title |
---|
基于_OTDR分布式光纤传感系统的电缆防开挖分析;徐海宁;《电气技术》;20160715(第7期);全文 * |
基于声音的地下电缆防破坏预警系统;汪友明;《杭州电子科技大学学报(自然科学版)》;20180731;第38卷(第4期);全文 * |
管道泄漏声发射检测系统的研究;谭兴强;《中国优秀博硕士学位论文全文数据库 工程科技Ⅱ辑》;20070115(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110503813A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100387457B1 (ko) | 스펙트럼 신호들의 감시 시스템 | |
CN109470352B (zh) | 基于自适应阈值的分布式光纤管道安全监测算法 | |
Qu et al. | A new acoustic emission sensor based gear fault detection approach | |
CN100456010C (zh) | 基于压力信号拐点检测油气管道泄漏的方法 | |
WO2011006210A1 (en) | Intrusion detection | |
CN106247173A (zh) | 管道泄漏检测的方法及装置 | |
CN110621971A (zh) | 光学声学感测系统和方法 | |
US20030220767A1 (en) | Subband domain signal validation | |
Harmouche et al. | Long-term monitoring for leaks in water distribution networks using association rules mining | |
CN112348237A (zh) | 一种动态钻井数据异常趋势检测方法 | |
Fouda et al. | Pattern recognition of optical fiber vibration signal of the submarine cable for its safety | |
CN106741009A (zh) | 一种基于相位敏感光时域反射计的铁轨异物入侵监测方法 | |
CN109239775B (zh) | 矿产资源被盗采追踪定位方法 | |
CN110503813B (zh) | 一种埋地管道防开挖监测预警方法 | |
CN104964736B (zh) | 基于时频特性最大期望分类的光纤入侵振源识别方法 | |
WO2010101594A2 (en) | Seismic method for vehicle detection and vehicle weight classification | |
CN112219361A (zh) | 入侵检测的事件统计生成方法及装置 | |
Koshekov et al. | Testing a pump unit by identification measurements of vibration signals | |
Gramann et al. | Vehicle and personnel detection using seismic sensors | |
JP3885297B2 (ja) | 異音判定装置及び異音判定方法 | |
CN116609440A (zh) | 基于云边协同的建筑工程质量智能验收管理方法及系统 | |
CN107689127B (zh) | 具有自适应调参功能的光纤安防信号双重识别方法与系统 | |
CN115479219A (zh) | 智能管道状态监测方法、监测装置及智能管道系统 | |
Lyu et al. | Two-stage intrusion events recognition for vibration signals from distributed optical fiber sensors | |
Tejedor et al. | Towards detection of pipeline integrity threats using a SmarT fiber-OPtic surveillance system: PIT-STOP project blind field test results |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |