CN112070999A - 一种地下管网保护警示牌及其振动信号识别方法 - Google Patents
一种地下管网保护警示牌及其振动信号识别方法 Download PDFInfo
- Publication number
- CN112070999A CN112070999A CN202010798342.8A CN202010798342A CN112070999A CN 112070999 A CN112070999 A CN 112070999A CN 202010798342 A CN202010798342 A CN 202010798342A CN 112070999 A CN112070999 A CN 112070999A
- Authority
- CN
- China
- Prior art keywords
- signal
- module
- pipe network
- vibration
- underground pipe
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/18—Receiving elements, e.g. seismometer, geophone or torque detectors, for localised single point measurements
- G01V1/181—Geophones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/22—Transmitting seismic signals to recording or processing apparatus
- G01V1/223—Radioseismic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/24—Recording seismic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Emergency Management (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种地下管网保护警示牌及其振动信号识别方法,该地下网管保护警示牌包括中心控制器、警示显示屏、声光报警器、太阳能板、锂电池、电源电量检测模块、地震检波器、信号调理模块、测距模块、GSM模块和物联网模块;在程序设计方面,本发明提出了一种基于LMD和多特征选择提取的地面运动振动信号识别方法,能够有效识别出施工机械等对地下管线有潜在威胁的运动目标振动信号。本发明旨在解决外力入侵对地下管网造成破坏的问题,当发现施工工地中管网通道上的危险源时,触发声光报警器,并且以物联网方式及手机短信方法通知设备人员前往工地保护地下管网,大大节省人工成本的同时,有效加强了对管网设备的保护,降低管网外损故障的发生。
Description
技术领域
本发明属于地下管网的保护技术领域,涉及一种地下管网保护警示牌及其振动信号识别方法,具体涉及一种物联网的地下管网保护智能警示牌及其基于LMD和多特征选择提取的振动信号识别方法。
背景技术
近十几年来,随着经济的快速发展和社会的不断进步、城市化历程的加速,地下管网迅速发展,新建配电线路、水管、天然气管道已基本采用地下铺设方式,但是地下管网在传统的人工保护与监管措施下必然存在着许多隐患,也面临着不可忽视的意外破坏风险,其中主要的原因在于施工单位不规范的作业,并且缺乏与政府相关部门的沟通,导致施工机械设备破坏地下管道,根据统计地下管网因外力破坏而导致故障占到故障总原因的50%以上。
目前国内外在防止地下管网外损方面的主要方法和研究有:1)管线交底,即告知施工人员管线的大致位置,让其开挖样洞后方可施工,但是许多施工人员为了赶工期,仍存在野蛮施工的情况,在明知地下管网位置的情况下,对其造成破坏;2)在管网通道地面拉设警示带、安装警示牌,但是通过实际使用,警示效果并不显著;3)将管网固化,利用水泥等方式,将直埋管网固化,但此方式投入成本太大,不适合推广使用;4)加派工地驻点人员,即派专人入驻工地进行指导,此种方法反外损效果较好,但需专门人力,增加公司负担,多个工地同时派人驻点也无法实现;5)租用摄像头等对工地监视,此种方法相对派工地驻点人员,减少了人力成本,但一些工地不易安装摄像头,且威胁到地下管网的施工,多是在地面或地下,摄像头易被阻挡或损坏。
警示牌具有警示性强、成本低、便于安装和拆除等特点。传统的地下管网保护警示牌插置在地下管网上方地面,通过牌体上书写“下有管网,请勿挖掘”等警示字样对施工机械等潜在目标物进行警示,加之农田中的“稻草人”效应,在实际使用中,经常有施工机械无视传统警示牌,继续施工,且传统警示牌不能远程报警,通知设备主人最终导致地下管网遭受破坏。
目前,不少研究开始以振动信号着手,去判断地下管线上方有无危险运动目标,如施工机械等,目前主流的振动信号识别算法以过零算法为主,过零算法其本质是统计一段时间内振动信号幅值大于所设定的阈值的次数,一般情况下,过零算法能够较好识别出频率与振幅相差较大的振动信号,但是过零算法本质上有一些不足,例如在实际情况下阈值大小的设定难以确定合适的值,并且地震检波器采集到的幅值不仅与振动源本身的强度有关,还与地震检波器与振动源距离关系极大,因此会有振动强度不大的运动目标因为离地震检波器距离较近而造成频繁超过所设定的阈值现象,从而导致地面运动目标类型识别错误。
发明内容
本发明的目的是解决现有技术中存在的上述问题,提供一种地下管网保护警示牌及其振动信号识别方法。本发明提供的一种新型地下管网保护警示牌,根据振动信号识别出施工机械等对地下管网有潜在威胁的运动目标时,新型警示牌现场发出声光报警,并且将报警信息上传到物联网云平台,随后实时监测危险目标与警示牌所处距离并将距离信息上传到物联网云平台。
为达到上述目的,本发明采用的技术方案如下:
一种基于LMD(局部均值分解)和多特征选择提取的地面运动振动信号识别方法,首先采集不同地面运动目标振动信号,用LMD方法处理每种振动信号以获得PF分量(乘积函数分量),其次,从每个PF分量中提取特征,并按FDR(Fisher discriminant ratio,费舍尔判别率)对提取的特征进行排名,接着将排名靠前的特征作为特征向量,并将特征向量输入到SVM(Support Vector Machine,支持矢量机)分类器中进行训练得到训练好的SVM分类器模型,最后将实时采集到的当前地面振动信号输入到训练好的SVM分类器模型中,得到当前振动信号的目标类型。
现有技术中的振动信号识别方法通常是过零分析算法,以统计一段时间内振动信号幅值大于所设定的阈值的次数为核心,信号类型判别的依据仅在于超过阈值的次数及阈值的设定,忽略了不同地面运动目标的振动信号自身特性,本发明提出的基于LMD和多特征选择提取的地面运动振动信号识别方法,能够有效选择出可分性和代表性高的信号特征,将这些可分性高的特征作为分类器的训练样本,能够有效地提高运动目标类型识别的准确率。
作为优选的技术方案:
如上所述的一种基于LMD和多特征选择提取的地面运动振动信号识别方法,具体步骤如下:
(1)利用地震检波器采集不同种类地面运动目标的振动信号,获得每种地面运动目标的十组以上的振动信号;
(2)通过LMD方法对采集到的每种运动目标的十组以上的振动信号分别逐个进行分解,从每组振动信号获得n个PF分量PFi(t)和一个残余分量u(t),其中,t表示时间变量,i=1,2,...n,一般情况下,2≤n≤5;
相同类型的地面运动目标的振动信号分解个数必定相同,不同类型的地面运动目标的振动信号分解个数可能会有不同,当出现不同类型的振动信号所分解的PF分量不同时,则所有类型应该取前n个PF分量研究,n为分解个数最小的类型所分解的PF分量个数。例如A类型十组以上振动信号分解后,每组振动信号都得到4个PF分量和一个残余分量,B类型十组以上振动信号分解后,每组振动信号都得到3个PF分量和一个残余分量,则其后的特征提取时,A、B两种类型的各组振动信号都只取前三个PF分量作为研究对象;
(3)计算每种地面运动目标振动信号各PF分量的信号特征(七种类型统计学特征),本发明用了七种特征,但不局限于七种特征,七种以上特征的情况也适用于本发明,并使用费舍尔判别准则计算出每种信号特征的FDR,将信号特征按FDR大小排名,并将排名靠前的信号特征提取出来,得到信号特征向量;
(4)构建SVM分类器,将步骤(3)得到的信号特征向量作为所述SVM分类器的输入,输出为地面运动目标类型,每种地面运动目标的十组以上振动信号所提取的信号特征向量及其所对应的目标类型作为训练集样本,根据训练集训练SVM分类器,得到训练完成的SVM分类器模型;
(5)采用步骤(4)中训练完成的SVM分类器模型进行地面运动目标识别,当检测为挖掘机、电镐等危险目标振动信号时,警示牌现场声光报警,并将危险信息上传到物联网云平台,随后实时监测危险目标与警示牌距离并将距离信息上传到物联网云平台。
如上所述的一种基于LMD和多特征选择提取的地面运动振动信号识别方法,步骤(2)中每个PF分量PFi(t)为包络ai(t)和纯调频信号sin(t)的乘积,即PFi(t)=ai(t)*sin(t),其中,t表示时间变量,i=1,2,...n,一般情况下,2≤n≤5。
如上所述的一种基于LMD和多特征选择提取的地面运动振动信号识别方法,步骤(3)中排名靠前是指按FDR值从大到小排名的前m名,第m名之前相邻两FDR值的偏差不超过50%,第m名与第m+1名的偏差大于80%。
以FDR值大小,能判断此信号特征是否具有优秀的可分性及代表性,以FDR作为多特征的选择的衡量标准,能够对多个特征的可分性作比较,寻找出可分性高的特征。训练样本特征的可分性程度对分类器的性能有着直接的影响,训练样本特征可分性越高,则分类器性能越高,挑选出可分性好的信号特征,能够很大的提升地面运动目标识别算法的准确率。
本发明还提供一种适用于如上任一项所述的方法的地下管网保护警示牌,包括地震检波器、监视立杆以及位于监视立杆上的声光报警器、测距模块、太阳能板和控制箱;
控制箱中设有电路板以及与太阳能板连接的锂电池,电路板中设有中心控制器、GSM模块、物联网模块、与地震检波器连接的信号调理模块以及与锂电池连接的电源电量检测模块,中心控制器同时与信号调理模块、锂电池、电源电量检测模块、GSM模块、物联网模块和声光报警器连接。物联网模块、GSM模块构成了本装置远程通信硬件部分。警示牌在野外施工现场工作,通讯不方便,只能通过公用无线网络进行通讯。设计中采用高性能工业级GSM模块,实现将报警信息发送到设备主人手机上。物联网模块通过GPRS数据传输,将当前电量、报警信息、施工机械距离等信息上传到警示牌物联网平台,警示牌物联网平台可管理多个警示牌,并在平台上显示警示牌编号和工地地理位置信息。警示牌安装后,由物联网平台设置工地地理位置、保护范围等信息,也可通过物联网平台向某个警示牌发出反馈指令,要求其反馈当前警示牌电量、施工机械距离、有无施工进入保护范围等信息。
作为优选的技术方案:
如上所述的一种地下管网保护警示牌,还包括设置在监视立杆上的警示显示屏,中心控制器还与警示显示屏相连。
如上所述的一种地下管网保护警示牌,地震检波器的输出端与信号调理模块的输入端连接,太阳能板与锂电池的输入端连接,锂电池的输出端同时与中心控制器的输入端和电源电量检测模块的输入端连接,锂电池通过与中心控制器连接从而实现为中心控制器以及与中心控制器相连的其他模块供电,信号调理模块的输出端、电源电量检测模块的输出端和测距模块均与中心控制器的输入端连接,中心控制器的输出端同时与声光报警器的输入端和警示显示屏的输入端连接。本发明的地下管网保护警示牌工作于两种状态:监视状态和报警状态,具体工作原理如下。
监视状态时,警示显示屏上显示“下有管网,禁止挖掘”等字样;声光报警器和测距模块处于静默状态;太阳能板持续供电;电源电量检测模块持续监测电源(锂电池)电量,当电源电量为10%以下时会通过GSM模块发送短信给设备管理人员对设备进行维护;地震检波器实时监测地面振动情况,防范施工机械不顾警示牌文字警示,继续施工。
当有危险运动目标如施工机械在保护区域施工时,会引起地面振动,地震检波器采集地面振动信号,信号调理模块对地震检波器采集的振动信号进行放大及滤波,使采集的振动信号更加可靠,基于LMD和多特征选择提取识别振动信号,判断当前振动信号类型,若判断为挖掘机等施工机械信号时,进入报警状态,现场触发声光报警进行持续警示,并将危险信息通过警示牌内部的GSM模块发送到地下管道主人手机上,以便地下管道主人及时打电话到施工单位;在报警状态下,时时检测施工机械与警示牌距离,警示牌通过物联网模块,将危险源类型、危险距离发送报警给物联网总平台,总平台管理着多台警示牌,随时能看到各个警示牌所在地点及安全状态,并能够随时下发命令。
有益效果:
(1)本发明通过警示显示屏的方式显示“下有管网,请勿挖掘”等警示字样,增强了警示性且弥补了传统的地下管网保护警示牌夜间警示效果不好的缺点,达到更好的警示效果;
(2)本发明采用声光报警器,触发报警时具有很强的警示和报警作用,加强对地下管网的保护;
(3)本发明采用GSM模块通过手机短信的方法通知管理人员报警信息,使得管理人员能够及时了解情况,采取有效措施,对地下管网进行保护;
(4)本发明采用物联网模块将危险源类型、危险距离发送报警给物联网总平台,总平台可以管理多台物联网地下管道保护装置,随时能看到各个保护装置所在地点及安全状态,并能够随时下发命令,在大大节省人工成本的同时,也有效加强了对地下管网的保护,降低管网外损故障的发生;
(5)本发明提出了一种基于LMD和多特征选择提取的地面运动振动目标识别算法,能够极大地提高运动目标识别的准确率。
附图说明
图1为本发明的一种地下管网保护警示牌的系统框图;
图2为本发明的一种地下管网保护警示牌的主视结构示意图;
图3为本发明的一种地下管网保护警示牌的侧视结构示意图;
图4为从每个PF分量提取的信号特征的FDR值的统计图;
其中,1-测距模块,2-控制箱,3-监视立杆,4-地震检波器,5-太阳能板,6-警示显示屏,7-声光报警器,8-信号调理模块,9-GSM模块,10-锂电池,11-物联网模块,12-中心控制器,13-电源电量检测模块。
具体实施方式
下面结合具体实施方式,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种基于LMD和多特征选择提取的地面运动振动信号识别方法,步骤如下:
(1)利用地震检波器采集不同地面运动目标振动信号,获得每种运动目标的十组以上的振动信号;
(2)通过LMD方法对采集到的每种运动目标的十组以上的振动信号分别逐个进行分解,从每种运动目标振动信号获得n个PF分量PFi(t)和一个残余分量u(t),其中,t表示时间变量,i=1,2,...n,2≤n≤5;
(3)为了描述信号,从每个PF中提取与地面振动信号相关的统计特征。计算每种运动目标振动信号各PF分量的七种类型统计学特征(信号特征),并使用费舍尔判别准则计算出每种信号特征的FDR,将信号特征按FDR大小排名,并将排名靠前的信号特征提取出来,得到信号特征向量;其中,排名靠前是指按FDR值从大到小排名的前m名,第m名之前相邻两FDR值的偏差不超过50%,第m名与第m+1名的偏差大于80%;
(4)构建SVM分类器,将步骤(3)得到的信号特征向量作为所述SVM分类器的输入,输出为地面运动目标类型,每种运动目标的十组以上振动信号所提取的特征向量及所对应的目标类型作为训练集样本,根据训练集训练SVM分类器,得到训练完成的SVM分类器模型;
(5)采用步骤(4)中训练完成的SVM分类器模型进行地面运动目标识别。
下面结合实例对算法进行详细说明:
步骤一:利用地震检波器采集轮式车辆与挖掘机车辆行驶的地面振动信号,采样频率1000Hz,两种运动目标采样片段个数为10,每个片段采样点数为500;以挖掘机的一个振动信号片段为例,记为x(t)。
步骤二:通过局部均值分解(LMD)方法对采集到的挖掘机地面振动信号x(t)进行分解,步骤如下:
2.1、首先确定挖掘机行驶的振动信号x(t)中的局部极值点,并通过局部均值求解出相邻局部极值点ni、ni+1的局部均值mi和局部包络αi:
mi=(ni+ni+1)/2 (1)
αi=|ni-ni+1|/2 (2)
2.2、利用滑动平均方法分别对局部均值mi和局部包络αi进行滑动平均处理,求出局部均值函数m11(t)和局部包络函数α11(t);
2.3、使用原始函数x(t)减去局部均值函数m11(t),从而将局部均值函数从原始信号中分离出来,得到:
h11(t)=x(t)-m11(t) (3)
用h11(t)除以局部包络函数α11(t),对h11(t)进行调解,获得调频信号s11(t):
2.4、判断s11(t)是否为纯调频信号,判断s11(t)是否为纯调频信号的方法为:按照步骤2.1-2.2迭代计算s11(t)的局部包络函数a12(t),若a12(t)=1,则s11(t)为纯调频信号,否则,则s11(t)不是纯调频信号。如果s11(t)为纯调频信号,则迭代结束,否则接着将s11(t)作为原始信号重复步骤2.1至2.3的计算,直到得到一个纯调频函数s1n(t)。具体为:
同样,迭代终止条件为s1n(t)的局部包络函数a1(n+1)满足公式:
a1(n+1)(t)=1 (6)
但是,a1(n+1)(t)=1是s1n(t)为纯调频信号的理想状态,在实际迭代中无法实现。实际应用中,为了使s1n(t)为一个较为理想的纯调频信号,设置了一个小的偏差量Δ(Δ>0),当满足1-Δ≤a1(n+1)(t)≤1+Δ,即认为s1n(t)为一个纯调频信号。一般来说,Δ在[0.001,0.1]区间内较为合理,为了满足本发明特征提取要求,实例中Δ取值0.05,即迭代终止条件为:
0.95≤a1(n+1)(t)≤1.05 (7)
2.5、对上述迭代中产生的全部包络函数求积就能求出包络信号a1(t)为:
此包络信号即为第1个PF分量的瞬时幅值函数;对a1(t)和s1n(t)求积,就可以得到原始信号的第一个PF分量,即:
PF1(t)=a1(t)s1n(t) (9)
2.6、从信号x(t)中去除PF1(t)分量,得到剩余信号u1(t),方法如公式(10)。将u1(t)视作初始信号并重复2.1-2.5步骤,循环执行k此,直至uk(t)为单调函数为止,即:
此时,初始信号x(t)被分解成k个PF分量与1个残余分量uk(t)之和:
经过上述步骤,完成对挖掘机行驶振动信号的一个片段x(t)的分解,重复步骤2.1-2.6,对挖掘机行驶振动信号剩余片段及轮式车辆行驶振动信号的所有片段进行分解,分解后,挖掘机行驶振动信号与轮式车行驶振动信号的每个单一片段信号经过LMD分解后,得到的PF分量个数均为4,因此以每个片段信号所分解的前4个PF分量进行下面的研究。
步骤三:根据表1中七种类型特征的统计学计算公式计算出轮式车辆与挖掘机车辆每个片段各自的方根幅值、标准差、峰峰值、能量比、偏斜度、波形指标和峰度因数共7个信号特征的值,表2和表3为每种信号片段统计特征均值;
表1七种类型特征的统计学计算公式
注:|ci|是第i个PF分量的平均值。
表2履带式车辆特征统计值
表3轮式车辆特征统计值
根据Fisher判别准则,进一步地,计算从每个PF提取的各个信号特征的FDR值,如图4所示。从图4中可以看出,PF1是最重要的信息频带,f11,f12,f13,f14,f16,f24特征具有较高的FDR值,充分代表了这几个特征具有优秀的可分性,一般来说,将可分性好的特征作为分类器的输入样本,分类器性能将大大提升;
步骤四:构建SVM分类器,将f11,f12,f13,f14,f16,f24特征所组成的特征向量作为所述分类器的输入,输出为地面运动目标类型,重复步骤一至三,得到由若干信号特征所组成的训练集,根据训练集训练SVM分类器,得到训练完成的SVM训练模型;
步骤五:采用经步骤四训练完的SVM分类器进行地面运动目标识别,当检测为挖掘机、电镐等危险目标振动信号时,新型警示牌现场声光报警,并将危险信息上传到物联网云平台,随后实时监测危险目标与警示牌距离并将距离信息上传到物联网云平台。
一种适用于上述方法的地下管网保护警示牌,如图1~3所示,包括地震检波器4、监视立杆3以及位于监视立杆3上的声光报警器7、测距模块1、太阳能板5、控制箱2和警示显示屏6;控制箱2中设有电路板以及与太阳能板5连接的锂电池10,电路板中设有中心控制器12、GSM模块9、物联网模块11、与地震检波器4连接的信号调理模块8以及与锂电池10连接的电源电量检测模块13,中心控制器同时与信号调理模块8、锂电池10、电源电量检测模块13、GSM模块9、物联网模块11、声光报警器7、警示显示屏6和测距模块1连接;地震检波器4的输出端与信号调理模块8的输入端连接,太阳能板5与锂电池10的输入端连接,锂电池10的输出端同时与中心控制器的输入端和电源电量检测模块13的输入端连接,信号调理模块8的输出端、电源电量检测模块13的输出端和测距模块1均与中心控制器的输入端连接,中心控制器的输出端同时与声光报警器7的输入端和警示显示屏6的输入端连接。
本发明的地下管网保护警示牌工作于两种状态:监视状态和报警状态,具体工作原理如下:
监视状态时,警示显示屏上显示“下有管网,禁止挖掘”等字样;声光报警器和测距模块处于静默状态;太阳能板持续供电;电源电量检测模块持续监测电源(锂电池)电量,当电源电量为10%以下时会通过GSM模块发送短信给设备管理人员对设备进行维护;下方的地震检波器实时监测地面振动情况,防范施工机械不顾警示牌文字警示,继续施工。
当有危险运动目标如施工机械在保护区域施工时,会引起地面振动,地震检波器采集地面振动,判断当前振动信号类型,若判断为挖掘机等施工机械信号时,进入报警状态:现场触发声光报警进行持续警示,并将危险信息通过警示牌内部的GSM模块发送到地下管道主人手机上,以便地下管道主人及时打电话到施工单位;在报警状态下,通过测距模块时时检测施工机械与地下管网保护警示牌,警示牌通过物联网模块,将危险源类型、危险距离发送报警给物联网总平台,总平台管理着多台警示牌,随时能看到各个警示牌所在地点及安全状态,并能够随时下发命令。
Claims (7)
1.一种基于LMD和多特征选择提取的地面运动振动信号识别方法,其特征在于:首先采集不同地面运动目标振动信号,用LMD方法处理每种振动信号以获得PF分量,其次,从每个PF分量中提取特征,并按FDR对提取的特征进行排名,接着将排名靠前的特征作为特征向量,并将特征向量输入到SVM分类器中进行训练得到训练好的SVM分类器模型,最后将实时采集到的当前地面振动信号输入到训练好的SVM分类器模型中,得到当前振动信号的目标类型。
2.根据权利要求1所述的一种基于LMD和多特征选择提取的地面运动振动信号识别方法,其特征在于,具体步骤如下:
(1)利用地震检波器采集不同种类地面运动目标的振动信号,获得每种地面运动目标的十组以上的振动信号;
(2)通过LMD方法对采集到的每种地面运动目标的十组以上的振动信号分别逐个进行分解,从每组振动信号获得n个PF分量PFi(t)和一个残余分量u(t),其中,t表示时间变量,i=1,2,...n,2≤n≤5;
(3)计算每种地面运动目标振动信号各PF分量的信号特征,并使用费舍尔判别准则计算出每种信号特征的FDR,将信号特征按FDR大小排名,并将排名靠前的信号特征提取出来,得到信号特征向量;
(4)构建SVM分类器,将步骤(3)得到的信号特征向量作为所述SVM分类器的输入,输出为地面运动目标类型,每种地面运动目标的十组以上振动信号所提取的信号特征向量及其所对应的地面运动目标类型作为训练集样本,根据训练集训练SVM分类器,得到训练完成的SVM分类器模型;
(5)采用步骤(4)中训练完成的SVM分类器模型进行地面运动目标识别。
3.根据权利要求2所述的一种基于LMD和多特征选择提取的地面运动振动信号识别方法,其特征在于,步骤(2)中每个PF分量PFi(t)为包络ai(t)和纯调频信号sin(t)的乘积,即PFi(t)=ai(t)*sin(t),其中,t表示时间变量,i=1,2,...n,2≤n≤5。
4.根据权利要求2所述的一种基于LMD和多特征选择提取的地面运动振动信号识别方法,其特征在于,步骤(3)中排名靠前是指按FDR值从大到小排名的前m名,第m名之前相邻两FDR值的偏差不超过50%,第m名与第m+1名的偏差大于80%。
5.一种适用于如权利要求1~4任一项所述的方法的地下管网保护警示牌,其特征在于:包括地震检波器(4)、监视立杆(3)以及位于监视立杆(3)上的声光报警器(7)、测距模块(1)、太阳能板(5)和控制箱(2);
控制箱(2)中设有电路板以及与太阳能板(5)连接的锂电池(10),电路板中设有中心控制器(12)、GSM模块(9)、物联网模块(11)、与地震检波器(4)连接的信号调理模块(8)以及与锂电池(10)连接的电源电量检测模块(13),中心控制器同时与信号调理模块(8)、锂电池(10)、电源电量检测模块(13)、GSM模块(9)、物联网模块(11)和声光报警器(7)连接。
6.根据权利要求5所述的一种地下管网保护警示牌,其特征在于,还包括设置在监视立杆(3)上的警示显示屏(6),中心控制器还与警示显示屏(6)相连。
7.根据权利要求6所述的一种地下管网保护警示牌,其特征在于,地震检波器(4)的输出端与信号调理模块(8)的输入端连接,太阳能板(5)与锂电池(10)的输入端连接,锂电池(10)的输出端同时与中心控制器的输入端和电源电量检测模块(13)的输入端连接,信号调理模块(8)的输出端、电源电量检测模块(13)的输出端和测距模块均与中心控制器的输入端连接,中心控制器的输出端同时与声光报警器(7)的输入端和警示显示屏(6)的输入端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798342.8A CN112070999B (zh) | 2020-08-11 | 2020-08-11 | 一种地下管网保护警示牌及其振动信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798342.8A CN112070999B (zh) | 2020-08-11 | 2020-08-11 | 一种地下管网保护警示牌及其振动信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070999A true CN112070999A (zh) | 2020-12-11 |
CN112070999B CN112070999B (zh) | 2022-05-31 |
Family
ID=73661117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010798342.8A Active CN112070999B (zh) | 2020-08-11 | 2020-08-11 | 一种地下管网保护警示牌及其振动信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070999B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189395A (zh) * | 2023-04-27 | 2023-05-30 | 深圳市天翊瑞霖智能科技有限公司 | 一种智能电缆运行环境的远程监测系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989010566A1 (en) * | 1988-04-22 | 1989-11-02 | Massachusetts Institute Of Technology | Process for forming and using microdroplets |
CN103544791A (zh) * | 2012-07-10 | 2014-01-29 | 中国矿业大学(北京) | 基于地震波的地下入侵监测系统 |
CN104077889A (zh) * | 2014-07-17 | 2014-10-01 | 哈尔滨理工大学 | 用于地震预警云监测网络的公用固定式监测终端 |
CN106646096A (zh) * | 2016-11-15 | 2017-05-10 | 国网四川省电力公司广安供电公司 | 基于振动分析法的变压器故障分类和识别方法 |
CN109665399A (zh) * | 2019-01-28 | 2019-04-23 | 枣庄学院 | 一种矿井提升机无线传输的故障诊断系统及方法 |
-
2020
- 2020-08-11 CN CN202010798342.8A patent/CN112070999B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989010566A1 (en) * | 1988-04-22 | 1989-11-02 | Massachusetts Institute Of Technology | Process for forming and using microdroplets |
CN103544791A (zh) * | 2012-07-10 | 2014-01-29 | 中国矿业大学(北京) | 基于地震波的地下入侵监测系统 |
CN104077889A (zh) * | 2014-07-17 | 2014-10-01 | 哈尔滨理工大学 | 用于地震预警云监测网络的公用固定式监测终端 |
CN106646096A (zh) * | 2016-11-15 | 2017-05-10 | 国网四川省电力公司广安供电公司 | 基于振动分析法的变压器故障分类和识别方法 |
CN109665399A (zh) * | 2019-01-28 | 2019-04-23 | 枣庄学院 | 一种矿井提升机无线传输的故障诊断系统及方法 |
Non-Patent Citations (2)
Title |
---|
李伟: "基于LMD和模式识别的矿山微震信号特征提取及分类方法", 《煤炭学报》 * |
董浩 等: "基于振动信号的地下管线保护装置的研究与设计", 《电子测量技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189395A (zh) * | 2023-04-27 | 2023-05-30 | 深圳市天翊瑞霖智能科技有限公司 | 一种智能电缆运行环境的远程监测系统及方法 |
CN116189395B (zh) * | 2023-04-27 | 2023-07-04 | 深圳市天翊瑞霖智能科技有限公司 | 一种智能电缆运行环境的远程监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112070999B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101458069B (zh) | 隧道围岩变形监测方法及其监测系统 | |
CN103093400A (zh) | 一种隧道施工中邻近建筑物安全性定量评价方法 | |
CN110533890B (zh) | 简易下水道堵塞应急预警发布系统 | |
CN104952212A (zh) | 一种基于电网gis的地质灾害预警方法及装置 | |
CN210466599U (zh) | 一种电力施工现场违章识别报警系统 | |
CN104021638A (zh) | 一种高速公路沿线电缆预警防盗的方法及装置 | |
CN112525329B (zh) | 基于分布式光纤传感的双参量边坡监测系统 | |
CN112487545A (zh) | 基于大数据轴力监测的边坡安全实时监测预警系统 | |
CN105003828A (zh) | 一种基于移动平台的排水在线监测预警方法及系统 | |
CN111274880A (zh) | 一种视频智能分析辅助巡检与异常告警方法 | |
CN105569732A (zh) | 基于图像和水文数据监测的煤矿水灾报警方法 | |
CN112070999B (zh) | 一种地下管网保护警示牌及其振动信号识别方法 | |
CN205038740U (zh) | 一种电网地下管线设施安全监测系统 | |
CN106571008A (zh) | 挖掘机及其作业报警系统 | |
CN111379260A (zh) | 一种具备报警功能的基坑快速支撑系统 | |
CN206541435U (zh) | 一种城市内涝路面行人安全预警装置 | |
CN213424017U (zh) | 一种智能工地系统 | |
CN103472192B (zh) | 一种气体传感器智能定位方法 | |
CN105205962A (zh) | 一种电网地下管线设施安全监测系统 | |
CN216053266U (zh) | 一种泥石流监测预警系统 | |
CN105225427B (zh) | 一种基于超渗产流原理的山洪预警简便装置 | |
CN115223078A (zh) | 一种基于高位监控的电力行为识别预警方法、系统及设备 | |
CN212809411U (zh) | 一种太阳能供电的地质灾害监测组装置 | |
CN110222670B (zh) | 一种光缆振动中断预警系统的分类器训练方法 | |
CN113280858A (zh) | 一种流域水环境生态安全预警方法 |
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 |