CN112883521B - 应用于海底观测网的海底光电复合缆外力入侵监测系统 - Google Patents
应用于海底观测网的海底光电复合缆外力入侵监测系统 Download PDFInfo
- Publication number
- CN112883521B CN112883521B CN202110037372.1A CN202110037372A CN112883521B CN 112883521 B CN112883521 B CN 112883521B CN 202110037372 A CN202110037372 A CN 202110037372A CN 112883521 B CN112883521 B CN 112883521B
- Authority
- CN
- China
- Prior art keywords
- external force
- invasion
- force invasion
- composite cable
- light
- 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
- 230000009545 invasion Effects 0.000 title claims abstract description 105
- 239000002131 composite material Substances 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 239000013307 optical fiber Substances 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000001360 synchronised effect Effects 0.000 claims abstract description 15
- 230000001427 coherent effect Effects 0.000 claims abstract description 8
- 230000000737 periodic effect Effects 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 32
- 230000003287 optical effect Effects 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 13
- 230000002457 bidirectional effect Effects 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000001069 Raman spectroscopy Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000010355 oscillation Effects 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 210000001503 joint Anatomy 0.000 claims description 2
- 230000015654 memory Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 5
- 238000009413 insulation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 229910052691 Erbium Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 230000035559 beat frequency Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000253 optical time-domain reflectometry Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/30—Testing of optical devices, constituted by fibre optics or optical waveguides
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Optical Communication System (AREA)
Abstract
本发明公开了应用于海底观测网的海底光电复合缆外力入侵监测系统，用于和海底光电复合缆的光纤在光电复合缆接头盒内对接，系统包括：窄线宽激光光源、分光器、同步时钟模块、背向瑞利散射模块、光电平衡探测器、采集模块和计算处理模块；通过向光纤中注入周期性探测脉冲光，利用海底光电复合缆中光纤的背向瑞利散射效应得到背向瑞利散射光，和本振信号进行相干叠加后输入采集模块进行采集；计算处理模块根据采集信号判定有无外力入侵，如果有，计算外力入侵位置，基于预先训练好的的外力入侵识别模型，得到外力入侵事件类型。本发明具有灵敏度高、传感动态范围大、故障定位精度高、全天候实时监测以及维护和升级效率高的特点。
Description
技术领域
本发明涉及海底光电复合缆故障监测领域，具体涉及应用于海底观测网的海底光电复合缆外力入侵监测系统。
背景技术
海底光电复合缆是海底观测网水下系统通信和供电的关键媒介，在长期运行过程中，受渔捞作业(拖网、张网)、船锚活动(走锚、起锚)、海底地质活动(冲淤、滑坡、塌陷)及海底光电复合缆敷设施工影响，容易引起海底光电复合缆故障，导致海底观测网水下系统通信和供电中断，严重影响海底观测网正常运行。海底光电复合缆故障主要表现为绝缘故障、光纤故障和短路故障，其中绝缘故障是海底光电复合缆的主要故障，产生绝缘故障的主要原因是海底光电复合缆绝缘层受外力挤压、拉伸破损，但位于缆中心的光纤性能正常，表现为供电导体短路或断裂。
在海底光电复合缆运行维护过程中，工程上现有常用的故障测试技术主要是线路电阻测试和光纤测试方法，其局限性在于：
(1)海底光电复合缆线路电阻测试
在断开供电情况下，利用海缆故障测试仪TINSLEY 5910测试得到海底光电复合缆的回路电阻为R1(Ω)，设海底光电复合缆出厂时其铜导体电阻系数为R2(Ω/km)，则故障位置为L＝R1/R2(km)。当海底光电复合缆的铜导体绝缘层尚未完全击穿或缆沿线出现两点或者两点以上绝缘异常时，R1的值可能出现较大跳动，则计算得到的故障位置值L误差较大。
(2)海底光电复合缆光纤测试
将光时域反射仪(英文缩写为OTDR)接入海底光电复合缆的光纤进行光纤衰减、折弯点、断裂点测试，其定位的前提是光纤发生不可恢复的严重折弯或存在断裂面，由于海底光电复合缆具有铠装和护套保护，光纤位于缆的轴心位置且光纤在保护钢套管内具有冗长，缆在没有断开的情况下其内部的光纤性能正常，无法通过OTDR进行故障点实时定位。
发明内容
本发明的目的在于克服现有技术缺陷，提出了应用于海底观测网的海底光电复合缆外力入侵监测系统。
为了实现上述目的，本发明提出了一种应用于海底观测网的海底光电复合缆外力入侵监测系统，用于和海底光电复合缆的光纤在光电复合缆接头盒内对接，所述系统包括：窄线宽激光光源、分光器、同步时钟模块、背向瑞利散射模块、光电平衡探测器、采集模块和计算处理模块；其中，
所述窄线宽激光光源，用于产生连续单色的激光；
所述分光器，用于对连续激光进行分光处理，一部分激光作为本振信号输入光电平衡探测器，另一部分激光输入背向瑞利散射模块；
所述同步时钟模块，用于产生周期性的脉冲调制信号输入背向瑞利散射模块，同时产生同源时钟信号输入采集模块；
所述背向瑞利散射模块，用于通过脉冲调制信号对激光进行调制处理，形成探测脉冲光进入海底光电复合缆并激发背向瑞利散射光，经处理后输入光电平衡探测器；
所述光电平衡探测器，用于将本振信号和背向瑞利散射光进行相干叠加并输入采集模块；
所述采集模块，用于根据同源时钟信号对背向瑞利散射光相干叠加的光信号进行采集并将模数转换后的采集信号发送至计算处理模块；
所述计算处理模块，用于根据模数转换后的采集信号，判定是否存在外力入侵事件，如果存在，计算外力入侵事件发生的位置，并基于预先训练好的的外力入侵识别模型，识别该外力入侵事件的类型。
作为上述系统的一种改进，所述同步时钟模块包括串联的声光调制器驱动器、任意函数发生器和10MHz同步时钟源。
作为上述系统的一种改进，所述背向瑞利散射模块包括：声光调制器、脉冲EDFA、第一带通滤波器、光环形器、EDFA放大器、第二带通滤波器、WDM耦合器、光环形器、拉曼泵浦源输出和光隔离器；其中，
所述声光调制器依次连接脉冲EDFA、第一带通滤波器和光环形器的第一端口，光环形器的第二端口连接WDM耦合器的一端，所述WDM耦合器的另一端与光电复合缆接头盒相连，拉曼泵浦源的输出端依次连接光隔离器和WDM耦合器，所述光环形器的第三端口依次连接EDFA放大器和第二带通滤波器。
作为上述系统的一种改进，所述计算处理模块的具体实现过程为：
步骤1)接收采集模块输入的一个时间窗口的探测信号光时间序列，利用正交解调算法解调得到探测信号光的相位信号时间序列，根据同步时钟模块输出的脉冲调制信号对相位信号时间序列进行等间隔分帧，得到前后时间连续的相位信号帧；
步骤2)对时间域相邻的相位信号帧进行移动差分运算，按一定时间窗口对差分帧进行累加，设置经验阈值判定是否存在外力入侵事件，如果不存在外力入侵事件则转至步骤1)取下一个时间窗口的探测信号光时间序列；如果存在外力入侵事件则转至步骤3)；
步骤3)结合采集模块采样率、差分叠加结果过阈值点、光在光纤中的光速、海底光电复合缆光纤冗长系数和路由位置计算外力入侵事件发生的缆沿线位置和经纬度；
步骤4)根据发生外力入侵事件发生的位置，计算得到该位置处探测信号光的相位信号的19个维度特征向量；
步骤5)将19个维度特征向量输入到预先训练好的外力入侵识别模型，得到外力入侵事件的类型。
作为上述系统的一种改进，所述步骤4)具体包括：
根据发生外力入侵事件的位置，对该位置处探测信号光的相位信号进行4层小波包分解得到16个小波包树节点，对小波包树节点系数进行重排，计算重排后的16个小波包树节点的重构系数，基于重构系数计算相位信号的16个频带能量占比，获得16个维度的特征向量；
对所述相位信号进行瞬时频率计算，获得1个维度的特征向量；
对所述相位信号进行谱峭度计算，获得1个维度的特征向量；
对所述相位信号进行谱熵计算，获得1个维度的特征向量；
将上述特征向量串联得到该位置处探测信号光的相位信号的19个维度特征向量。
作为上述系统的一种改进，所述外力入侵识别模型为双向长短期记忆深度学习网络，包括全连接层和分类层，所述外力入侵识别模型的输入为探测信号光的相位信号的19个维度特征向量，输出为外力入侵事件的类型。
作为上述系统的一种改进，所述外力入侵事件的类型包括：渔网入侵、船锚入侵、海底地质活动入侵和无外力入侵。
作为上述系统的一种改进，所述外力入侵识别模型的训练过程为：
构建训练集；
指定自适应矩估计求解器和训练选项，根据训练集对外力入侵识别模型进行训练得到训练好的外力入侵识别模型。
作为上述系统的一种改进，所述构建训练集；具体包括：
分别开展k组模拟渔网入侵、k组模拟船锚入侵、k组模拟海底地质活动入侵和k组无外力入侵试验，由采集模块采集得到4k组探测信号光，对4k组探测信号光进行正交解调得到4k组相位信号样本；
根据外力入侵事件类型对4k组探测信号光的相位信号样本添加数据标签，并按照一定比例对每种外力入侵事件类型的样本随机挑选，构成训练集；
对训练集的每个样本信号分别单独进行4层小波包分解得到16个小波包树节点，对小波包树节点系数进行重排，计算重排后的16个小波包树节点的重构系数，基于重构系数计算相位信号的16个频带能量占比，获得16个维度的特征向量；
对训练集的每个样本信号分别单独进行瞬时频率计算，获得1个维度的特征向量；
对训练集的每个样本信号分别单独进行谱峭度计算，获得1个维度的特征向量；
对训练集的每个样本信号分别单独进行谱熵计算，获得1个维度的特征向量；
将上述特征向量串联得到训练集的每个样本信号19个维度的特征向量，从而得到训练集。
与现有技术相比，本发明的优势在于：
1、本发明的监测系统应用于海底光电复合缆的外力入侵探测，具有灵敏度高、传感动态范围大、故障定位精度高和全天候实时监测的特点；
2、将本发明的监测系统应用于海底观测网海底光电复合缆外力入侵监测，只需要将缆中的单模光纤与监测系统对接，无需对光电复合缆进行改造，监测系统采用模块化设计，维护和升级效率高；
3、将本发明提供的监测系统应用于海底观测网海底光电复合缆，当系统监测到外力入侵时能够及时做出入侵定位和识别入侵事件类型，同时记录外力入侵信息，弥补现有海底光电复合缆故障测试技术不足，是海底光电复合缆运行维护过程中用于故障预警、故障定位和故障记录的有效手段；
4、本发明的监测系统的任意函数发生器和采集模块采用同源时钟，避免采集信号抖动，组成系统的光电子器件高度模块化、小型化，可集成在机柜中实现单向传感监测，也可集成在海底观测网水下设备的水密腔体中实现双向传感监测，延长传感动态范围；
5、本发明的监测系统通过将小波包节点能量、谱熵、瞬时频率和谱峭度作为双向LSTM深度学习网络的训练、测试和模式识别特征向量，能够自动对船锚、拖网、海底地质活动事件进行分类，使海底光电复合缆外力入侵监测更加智能化。
附图说明
图1是本发明的海底光电复合缆外力入侵监测系统结构示意图；
图2是本发明的海底光电复合缆外力入侵监测方法设计流程图。
具体实施方式
本发明通过传感光路设计、双向LSTM网络模式识别算法设计，提出了一种应用于海底观测网的海底光电复合缆外力入侵监测系统和方法。LSTM是Long Short-Term Memory的缩写，长短期记忆网络是一种循环神经网络。在不对海底光电复合缆改动情况下，只需将本发明所述的外力入侵监测系统与海底光电复合缆中的一芯冗余单模通信光纤连接，在不影响供电和通信的前提下，通过向光纤中注入周期性探测脉冲光，利用海底光电复合缆中光纤的背向瑞利散射效应，结合基于深度神经网络学习的外力入侵信号分析和处理算法，实现对海底光电复合缆沿线的外力入侵事件的在线监测。
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例1
如图1所示，本发明的实施例1提出了应用于海底观测网的海底光电复合缆外力入侵监测系统。本系统包括：窄线宽激光光源、10:90分光器、同步时钟模块、背向瑞利散射模块、光电平衡探测器、采集模块和计算处理模块。
其中同步时钟模块包括：声光调制器驱动器、任意函数发生器和10MHz同步时钟源。
背向瑞利散射模块包括：声光调制器、脉冲EDFA、EDFA放大器、光环形器、第一带通滤波器、第二带通滤波器、WDM耦合器、拉曼泵浦源。EDFA，是Erbium Doped FiberAmplifier的缩写，掺铒光纤放大器，WDM是Wavelength Division Multiplex的缩写，波分多路复用。
窄线宽激光光源输出和10:90分光器相连，分光器90％输出口和声光调制器相连，声光调制器驱动器输入与任意函数发生器输出相连，声光调制器输出和脉冲EDFA输入相连，第一带通滤波器输入和脉冲EDFA输出相连，光环形器第一端口和第一带通滤波器输出相连，WDM耦合器一端与光环形器第二端口相连，另一端与光电复合缆接头盒相连，拉曼泵浦源输出和光隔离器相连，光隔离器与WDM相连，10MHz同步时钟分别和任意函数发生器、采集模块相连，光电平衡探测器和采集模块模拟输入端相连，光环形器第三端口和EDFA放大器输入相连，第二带通滤波器输入和EDFA放大器输出相连，光电平衡探测器输入分别和分光器10％输出口、第二带通滤波器输出相连。
具体光路原理为：
窄线宽激光光源产生1550.12nm的连续激光，经过10:90的分光器进行分光，任意函数发生器产生具有一定占宽比的周期性模拟脉冲信号激励声光调制器驱动器，用于驱动声光调制器。窄线宽激光光源经过分光器分光后的90％光进入声光调制器进行调制后进入脉冲EDFA进行放大，放大输出的探测脉冲光再经过第一带通滤波器滤波后进入光环形器第一端口，从第二端口输出经由光电复合缆接头盒进入海底光电复合缆的光纤中。探测脉冲光在海底光电复合缆的光纤中产生背向瑞利散射光沿着与探测脉冲光方向相反传播，通过拉曼泵浦源对探测脉冲光进行分布式放大。海底光电复合缆光纤中的背向瑞利散射光经由光环形器第三端口输出后，由EDFA放大器进行功率放大和第二带通滤波器滤波后和10％本振光在光电平衡探测器进行相干叠加输出至采集模块进行模数转换，采集模块将背向瑞利散射相干叠加光信号送至计算处理模块进行信号分析和处理。
10MHz同步时钟作为任意函数发生器和采集模块的共同外部同步时钟源，避免采集模块在采集光信号时因为时钟源不一致出现明显的周期抖动，提高后期信号分析和处理的准确性。
海底光电复合缆的光纤与外力入侵监测系统的光纤在光电复合缆接头盒内进行对接。
本系统的监测方法设计流程如图2所示。
步骤(1)样本获取
针对海底光电复合缆机械结构设计特点，开展200组模拟渔网入侵、200组模拟船锚入侵、200组模拟海底地质活动入侵、200组无外力入侵试验获取经验样本。采集模块采集的是窄线宽激光光源输出的本振光和外力入侵引起相位变化的信号光相干叠加得到的具有一定频移的拍频信号(或称探测信号光)，需要进行正交解调提取相位，对经验样本分别进行正交解调得到800组探测信号光相位信号样本。
步骤(2)样本划分
按照渔网入侵、船锚入侵、海底地质活动入侵和无外力入侵4种外力入侵事件类别分别对800组相位信号样本添加相应的外力入侵模式类别数据标签。
按3:1的比例将200组模拟渔网入侵的相位信号样本进行随机划分，得到150组模拟渔网入侵的相位信号训练样本、50组模拟渔网入侵的相位信号测试样本。
按3:1的比例将200组模拟船锚入侵的相位信号样本进行随机划分，得到150组模拟船锚入侵的相位信号训练样本、50组模拟船锚入侵的相位信号测试样本。
按3:1的比例将200组模拟海底地质活动入侵的相位信号样本进行随机划分，得到150组模拟海底地质活动入侵的相位信号训练样本、50组为模拟海底地质活动入侵的相位信号测试样本。
按3:1的比例将200组无外力入侵的相位信号样本进行随机划分，得到150组无外力入侵的相位信号训练样本、50组无外力入侵的相位信号测试样本。
步骤(3)构建特征向量
对800组相位信号样本分别单独进行4层小波包分解得到16个小波包树节点，对小波包树节点系数进行重排，计算重排后的16个小波包树节点的重构系数，基于重构系数计算相位信号的16个频带能量占比，获得16个维度的特征向量；
对800组相位信号分别单独进行瞬时频率计算，获得1个维度的特征向量。
对800组相位信号分别单独进行谱峭度计算，获得1个维度的特征向量。
对800组相位信号分别单独进行谱熵计算，获得1个维度的特征向量；
将上述特征向量串联得到800组分别具有19个维度的特征向量，分别与800组相位信号样本一一对应。
步骤(4)设计深度学习网络
外力入侵识别模型，定义LSTM深度学习网络，通过包含大小为4的全连接层和分类层来指定渔网入侵、船锚入侵、海底地质活动入侵和无外力入侵这4种入侵事件类型。
步骤(5)训练和测试双向LSTM网络
指定自适应矩估计求解器和训练选项，利用步骤(3)得到的600组相位信号训练样本对应的19个维度特征向量和数据标签对双向LSTM网络进行训练；
利用步骤(3)得到的200组相位信号测试样本对应的特征向量和数据标签对经过训练的双向LSTM网络进行测试。
步骤(6)生成双向LSTM模式识别网络
根据测试结果评估网络分类的准确度，生成用于进行外力入侵模式识别的双向LSTM网络。本双向LSTM网络可通过使用后期布放在海底的海底光电复合缆受到外力入侵的真实样本进行训练、测试，实现网络性能迭代优化和更新。
步骤(7)采集探测信号光
采集海底光电复合缆光纤中的探测信号光时间序列，利用正交解调算法解调得到探测信号光的相位信号时间序列，根据任意函数发生器产生的调制脉冲周期对相位信号时间序列进行等间隔分帧，得到前后时间连续的相位信号帧。
步骤(8)判定有无外力入侵
对时间域相邻的相位信号帧进行移动差分运算，按一定时间窗口对差分帧进行累加，设置经验阈值判定是否发生外力入侵，如果没有外力入侵则对下一个时间窗口的探测信号光时间序列执行步骤(7)，再进行前述差分、累加和阈值判定计算。
步骤(9)入侵事件定位
如果有外力入侵，则联合采集模块采样率、差分叠加结果过阈值点、光在光纤中的光速、海底光电复合缆光纤冗长系数和路由位置计算发生外力入侵的缆沿线位置和经纬度。
步骤(10)构建探测信号光特征向量
从步骤(9)获取发生外力入侵位置，按照步骤(3)计算获得该位置处探测信号光的相位信号的19个维度特征向量。
步骤(11)入侵事件模式识别
将入侵位置处的探测信号光的相位信号对应的19个维度特征向量输入到步骤(6)中的双向LSTM网络，进行外力入侵模式识别，得到入侵事件类型。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种应用于海底观测网的海底光电复合缆外力入侵监测系统，用于和海底光电复合缆的光纤在光电复合缆接头盒内对接，其特征在于，所述系统包括：窄线宽激光光源、分光器、同步时钟模块、背向瑞利散射模块、光电平衡探测器、采集模块和计算处理模块；其中，
所述窄线宽激光光源，用于产生连续单色的激光；
所述分光器，用于对激光进行分光处理，一部分激光作为本振信号输入光电平衡探测器，另一部分激光输入背向瑞利散射模块；
所述同步时钟模块，用于产生周期性的脉冲调制信号输入背向瑞利散射模块，同时产生同源时钟信号输入采集模块；
所述背向瑞利散射模块，用于通过脉冲调制信号对激光进行调制处理，形成探测脉冲光进入海底光电复合缆并激发背向瑞利散射光，经处理后输入光电平衡探测器；
所述光电平衡探测器，用于将本振信号和背向瑞利散射光进行相干叠加并输入采集模块；
所述采集模块，用于根据同源时钟信号对背向瑞利散射光相干叠加的光信号进行采集并将模数转换后的采集信号发送至计算处理模块；
所述计算处理模块，用于根据模数转换后的采集信号，判定是否存在外力入侵事件，如果存在，计算外力入侵事件发生的位置，并基于预先训练好的外力入侵识别模型，识别该外力入侵事件的类型；
所述背向瑞利散射模块包括：声光调制器、脉冲EDFA、第一带通滤波器、光环形器、EDFA放大器、第二带通滤波器、WDM耦合器、光环形器、拉曼泵浦源输出和光隔离器；其中，
所述声光调制器依次连接脉冲EDFA、第一带通滤波器和光环形器的第一端口，光环形器的第二端口连接WDM耦合器的一端，所述WDM耦合器的另一端与光电复合缆接头盒相连，拉曼泵浦源的输出端依次连接光隔离器和WDM耦合器，所述光环形器的第三端口依次连接EDFA放大器和第二带通滤波器；
所述计算处理模块的具体实现过程为：
步骤1)接收采集模块输入的一个时间窗口的探测信号光时间序列，利用正交解调算法解调得到探测信号光的相位信号时间序列，根据同步时钟模块输出的脉冲调制信号对相位信号时间序列进行等间隔分帧，得到前后时间连续的相位信号帧；
步骤2)对时间域相邻的相位信号帧进行移动差分运算，按一定时间窗口对差分帧进行累加，设置经验阈值判定是否存在外力入侵事件，如果不存在外力入侵事件则转至步骤1)取下一个时间窗口的探测信号光时间序列；如果存在外力入侵事件则转至步骤3)；
步骤3)结合采集模块采样率、差分叠加结果过阈值点、光在光纤中的光速、海底光电复合缆光纤冗长系数和路由位置计算外力入侵事件发生的缆沿线位置和经纬度；
步骤4)根据外力入侵事件发生的位置，计算得到该位置处探测信号光的相位信号的19个维度特征向量；
步骤5)将19个维度特征向量输入到预先训练好的外力入侵识别模型，得到外力入侵事件的类型；
所述步骤4)具体包括：
根据发生外力入侵事件的位置，对该位置处探测信号光的相位信号进行4层小波包分解得到16个小波包树节点，对小波包树节点系数进行重排，计算重排后的16个小波包树节点的重构系数，基于重构系数计算相位信号的16个频带能量占比，获得16个维度的特征向量；
对所述相位信号进行瞬时频率计算，获得1个维度的特征向量；
对所述相位信号进行谱峭度计算，获得1个维度的特征向量；
对所述相位信号进行谱熵计算，获得1个维度的特征向量；
将上述特征向量串联得到该位置处探测信号光的相位信号的19个维度特征向量；
所述外力入侵识别模型为双向长短期记忆深度学习网络，包括全连接层和分类层，所述外力入侵识别模型的输入为探测信号光的相位信号的19个维度特征向量，输出为外力入侵事件的类型。
2.根据权利要求1所述的应用于海底观测网的海底光电复合缆外力入侵监测系统，其特征在于，所述同步时钟模块包括串联的声光调制器驱动器、任意函数发生器和10MHz同步时钟源。
3.根据权利要求1所述的应用于海底观测网的海底光电复合缆外力入侵监测系统，其特征在于，所述外力入侵事件的类型包括：渔网入侵、船锚入侵、海底地质活动入侵和无外力入侵。
4.根据权利要求3所述的应用于海底观测网的海底光电复合缆外力入侵监测系统，其特征在于，所述外力入侵识别模型的训练过程为：
构建训练集；
指定自适应矩估计求解器和训练选项，根据训练集对外力入侵识别模型进行训练得到训练好的外力入侵识别模型。
5.根据权利要求4所述的应用于海底观测网的海底光电复合缆外力入侵监测系统，其特征在于，所述构建训练集；具体包括：
分别开展k组模拟渔网入侵、k组模拟船锚入侵、k组模拟海底地质活动入侵和k组无外力入侵试验，由采集模块采集得到4k组探测信号光，对4k组探测信号光进行正交解调得到4k组相位信号样本；
根据外力入侵事件类型对4k组探测信号光的相位信号样本添加数据标签，并按照一定比例对每种外力入侵事件类型的样本随机挑选，构成训练集；
对训练集的每个样本信号分别单独进行4层小波包分解得到16个小波包树节点，对小波包树节点系数进行重排，计算重排后的16个小波包树节点的重构系数，基于重构系数计算相位信号的16个频带能量占比，获得16个维度的特征向量；
对训练集的每个样本信号分别单独进行瞬时频率计算，获得1个维度的特征向量；
对训练集的每个样本信号分别单独进行谱峭度计算，获得1个维度的特征向量；
对训练集的每个样本信号分别单独进行谱熵计算，获得1个维度的特征向量；
将上述特征向量串联得到训练集的每个样本信号19个维度的特征向量，从而得到训练集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110037372.1A CN112883521B (zh) | 2021-01-12 | 2021-01-12 | 应用于海底观测网的海底光电复合缆外力入侵监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110037372.1A CN112883521B (zh) | 2021-01-12 | 2021-01-12 | 应用于海底观测网的海底光电复合缆外力入侵监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112883521A CN112883521A (zh) | 2021-06-01 |
| CN112883521B true CN112883521B (zh) | 2023-04-07 |
Family
ID=76044379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110037372.1A Active CN112883521B (zh) | 2021-01-12 | 2021-01-12 | 应用于海底观测网的海底光电复合缆外力入侵监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883521B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114211491B (zh) * | 2021-12-20 | 2024-09-17 | 深圳市优必选科技股份有限公司 | 一种碰撞检测方法、装置、计算机可读存储介质及机器人 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107101658A (zh) * | 2017-05-24 | 2017-08-29 | 上海大学 | 相位敏感光时域反射分布式光纤传感系统快速定位方法 |
| CN108225541A (zh) * | 2017-12-29 | 2018-06-29 | 鞍山睿科光电技术有限公司 | 识别异物入侵的分布式光纤传感器及异物入侵信号感知处理方法 |
| CN108286991A (zh) * | 2017-01-10 | 2018-07-17 | 光子瑞利科技（北京）有限公司 | 基于瑞丽散射原理的光纤安防系统在校园中的应用 |
| CN110617874A (zh) * | 2019-10-16 | 2019-12-27 | 南京理工大学 | 基于双脉冲移相干涉的φ-otdr系统及相位解调方法 |
| CN111025306A (zh) * | 2019-11-15 | 2020-04-17 | 浙江浙能天然气运行有限公司 | 一种基于相位敏感otdr的振动定位方法及系统 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AUPP716398A0 (en) * | 1998-11-17 | 1998-12-10 | University Of Sydney, The | Suppression of self pulsations in dfb fibre lasers |
| CN102412894B (zh) * | 2011-11-14 | 2015-07-08 | 南京大学 | 多频探测光时分复用相干光时域反射仪方法和装置 |
| CN103401606B (zh) * | 2013-07-22 | 2016-04-20 | 国家电网公司 | 一种基于探测频率编码的相干光时域反射仪 |
| CN103575379B (zh) * | 2013-11-04 | 2015-08-26 | 山东省科学院激光研究所 | 随机位置点光纤分布式声波传感器 |
| CN105067104B (zh) * | 2015-09-17 | 2017-11-28 | 天津大学 | 一种复合型光纤传感系统和传感方法 |
| CN105769122B (zh) * | 2016-03-16 | 2018-10-12 | 中国科学院电子学研究所 | 一种睡眠呼吸暂停低通气指数的测量设备 |
| CN106533547B (zh) * | 2016-10-19 | 2018-12-18 | 全球能源互联网研究院有限公司 | 电力光纤通信线路故障监测装置 |
| CN207763810U (zh) * | 2017-12-20 | 2018-08-24 | 中防通用河北电信技术有限公司 | 一种新型光纤振动探测系统 |
| CN108388860B (zh) * | 2018-02-12 | 2020-04-28 | 大连理工大学 | 一种基于功率熵谱-随机森林的航空发动机滚动轴承故障诊断方法 |
| CN108489594B (zh) * | 2018-03-14 | 2020-02-18 | 中国科学院半导体研究所 | 基于相位生成载波技术的混合型光纤传感系统 |
| CN109101936A (zh) * | 2018-08-21 | 2018-12-28 | 北京工业大学 | 一种基于自适应的med滚动轴承早期故障诊断方法 |
| CN109489800A (zh) * | 2018-12-14 | 2019-03-19 | 广东世港信息科技有限公司 | 一种分布式光缆振动安全预警系统中的扰动事件识别方法 |
| CN209689741U (zh) * | 2019-05-30 | 2019-11-26 | 天津迪恩康硕科技有限公司 | 一种分区式光纤测振系统 |
| CN111127793A (zh) * | 2019-12-25 | 2020-05-08 | 深圳供电局有限公司 | 电缆防盗监测方法和系统、计算机可读存储介质 |
| CN111442827B (zh) * | 2020-04-08 | 2022-07-19 | 南京艾森斯智能科技有限公司 | 一种变压器绕组振动的光纤无源在线监测系统 |
| CN111538960B (zh) * | 2020-04-22 | 2022-06-21 | 西安交通大学 | 基于改进模糊c均值聚类的交流异步电机故障诊断方法 |
| CN111649817B (zh) * | 2020-06-30 | 2022-03-11 | 郑州信大先进技术研究院 | 一种分布式光纤振动传感器系统及其模式识别方法 |
| CN112098102B (zh) * | 2020-09-04 | 2022-12-20 | 常州工学院 | 一种基于ewt-scwt的内燃机异响识别与诊断方法 |
-
2021
- 2021-01-12 CN CN202110037372.1A patent/CN112883521B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108286991A (zh) * | 2017-01-10 | 2018-07-17 | 光子瑞利科技（北京）有限公司 | 基于瑞丽散射原理的光纤安防系统在校园中的应用 |
| CN107101658A (zh) * | 2017-05-24 | 2017-08-29 | 上海大学 | 相位敏感光时域反射分布式光纤传感系统快速定位方法 |
| CN108225541A (zh) * | 2017-12-29 | 2018-06-29 | 鞍山睿科光电技术有限公司 | 识别异物入侵的分布式光纤传感器及异物入侵信号感知处理方法 |
| CN110617874A (zh) * | 2019-10-16 | 2019-12-27 | 南京理工大学 | 基于双脉冲移相干涉的φ-otdr系统及相位解调方法 |
| CN111025306A (zh) * | 2019-11-15 | 2020-04-17 | 浙江浙能天然气运行有限公司 | 一种基于相位敏感otdr的振动定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112883521A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104040598B (zh) | 干涉仪型光纤干扰检测装置及其检测方法 | |
| US20160202142A1 (en) | Distributed multi-channel coherent optical fiber sensing system | |
| CN104202084A (zh) | 一种监测时分复用光网络链路故障的装置及方法 | |
| CN110518971B (zh) | 一种基于水下采样的有中继海底光缆扰动监测系统 | |
| CN103281118A (zh) | 基于光纤干涉互相关算法的光缆识别物理定位仪及其识别定位方法 | |
| WO2021211394A1 (en) | Continuous aerial cable monitoring using distributed acoustic sensing (das) and operation modal analysis (oma) | |
| CN112883521B (zh) | 应用于海底观测网的海底光电复合缆外力入侵监测系统 | |
| US20240085238A1 (en) | Joint communication and sensing for fallen tree localization on overhead lines | |
| WO2023004085A1 (en) | Galloping monitoring of overhead transmission lines using distributed fiber optic sensing | |
| Mazur et al. | Continuous fiber sensing over field-deployed metro link using real-time coherent transceiver and DAS | |
| KR101470299B1 (ko) | 광학 반사 측정법을 이용한 시스템 감시 | |
| WO2021211476A1 (en) | Utility pole localization using distributed acoustic sensing | |
| Abdelli et al. | Anomaly detection and localization in optical networks using vision transformer and SOP monitoring | |
| CN111510209A (zh) | 一种光纤震动监测方法和装置 | |
| CN102928740A (zh) | 智能集合型故障诊断与在线测温系统 | |
| CN210867701U (zh) | 一种基于水下采样的有中继海底光缆扰动监测系统 | |
| CN112649026A (zh) | 一种网络型分布式光纤多状态感知系统 | |
| CN110138448B (zh) | 一种长距离单路光纤双向传输的故障监测系统和方法 | |
| JP2008203128A (ja) | 光ファイバケーブルにおける障害レベル判定方式及び位置検出方式並びに障害レベル判定・位置検出システム | |
| Usmani et al. | Road Traffic Detection with a LSTM Autoencoder using State of Polarization on Deployed Metropolitan Fiber Cable | |
| CN203289438U (zh) | 基于光纤干涉互相关算法的光缆识别物理定位仪 | |
| CN112816179B (zh) | 定位光缆故障点的装置及方法 | |
| CN114362830A (zh) | 一种基于tf-qkd网络的震动检测方法及tf-qkd网络 | |
| Mazur et al. | Real-Time Monitoring of Cable Break in a Live Network using a Coherent Transceiver Prototype | |
| Mazur et al. | Real-Time Monitoring of Cable Break in a Live Fiber Network using a Coherent Transceiver Prototype |
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 |