CN114964330A - 基于光纤传感及多参数融合的故障监测系统及其监测方法 - Google Patents
基于光纤传感及多参数融合的故障监测系统及其监测方法 Download PDFInfo
- Publication number
- CN114964330A CN114964330A CN202210619128.0A CN202210619128A CN114964330A CN 114964330 A CN114964330 A CN 114964330A CN 202210619128 A CN202210619128 A CN 202210619128A CN 114964330 A CN114964330 A CN 114964330A
- Authority
- CN
- China
- Prior art keywords
- accident
- mems
- processing unit
- central processing
- camera
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 239000013307 optical fiber Substances 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000000253 optical time-domain reflectometry Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 30
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000002955 isolation Methods 0.000 claims description 33
- 239000000835 fiber Substances 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000003292 glue Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000011253 protective coating Substances 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 3
- 230000008054 signal transmission Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/26—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light
- G01D5/32—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light
- G01D5/34—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells
- G01D5/353—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells influencing the transmission properties of an optical fibre
- G01D5/35338—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells influencing the transmission properties of an optical fibre using other arrangements than interferometer arrangements
- G01D5/35354—Sensor working in reflection
- G01D5/35358—Sensor working in reflection using backscattering to detect the measured quantity
- G01D5/35361—Sensor working in reflection using backscattering to detect the measured quantity using elastic backscattering to detect the measured quantity, e.g. using Rayleigh backscattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06N3/045—Combinations of 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于光纤传感及多参数融合的故障监测系统及其监测方法，可以用于高速公路交通事故的快速定位，包括中央处理器、边缘处理器、OTDR系统、MEMS加速度计、MEMS麦克风、用于拍摄事故现场的可旋转摄像头、用于摄像头角度调节的MEMS声阵列传感器、用于信号传递的无线通信模块和供电模块；MEMS加速度计、MEMS麦克风、MEMS声阵列传感器信号输出端分别与边缘端处理器相连，无线通信模块信号输入端与边缘处理器信号输出端相连；无线通讯模块通过相应的无线网络与中央处理器通讯；中央处理器接受OTDR系统信号、摄像头信号、无线通信传输信号。本发明有效提高高速公路事故定位能力和准确度，降低监测成本，同时对于其他荷载作用也具有一定的识别能力。
Description
技术领域
本发明公开一种用于高速公路交通事故快速定位和事故状况的基于光纤传感及多参数融合的故障监测系统及其监测方法。
背景技术
随着高速公路网络在全国的拓展延伸，以及机动车出行需求的快速增长，为满足公众安全出行要求，现有的单一性管理手段、滞后性反应速度，已不能完全满足高速公路安全、畅行通车的需要，迫切需要借助现代信息化技术手段，加强高速公路安全管理能力与增加效率，在交通事故发生时，交通事故的处理效率直接影响了受伤人员的医疗救援和交通通畅程度。因此，需要对交通事故进行快速定位，从而提高交通事故处理的效率。
在重大交通事故的背景下，车辆与车辆之间或是车辆与隔离带易发生碰撞，造成隔离带损坏变形或是发出巨大噪声。目前对于这类交通事故的检测已经提出的是采用
(相位时域反射计)技术，在隔离带护栏沿线布置光缆，监测汽车与隔离带护栏的碰撞。但是由于
对光源要求高以及使用光缆作为传感装置，导致整体硬件成本较高，较为严重的事故发生时，光缆对于碰撞的灵敏度较低，局部断裂后更换困难，存在诸多不便。且该技术只能用于识别汽车与隔离带护栏的激烈碰撞，当发生车辆与车辆之间的事故时，该技术不能判断；在二个隔离带护栏之间还存在检测盲区。此外，摄像头监控也被使用于常规的高速公路事故监测，但是由于摄像头拍摄视角限制，往往难以准确拍摄事故现场，存在很大的视觉盲区。
发明内容
为了提高高速公路交通事故监测覆盖面，降低事故检测成本，缩小检测盲区，本发明提出一种可用于高速公路交通事故快速定位和状况的基于光纤传感及多参数融合的故障监测系统及其监测方法，在高速公路交通事故发生后，能快速定位事故发生位置，获取事故现场数据并报警，指导交警快速救援和处理。
本发明通过以下技术方案予以实现：
本发明的基于光纤传感及多参数融合的故障监测系统，包括中央处理器、边缘处理器、用于获得车辆与隔离带碰撞位置信息的OTDR系统、用于测量汽车与隔离带护栏碰撞事故的 MEMS加速度计、用于检测碰撞声音的MEMS麦克风、用于拍摄事故现场的可旋转摄像头、用于摄像头角度调节的MEMS声阵列传感器、用于信号传递的无线通信模块和为所述中央处理器和边缘处理器提供电源的供电模块；所述MEMS加速度计、MEMS麦克风、MEMS声阵列传感器信号输出端分别与边缘端处理器相连，所述无线通信模块信号输入端与边缘处理器信号输出端相连；所述无线通讯模块通过相应的无线网络与中央处理器通讯；所述中央处理器接受OTDR系统信号、摄像头信号、无线通信传输信号。进一步，所述OTDR系统采用常规脉冲激光器和裸光纤，用于探测的裸光纤连接中央处理器处光纤接口，使用胶水将裸光纤粘贴在隔离带，覆盖全长，外加保护涂料；两个隔离带之间的裸光纤加保护套管后埋于地下。
进一步，所述MEMS加速度计和MEMS麦克风以固定间隔安装在隔离带护栏上，通过电池或太阳能板供电。
进一步，所述MEMS声阵列传感器，包括M个声阵列传感器的声音传感器单元，按照指定位置分布。
进一步，所述摄像头可转动，可按照MEMS声阵列传感器定位声源调整拍摄角度。
进一步，所述无线通信模块为GSM模块或4G网模块；所述无线通信网络为与无线通信模块相对应的GSM网络或者4G网络；所述无线终端为相应接入GSM网络或者4G网络的中央处理器。
本发明还提出一种利用以上所述的基于光纤传感及多参数融合的故障监测系统实现的监测方法，包括以下步骤：
步骤一，数据采集：高速公路交通事故发生时，采用OTDR系统采集由于汽车可能与隔离带护栏碰撞导致的异常信号，采用MEMS加速度计收集隔离带护栏的加速度信息，采用MEMS 麦克风实时采集监测范围内的声音数据，采用MEMS声阵列传感器检测碰撞导致的噪声信息，采用摄像头实时拍摄公路监测范围内的视频数据；
步骤二，数据分析：所述中央处理器实时对所述OTDR系统信号进行分析，所述边缘处理器对所述MEMS加速度计信号、MEMS麦克风信号进行分析，当所述OTDR系统监测光信号出现强反射、波形曲线斜率出现明显变化、斜率出现轻微变化认为事故可能发生，根据OTDR波形事故快速分级为：严重、一般、轻微；所述MEMS加速度计测量结果被判定为有事故发生；所述MEMS麦克风检测到能够被定义为事故的噪声后，系统认为有事故发生；
步骤三，数据补充：中央处理器判断存在事故后，根据OTDR显示的事故位置或传感器对应的安装位置，确定事故发生区域，发出指令，调用对应区域的摄像头，读取事故现场的视频数据；
步骤四，状态确认：中央处理器对事故点的各类数据进行分析，判断事故类型及严重程度，发出警报，指导交警快速进行救援处理。
进一步，高速公路事故发生时，摄像头上的声阵列传感器可以判断由于事故导致的噪声来源，并将摄像头拍摄角度定位到噪声来源位置。
进一步，通过基于神经网络的数据融合算法，可以将MEMS加速度计，MEMS麦克风，OTDR 系统，摄像头获得的多源数据进行融合，采用分级特征级数据融合算法，对事故的严重程度进行判断。
进一步，所述分级特征级数据融合算法，将所述边缘端处理器视为第一级处理模块，对采集到的所述MEMS加速度计和MEMS麦克风数据进行特征提取，同步加速度计和麦克风数据点位，按照时间窗截取数据，使用卷积神经网络，输出一个特征因子1，通过所述无线通信模块传递到所述中央处理器；所述中央处理器中，所述OTDR系统根据检测到的瑞利散射光信号，利用斜率突变检测算法，提取出用于评价事故严重程度的特征因子2；基于YOLO算法，从摄像头拍摄到的事故现场图片中识别发生车祸的车辆作为目标，提取特征因子3；在所述中央处理器中，作为第二级处理模块，结合特征因子1，特征因子2，特征因子3，按照特征可信度分配权重，通过加权平均法计算得到最终评价事故严重程度的指标作为参考。
有益效果
本发明的一种基于光纤传感及多参数融合的故障监测系统，相较于已经提出的利用
技术实现事故监测，本发明采用了普通脉冲激光源代替昂贵的窄线宽激光源；用极低成本的裸光纤代替了光缆，大大降低了成本，同时裸光纤对于碰撞的灵敏度更高，在受到碰撞断裂后容易更换；轻微的碰撞、发生在二个护栏之间的碰撞以及发生在车辆之间的碰撞由于对光缆产生的影响较小或者没有，系统的灵敏度较低而不能被安装在隔离带上的光缆检测到，本发明利用了MEMS加速度计和MEMS麦克风，实现了检测车辆与隔离带护栏之间的轻微碰撞、二个护栏之间发生的碰撞和车辆之间的碰撞事故的功能；同时，通过声阵列传感器，可以将监控摄像头的拍摄视角定位到事故发生点，拍摄事故现场完整画面，缩小了事故检测的盲区；采用了分级的特征级数据融合算法，能有效判断事故严重程度，指导交警快速高效实施救援行动。
附图说明
下面结合附图和实施例对本发明进一步说明
图1为本发明的结构框图；
图2为本发明的摄像头结构示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域的技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。
如图1所示：本实施例的用于高速公路交通事故定位的基于光纤传感及多参数融合的故障监测系统，包括中央处理器1、边缘处理器2、用于获得车辆与隔离带护栏碰撞位置信息的OTDR系统3、用于测量碰撞事故的MEMS加速度计4、用于车辆与车辆之间发生碰撞后检测碰撞导致的巨大噪声的MEMS麦克风5、用于拍摄事故现场的可旋转摄像头6、用于摄像头角度调节的MEMS声阵列传感器7、用于信号传递的无线通信模块8和供电模块9，供电模块9为中央处理器1和边缘处理器2提供电源；MEMS加速度计4、MEMS麦克风5、MEMS声阵列传感器信号7输出端分别与边缘端处理器2的信号输入端相连，无线通信模块8信号输入端与边缘处理器2信号输出端相连；无线通讯模块8通过相应的无线网络与中央处理器1通讯；中央处理器1接受OTDR系统3信号、摄像头6信号、无线通信模块8传输信号。
其中，OTDR系统3采用常规脉冲激光器，用于探测的裸光纤连接OTDR系统3主机，OTDR 系统3信号输出端接中央处理器1信号输入端，裸光纤使用胶水粘贴在隔离带护栏上，覆盖全长，外加与隔离带护栏颜色相同的保护涂料；两个隔离带护栏之间的裸光纤加保护套管后埋于地下。本实施例中，采用常规脉冲激光器，可以降低
需要使用窄线宽激光源而导致的高额成本；裸光纤降低了长距离光缆产生的成本，在发生猛烈的车与隔离带护栏碰撞事故后，光纤易断裂，裸光纤可以事后使用光纤熔接机直接更换并熔接，便于维护。
其中，MEMS加速度计3和MEMS麦克风4以固定间隔安装在隔离带上，通过电池或太阳能板9供电。MEMS加速度计3可用于实时监测隔离带加速度，加速度能够反应隔离带护栏的受冲击信息。MEMS麦克风4可以收集公路现场音频信息，高速公路环境中，由于车速较高，车辆间的碰撞较为猛烈，往往引发巨大噪声，可以通过音频信息有无异常现象来判断是否有异常情发生。
其中，边缘处理器2，按照固定间隔安装在高速公路车道边，能够接收对应的MEMS加速度计3和MEMS麦克风4上传的隔离带加速度数据和现场音频信息；在边缘处理器2中，预设有状态识别算法，用于判断隔离带状态，分辨例如风吹引起的轻微震颤，杂物碰撞引起的晃动，遭受车辆剐蹭或碰撞等，为事故识别提供可靠保障；边缘处理器2中，也设有音频识别算法，用于判断复杂的音频信号中，是否含有由于车辆碰撞产生的噪音，碰撞声的声音频谱与普通环境噪声不一样，通过采集并分析公路周围的声信号来检测车辆事故，可以实时获得事故现场信息并报警，具有很高的即时性。
其中，MEMS声阵列传感器7，包括M个声阵列传感器的声音传感器单元，按照指定位置分布，每一个声音传感器单元可以采集一路环境声场样本，通过声音到达的先后顺序，判断碰撞产生的巨大噪声来源，定位事故发生位置。
其中，如图2所示，本实施例中的摄像头6可转动，可按照MEMS声阵列传感器7定位声源调整拍摄角度。
其中，无线通信模块8为GSM模块或4G网模块；无线通信网络为与无线通信模块相对应的GSM网络或者4G网络；无线终端为相应接入GSM网络或者4G网络的中央处理器。
与上述系统对应的高速公路交通事故快速定位及报警方法，包括以下步骤：
步骤一，数据采集：高速公路交通事故发生时，汽车与隔离带发生碰撞，会导致光纤中背向散射光光强发生变换，出现光强信号斜率突变或者强反射的异常情况，采用OTDR系统3 采集隔离带全场的背向散射光信号，采用MEMS加速度计4收集一段区域内隔离带的加速度信息，采用MEMS麦克风5实时采集监测范围内的声音数据，采用MEMS声阵列传感器7检测碰撞导致的噪声信息，采用摄像头6实时拍摄公路监测范围内的视频数据；
步骤二，数据分析：边缘处理器2对本区域内的MEMS加速器计4信号、MEMS麦克风5信号进行分析，边缘处理器2内部带状态识别功能，MEMS加速度计测量结果若被处理器判定为发生强烈碰撞、MEMS麦克风检测环境声音存在能够被定义为事故的噪声后，边缘处理器2认为有事故发生，随即通过无线通信网络将事故的位置信息发送到中央处理器1。中央处理器1 实时对OTDR系统信号进行分析，当OTDR监测的背向光散射信号斜率出现明显突变或者强反射，认为有交通事故发生，根据OTDR波形事故快速分级为：严重、一般、轻微；根据异常信号发生位置，可以定位交通事故实际发生位置，同时中央处理器1通过无线通信网络接收到的边缘处理器的信息也将作为判断依据；
步骤三，数据补充：中央处理器1判断存在事故后，根据OTDR显示的事故位置或边缘处理器1安装的位置，确定事故发生区域，发出指令，调用对应区域的摄像头，调取事故现场的视频数据；
步骤四，状态确认：中央处理器1对事故点的各类数据进行分析，判断事故类型及严重程度，发出警报，向救助人员提供现场情况，指导救助人员快速进行救援处理；
其中，分级特征级数据融合算法，将边缘处理器2视为第一级处理模块，用于对采集到的MEMS加速度计4和MEMS麦克风5数据进行特征提取，边缘处理器2预设有训练好的神经网络，输入为碰撞发生前后一段时间内的MEMS加速度计和MEMS麦克风数据，输出为一个标量数据特征因子1，通过无线通信模块8传递到中央处理器1；中央处理器1中，OTDR系统3根据检测到的瑞利散射光信号，根据背向散射光斜率变化情况，通过斜率突变检测算法，判断斜率变化值是否超过阈值，提取出用于评价事故严重程度的特征因子2；基于YOLO算法，从摄像头拍摄到的事故现场图片中识别发生车祸的车辆作为目标，提取特征因子3；中央处理器，作为第二级处理模块，结合特征因子1，特征因子2，特征因子3，按照特征可信度分配权重，通过加权平均法计算得到最终评价事故严重程度的指标作为参考，三个特征因子的权重也根据算法给出。
所述预设卷积神经网络，输入为一组按照时间窗截取的同步MEMS加速度计和MEMS麦克风数据，输出为与时间窗对应的按照时间序列排列的一维特征因子；卷积神经网络预先训练，训练数据为带有事故严重程度标签的仿真同步MEMS加速度计和MEMS麦克风数据。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳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，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于光纤传感及多参数融合的故障监测系统，其特征在于：包括中央处理器、边缘处理器、用于获得车辆与隔离带碰撞位置信息的OTDR系统、用于测量汽车与隔离带护栏碰撞事故的MEMS加速度计、用于检测碰撞声音的MEMS麦克风、用于拍摄事故现场的可旋转摄像头、用于摄像头角度调节的MEMS声阵列传感器、用于信号传递的无线通信模块和为所述中央处理器和边缘处理器提供电源的供电模块；所述MEMS加速度计、MEMS麦克风、MEMS声阵列传感器信号输出端分别与边缘端处理器相连，所述无线通信模块信号输入端与边缘处理器信号输出端相连；所述无线通讯模块通过相应的无线网络与中央处理器通讯；所述中央处理器接受OTDR系统信号、摄像头信号、无线通信传输信号。
2.根据权利要求1所述的基于光纤传感及多参数融合的故障监测系统，其特征在于，所述OTDR系统采用常规脉冲激光器，用于探测的裸光纤连接所述OTDR系统，所述OTDR系统信号输出端接所述中央处理器信号输入端，所述裸光纤使用胶水粘贴在隔离带，覆盖全长，外加保护涂料；两个隔离带护栏之间的裸光纤加保护套管后埋于地下。
3.根据权利要求1所述的基于光纤传感及多参数融合的故障监测系统，其特征在于，所述MEMS加速度计和MEMS麦克风以固定间隔安装在隔离带护栏上，通过电池或太阳能板供电。
4.根据权利要求1所述的基于光纤传感及多参数融合的故障监测系统，其特征在于，所述MEMS声阵列传感器，包括M个声阵列传感器的声音传感器单元，按照指定位置分布。
5.根据权利要求1所述的基于光纤传感及多参数融合的故障监测系统，其特征在于，所述摄像头可转动，可按照所述MEMS声阵列传感器定位声源调整拍摄角度。
6.根据权利要求1所述的基于光纤传感及多参数融合的故障监测系统，其特征在于，所述无线通信模块为GSM模块或4G网模块；所述无线通信网络为与无线通信模块相对应的GSM网络或者4G网络；所述无线终端为相应接入GSM网络或者4G网络的中央处理器。
7.一种利用以上权利要求1-6中任一项所述的基于光纤传感及多参数融合的故障监测系统实现的监测方法，其特征在于，包括以下步骤：
步骤1）数据采集：高速公路交通事故发生时，采用所述OTDR系统采集由于汽车可能与隔离带护栏碰撞导致的异常信号，采用所述MEMS加速度计收集隔离带护栏的加速度信息，采用所述MEMS麦克风实时采集监测范围内的声音数据，采用所述MEMS声阵列传感器检测碰撞导致的噪声信息，采用所述摄像头实时拍摄公路监测范围内的视频数据；
步骤2）数据分析：所述中央处理器实时对所述OTDR系统信号进行分析，所述边缘处理器对所述MEMS加速度计信号、MEMS麦克风信号进行分析，当所述OTDR系统监测光信号出现强反射、波形曲线斜率出现明显变化、斜率出现轻微变化认为事故可能发生，根据OTDR波形事故快速分级为：严重、一般、轻微；所述MEMS加速度计测量结果被判定为有事故发生；所述MEMS麦克风检测到能够被定义为事故的噪声后，系统认为有事故发生；
步骤3）数据补充：所述中央处理器判断存在事故后，根据所述OTDR系统显示的事故位置或传感器对应的安装位置，确定事故发生区域，发出指令，调用对应区域的摄像头，读取事故现场的视频数据；
步骤4）状态确认：所述中央处理器对事故点的各类数据进行分析，判断事故类型及严重程度，发出警报，快速进行救援处理。
8.根据权利要求7所述的监测方法，其特征在于，高速公路事故发生时，摄像头上的声阵列传感器可以判断由于事故导致的噪声来源，并将摄像头拍摄角度定位到噪声来源位置。
9.根据权利要求7所述的监测方法，其特征在于，通过基于神经网络的数据融合算法，可以将所述MEMS加速度计，MEMS麦克风，OTDR系统，摄像头获得的多源数据进行融合，采用分级特征级数据融合算法，对事故的严重程度进行判断。
10.根据权利要求9所述的监测方法，其特征在于，所述分级特征级数据融合算法，将所述边缘端处理器视为第一级处理模块，对采集到的所述MEMS加速度计和MEMS麦克风数据进行特征提取，同步加速度计和麦克风数据点位，按照时间窗截取数据，使用卷积神经网络，输出一个特征因子1，通过所述无线通信模块传递到所述中央处理器；所述中央处理器中，所述OTDR系统根据检测到的瑞利散射光信号，利用斜率突变检测算法，提取出用于评价事故严重程度的特征因子2；基于YOLO算法，从摄像头拍摄到的事故现场图片中识别发生车祸的车辆作为目标，提取特征因子3；在所述中央处理器中，作为第二级处理模块，结合特征因子1，特征因子2，特征因子3，按照特征可信度分配权重，通过加权平均法计算得到最终评价事故严重程度的指标作为参考。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210619128.0A CN114964330A (zh) | 2022-06-02 | 2022-06-02 | 基于光纤传感及多参数融合的故障监测系统及其监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210619128.0A CN114964330A (zh) | 2022-06-02 | 2022-06-02 | 基于光纤传感及多参数融合的故障监测系统及其监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114964330A true CN114964330A (zh) | 2022-08-30 |
Family
ID=82959648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210619128.0A Pending CN114964330A (zh) | 2022-06-02 | 2022-06-02 | 基于光纤传感及多参数融合的故障监测系统及其监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114964330A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115223370A (zh) * | 2022-08-31 | 2022-10-21 | 四川九通智路科技有限公司 | 一种交通事故检测方法及检测系统 |
| CN115620555A (zh) * | 2022-09-28 | 2023-01-17 | 招商智广科技(安徽)有限公司 | 一种车辆碰撞监测装置及监测方法 |
| CN115661756A (zh) * | 2022-11-10 | 2023-01-31 | 无锡市德宁节能科技有限公司 | 一种基于护栏的城市事故监控方法、装置和网络侧服务端 |
| CN115830800A (zh) * | 2022-11-28 | 2023-03-21 | 广州城建职业学院 | 车祸预警方法、系统、装置及存储介质 |
| CN116231861A (zh) * | 2023-03-07 | 2023-06-06 | 四川亚辰电气有限公司 | 一种ups电源监测管理系统及方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08263785A (ja) * | 1995-03-27 | 1996-10-11 | Mitsubishi Denki Eng Kk | 交通監視装置 |
| DE102005018234B3 (de) * | 2005-04-19 | 2006-11-02 | Vierling Communications Gmbh | Notrufsystem für und Verfahren zur Auslösung eines Notrufs von einem Fahrzeug |
| CN106898346A (zh) * | 2017-04-19 | 2017-06-27 | 杭州派尼澳电子科技有限公司 | 一种高速公路隧道安全监控系统 |
| CN108765813A (zh) * | 2018-06-29 | 2018-11-06 | 鞍山睿科光电技术有限公司 | 基于分布式光纤传感器的高速公路防护栏破坏定位系统及其方法 |
| CN108985219A (zh) * | 2018-07-11 | 2018-12-11 | 河海大学常州校区 | 一种基于多源信息融合技术的道路撞击报警系统及其方法 |
| CN113284341A (zh) * | 2021-05-17 | 2021-08-20 | 清华大学 | 一种基于道路物联网监测的无人机智能联动系统 |
| CN113506454A (zh) * | 2021-05-18 | 2021-10-15 | 江西方兴科技有限公司 | 一种基于音频事件检测的高速公路诱导灯系统及方法 |
| CN113756218A (zh) * | 2021-08-31 | 2021-12-07 | 太原理工大学 | 一种用于高速公路护栏碰撞的光纤传感预警系统 |
| CN113838300A (zh) * | 2021-09-26 | 2021-12-24 | 武汉理工大学 | 一种高速公路突发事故无盲区实时监测与报警系统 |
| CN113888871A (zh) * | 2021-10-20 | 2022-01-04 | 上海电科智能系统股份有限公司 | 高速公路交通事件自动化处置联动系统及方法 |
| CN113936402A (zh) * | 2020-06-29 | 2022-01-14 | 宁波陆禾科技有限公司 | 一种基于分布式光纤预警系统及视频目标识别技术的周界安防系统及安防方案 |
| CN114241809A (zh) * | 2021-11-30 | 2022-03-25 | 上海树库智能科技有限公司 | 一种智能生命安全防护系统及方法 |
-
2022
- 2022-06-02 CN CN202210619128.0A patent/CN114964330A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08263785A (ja) * | 1995-03-27 | 1996-10-11 | Mitsubishi Denki Eng Kk | 交通監視装置 |
| DE102005018234B3 (de) * | 2005-04-19 | 2006-11-02 | Vierling Communications Gmbh | Notrufsystem für und Verfahren zur Auslösung eines Notrufs von einem Fahrzeug |
| CN106898346A (zh) * | 2017-04-19 | 2017-06-27 | 杭州派尼澳电子科技有限公司 | 一种高速公路隧道安全监控系统 |
| CN108765813A (zh) * | 2018-06-29 | 2018-11-06 | 鞍山睿科光电技术有限公司 | 基于分布式光纤传感器的高速公路防护栏破坏定位系统及其方法 |
| CN108985219A (zh) * | 2018-07-11 | 2018-12-11 | 河海大学常州校区 | 一种基于多源信息融合技术的道路撞击报警系统及其方法 |
| CN113936402A (zh) * | 2020-06-29 | 2022-01-14 | 宁波陆禾科技有限公司 | 一种基于分布式光纤预警系统及视频目标识别技术的周界安防系统及安防方案 |
| CN113284341A (zh) * | 2021-05-17 | 2021-08-20 | 清华大学 | 一种基于道路物联网监测的无人机智能联动系统 |
| CN113506454A (zh) * | 2021-05-18 | 2021-10-15 | 江西方兴科技有限公司 | 一种基于音频事件检测的高速公路诱导灯系统及方法 |
| CN113756218A (zh) * | 2021-08-31 | 2021-12-07 | 太原理工大学 | 一种用于高速公路护栏碰撞的光纤传感预警系统 |
| CN113838300A (zh) * | 2021-09-26 | 2021-12-24 | 武汉理工大学 | 一种高速公路突发事故无盲区实时监测与报警系统 |
| CN113888871A (zh) * | 2021-10-20 | 2022-01-04 | 上海电科智能系统股份有限公司 | 高速公路交通事件自动化处置联动系统及方法 |
| CN114241809A (zh) * | 2021-11-30 | 2022-03-25 | 上海树库智能科技有限公司 | 一种智能生命安全防护系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张海鹏: "《车辆工程先进技术研究丛书 汽车碰撞安全工程》", 国防工业出版社, pages: 2 - 3 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115223370A (zh) * | 2022-08-31 | 2022-10-21 | 四川九通智路科技有限公司 | 一种交通事故检测方法及检测系统 |
| CN115620555A (zh) * | 2022-09-28 | 2023-01-17 | 招商智广科技(安徽)有限公司 | 一种车辆碰撞监测装置及监测方法 |
| CN115661756A (zh) * | 2022-11-10 | 2023-01-31 | 无锡市德宁节能科技有限公司 | 一种基于护栏的城市事故监控方法、装置和网络侧服务端 |
| CN115661756B (zh) * | 2022-11-10 | 2024-02-02 | 无锡市德宁节能科技有限公司 | 一种基于护栏的城市事故监控方法、装置和网络侧服务端 |
| CN115830800A (zh) * | 2022-11-28 | 2023-03-21 | 广州城建职业学院 | 车祸预警方法、系统、装置及存储介质 |
| CN116231861A (zh) * | 2023-03-07 | 2023-06-06 | 四川亚辰电气有限公司 | 一种ups电源监测管理系统及方法 |
| CN116231861B (zh) * | 2023-03-07 | 2023-10-24 | 四川亚辰电气有限公司 | 一种ups电源监测管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114964330A (zh) | 基于光纤传感及多参数融合的故障监测系统及其监测方法 | |
| JP7332020B2 (ja) | 光ファイバセンシングシステム、道路監視方法、及び光ファイバセンシング機器 | |
| AU2008234405B2 (en) | Method and apparatus for monitoring a structure | |
| KR101895835B1 (ko) | 지표 투과 레이더 탐사 시스템 | |
| JP7539582B2 (ja) | 分散型インテリジェントｓｎａｐインフォマティクス | |
| JP7471470B2 (ja) | ケーブル切断防止のための統計的画像処理に基づく異常検出 | |
| WO2007008431A2 (en) | A networked multiband waveguide intrusion detection and localization sensor | |
| CN108732614B (zh) | 一种基于分布式声学传感器的在线铁路监测系统及方法 | |
| CN110942670A (zh) | 一种高速公路雾区诱导方法 | |
| CN113990018B (zh) | 一种安全风险预测系统 | |
| CN203606954U (zh) | 一种高速公路气象监测系统 | |
| CN113643540A (zh) | 一种高速公路事故快速检测、预警系统及方法 | |
| CN108320420B (zh) | 一种双参量otdr周界安全监测系统 | |
| CN106781152A (zh) | 一种光纤光栅围栏入侵报警检测系统及方法 | |
| CN109872527B (zh) | 基于重力感应的行人闯红灯监控装置及监控方法 | |
| CN112268515A (zh) | 基于多传感融合技术的站台门间隙防夹检测方法及系统 | |
| CN115762025A (zh) | 通信光缆智能预警方法及系统 | |
| CN213876966U (zh) | 一种铁路周界安全防范系统 | |
| CN100419460C (zh) | 公路气候监测与报警系统 | |
| CN111509841A (zh) | 一种带挖掘机特征量识别的电缆防外力破坏预警装置 | |
| US20230024104A1 (en) | Identification of false transformer humming using machine learning | |
| CN116165655A (zh) | 一种基于毫米波雷达组群的全域车辆轨迹跟踪系统 | |
| CN110481600A (zh) | 无人自主综合报警系统 | |
| CN116153070A (zh) | 一种分布式安全态势感知检测系统 | |
| JPH09282581A (ja) | トンネル内車両事故検知方法及びその装置 |
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 |