CN115361061A - 一种光纤故障监测方法 - Google Patents

Abstract

本发明公开了一种光纤故障监测方法，包括：数据采集，采集光纤测试数据；存储数据，将数据按照采集时序进行存储，形成时序数据；数据上传，将所述时序数据上传至后台系统；数据处理，对所述时序数据进行分析，基于存储的所述时序数据和实时数据以及数据处理结果计算预警信息；数据输出，将所述时序数据形成图表呈现；故障预警，建立指标阈值模型，计算预警信息，当计算结果为光纤存在安全隐患时发出预警信号。本发明通过基于时序数据的趋势预测计算机程序，提前发掘出时序数据潜在的变化趋势，有利于在早期发现潜在的故障风险并对其进行维护干预。

Description

一种光纤故障监测方法

技术领域

本发明涉及光纤监测技术领域，更加具体来说，本发明涉及一种光纤故障监测方法。

背景技术

光纤的广泛应用使得对其进行维护和管理的开销越来越大，尤其是当光纤发生故障时需要及时准确定位并修复故障。长期以来，国内外对光纤故障监测都保持着持续和深入的研究，并研发出了一系列光纤在线监测系统，并应用于光纤监测实践中，但这些系统或方案普遍侧重于基于采集到的数据进行故障分析，即检测出已发生故障的光纤线路，并进行维修，不能预测光纤线路中潜在的光纤故障，并对光纤线路状态做出预警。事实上，如果可以提前预测光纤损耗情况，对降低由于光纤损坏带来的损失具有更加重大的意义。

发明内容

针对现有技术的不足，本发明创新地提供了一种光纤故障监测方法，能够监测光纤潜在故障，以解决光纤故障监测滞后的技术问题。

为实现上述的技术目的，本发明公开了一种光纤故障监测方法，包括：

数据采集，采集光纤测试数据；

存储数据，将数据按照采集时序进行存储，形成时序数据；

数据上传，将所述时序数据上传至后台系统；

数据处理，对所述时序数据进行分析，基于存储的所述时序数据和实时数据以及数据处理结果计算预警信息；

数据输出，将所述时序数据形成图表呈现；

故障预警，建立指标阈值模型，计算预警信息，当计算结果为光纤存在安全隐患时发出预警信号。

进一步地，所述数据采集包括将数据采集模块与OTDR设备进行连接，通过所述数据采集模块采集所述OTDR设备的获取的所述光纤测试数据。

进一步地，所述光纤测试数据包括波长、损耗、光回波损耗和反射率，

所述时序数据为由波长、损耗、光回波损耗和反射率构成的多维时序数据。

进一步地，所述数据采集还包括采集所述OTDR设备的状态数据以及环境数据。

进一步地，所述存储数据包括给每个数据打时间标签形成所述时序数据，然后存储数据形成数据基础库。

进一步地，所述数据上传包括将所述时序数据上传至后台系统，所述时序数据按照采集时序顺序上传。

进一步地，所述数据处理包括对所述时序数据进行缺失值填充、指标分类、标准化处理，以及对预警信息进行信息提取、预警指标分类。

进一步地，所述数据输出包括将所述后台系统处理后的数据传输至用户终端呈现，其中，所述用户终端与所述后台系统通过无线网络通信连接。

进一步地，所述故障预警还包括当计算结果为光纤存在安全隐患时生成故障工单。

进一步地，所述故障预警包括所述后台系统向所述用户终端发送预警信号，同时，所述后台系统还将所述故障工单发送至所述用户终端。

本发明的有益效果为：

本发明通过基于时序数据的趋势预测计算机程序，提前发掘出时序数据潜在的变化趋势，有利于在早期发现潜在的故障风险并对其进行维护干预。测试人员可通过APP或小程序实时查看所测光纤线路的时序数据以及各个数据之间的关联关系。

附图说明

图1示出本发明实施例光纤故障监测方法流程图；

图2示出本发明实施例数据采集系统结构框图；

图3示出本发明实施例数据采集系统整体结构示意图。

具体实施方式

下面结合说明书附图对本发明提供的光纤故障监测方法进行详细的解释和说明。

在光纤测试数据采集的应用场景中，大量的光纤测试设备源源不断地产生各种测试数据，这些数据通常带有时序数据的特征。时序数据是一种带有时间标签的结构化数据，用于记录一段时间范围内的若干状态指标变化的情况。时序数据采集与分析的目的是通过找出样本内时间序列的统计特性和发展规律性，构建时间序列模型，对时序数据进行分析预测。

时序数据关心的是一段时间的趋势，而不是某一特定时间的值，这对于光纤监测数据，尤其是对既有应用的光纤线路的数据实时采集、分析及及时的故障发现具有十分重要的意义。随着物联网技术及移动互联网的推进与普及，对光纤的时序数据(波长、损耗、光回波损耗、反射率)按照设定的周期，或受外部事件的触发，进行实时采集、传输、记录与分析，利用采集的时序数据分析预测光纤故障及其发展趋势，结合关联的光纤特征结果，绘制相应的曲线图，综合对数据中的深层信息进行充分挖掘，可早期发现潜在的光纤异常风险并对其进行干预。

光纤测试数据记录包含大量具有时间特征的纵向数据，传统的光纤测试数据监测及处理方法忽略了时间序列对于光纤状态数据的影响，在时序数据的分析及可视化操作方面考虑不足。而一些基于时序的物联网采集数据处理方法在数据处理上具有一定局限性，往往依赖于从时间序列中提取单个值，难以对相关联的纵向特征数据进行深层次的充分挖掘，导致潜在有价值的时序信息丢失。此外，有的技术方案基于多传感器进行时间序列数据的采集与分析，然而，从多传感器的时间序列中提取故障敏感特征以及如何保证多传感器的时间序列数据同步是一项艰巨的任务。

基于传统的光纤故障监测技术并不适用光纤数据监测中对光纤测试数据及测试设备状态特征数据予以实施监测、存储及故障预测。因此，本发明提出一种基于时序数据对光纤进行故障监测的方法，以下结合具体实施例进行详细介绍；

本发明提供一种光纤故障监测方法，通过数据采集系统采集相关数据，并通过数据处理获取光纤状态信息。可选地，如图2所示，数据采集系统包括：OTDR设备、数据采集模块、后台系统和客户终端，数据采集模块通过USB与OTDR设备连接，并可实时采集OTDR设备的监测数据，数据采集模块与后台系统通过5G或基于4G、5G或WiFi融合通信技术与后台系统连接，并可进行实时数据传输，后台系统与客户终端通过5G或基于4G、5G或WiFi融合通信技术连接，可将后台系统的数据传输至客户终端呈现，并可以通过客户终端对数据数据采集系统进行控制，例如，可以控制数据采集的开始或结束，或者，调取相关数据等操作，可选地，客户终端可以是电脑、智能手机、平板电脑等设备。进一步地，在本实施例中，数据采集模块能够进行数据存储，可以实现采集数据的实时存储避免数据丢失。

可选地，如图3所示，数据采集模块用于采集OTDR设备状态数据、光线测试数据以及其他环境数据，然后将数据传输至后台系统进行处理。后台系统包括数据处理模块和数据传输模块，数据处理模块用于数据进行处理，然后通过数据传输模将处理后的数据传输至客户终端。

进一步地，数据处理模块包括事件处理模块、数据订阅模块和数据存储模块，其中，事件处理模块：主要进行各类事件的处理，包括采集装置的插拔事件、网络变化事件、数据传输成功与否事件等处理；数据订阅模块：主要用于获取关键业务的数据变化信息，将这些信息包装为消息对象推送到订阅该主题的对象，例如将光纤异常的数据信息推送到有权限的客户端程序中，或将光纤异常的数据生成工单消息，推送都工单系统中；数据存储模块主要用于各种数据的存储。

进一步地，数据存储模块包括时序数据库、关系数据库和非结构化数据库，其中，时序数据库主要用于处理不断更新的快速变化的数据及具有时间限制的事务处理，本发明中用于存储采集并解析后的光纤时序数据，一般可以采用InfluxDB、TimescaleDB等高性能时序数据库；关系数据库主要用于处理存储结构化数据，本发明中用于存储OTDR设备与本采集装置的映射关系、设备状态数据、设备环境数据等结构化数据，在采集装置终端，采用SQLite轻量级关系型数据库，在服务端采用MySQL、Oracle等关系型数据库；非结构化数据库主要用于存储非结构化数据，本发明中主要用于存储采集到的大量.sor文件等数据，由于既需要满足数据存储的需要，又需要提供快速高效的数据请求服务，服务端一般采用分布式存储数据库，如FastDFS、MinIO等分布式文件系统。

在本实施例中，如图1所示，光纤故障监测方法包括如下步骤：

S101：数据采集，采集光纤测试数据；

S102：存储数据，将数据按照采集时序进行存储，形成时序数据；

S103：数据上传，将时序数据上传至后台系统；

S104：数据处理，对时序数据进行分析，基于存储的时序数据和实时数据以及数据处理结果计算预警信息；

S105：数据输出，将时序数据形成图表呈现；

S106：故障预警，当计算结果为光纤存在安全隐患时发出预警信号。

可选地，数据采集包括将数据采集模块与OTDR设备进行连接，通过数据采集模块采集OTDR设备的获取的光纤测试数据。当需要进行光纤测试数据采集时，将数据采集模块通过USB串口与OTDR设备进行连接，并通过客户终端控制开始数据采集。在本实施例中，S101包括：客户终端为智能手机，采集装置通过USB串口与OTDR设备进行连接，然后开启手机蓝牙，在手机的数据采集设置中选择“连接采集装置”，显示连接成功后代表初始化完成，则可进行采集策略配置，一个采集装置可以连接不同的OTDR设备，通过OTDR设备的ID进行区分。可选地，数据采集模块还包括采集OTDR设备的状态数据以及环境数据，即数据采集模块可以同时采集光纤测试数据、OTDR设备的状态数据以及其他环境数据，以实现多维度的数据检测。可选地，光纤测试数据包括波长、损耗、光回波损耗和反射率，时序数据为由波长、损耗、光回波损耗和反射率构成的多维时序数据，通过对多维时序数据的采集、分析与可视化展示，为光纤状态监测提供更加精准、高效、直观的服务。

可选地，存储数据包括给每个数据打时间标签形成时序数据，然后存储数据形成数据基础库。在本实施例中，S102包括：对光纤测试数据进行时序存储，给每条测试数据打上实际标签，建立测试数据基础库。

可选地，数据上传包括将时序数据上传至后台系统，时序数据按照采集时序顺序上传。在本实施例中，S103包括：数据采集完成后，数据采集模块根据S101所配置的策略，将测量结果通过5G/4G/WiFi等融合通信的方式上传至后台系统。可选地，上传的数据包括用户ID、项目信息、测量的OTDR设备ID以及测试的结果数据。进一步地，将时序数据发送至后台服务，具体为：将带有时标的时序数据排队至待上传队列等待上传即可，当无网络情况下将准备上传的时序数据进行本地缓存，网络恢复后进行断点续传；数据采集模块还根据配置策略，周期地将数据全部上送到后台服务。后台服务也可通过与数据采集模块的长连接，向数据采集模块发送上传数据、停止上传等控制指令。

可选地，数据处理包括对时序数据进行缺失值填充、指标分类、标准化处理，以及对预警信息进行信息提取、预警指标分类。在本实施例中，S104包括：后台系统通过基于时序光纤测试数据的解析、分析及趋势预测的计算机程序，对时序数据以近实时的方式进行分析，对采集的时序数据进行缺失值填充、指标分类、标准化处理，对时序预警数据进行关键信息提取、预警指标分类，为后续光纤状况或故障诊断提供有效的数据支撑，实现一个后台系统对多维的时序数据进行分析和存储。同时，根据对数据分析结构提前发掘出测试时序数据潜在的变化趋势，发现潜在的光纤故障风险以便对其进行维护干预。可选地，如果上传的非结构化数据，如SOR文件，则当后台系统接收到上传的数据时自动触发数据存储及处理机制，处理时将文件按照指定格式进行解析，解析过程中得到OTDR设备编号、测点编号、测点定位、时间戳、SOR测试数据等核心数据，再对SOR测试数据进行解析，得到波长、损耗、光回波损耗、反射率等光纤状态核心数据，将最终得到的数据生成JSON格式时序数据，保存至时序数据库中。

可选地，数据输出包括将后台系统处理后的数据传输至用户终端呈现，其中，用户终端与后台系统通过无线网络通信连接。在本实施例中，S105包括：后台系统对数据进行分析处理完毕后，通过5G或基于4G、5G或WiFi的融合通信技术系统传输至客户终端小程序或App，将波长、损耗、光回波损耗、反射率等同步展示在用户终端小程序或App上，测试人员不仅能看到常见的波长、损耗、光回波损耗、反射率，还可以在用户终端上直观看到不同时间序列的曲线，可分析测试过程中的可靠性和稳定性以及曲线变化规律。用户可以根据数据变化规律或异常波动等进行人工判断是否存在故障或者存在故障风险，当用户自行判断出故障或存在故障风险后，可主动通过用户终端进行故障检测或调取更多数据进一步核对故障信息。

进一步地，在本实施例中，数据处理包括采集M条光纤线路正常时所输出的时序数据以及N条光纤线路异常时所输出的时序数据，所述时序数据为各个时刻的总损耗、平均损耗、平均接头损耗、最大接头损耗、跨段光回损等数据；并将采集的M+N条时序数据随机分为训练集和测试集两个部分。分别对训练集和测试集中的每条时序数据进行预处理，数据预处理包括缺失值处理、数据归一化和滑窗，得到归一化处理后的各条时序数据。基于长短期记忆(LSTM)神经网络模型建立时序数据异常检测模型，所述构建的检测模型由n个LSTM网络组成，利用数据训练集对构建的模型进行训练，直至构建的神经网络模型在测试集上的数据预测准确率达到精度要求时停止训练，获得N个经过训练的基础预测模型。运用AdaBoost集成算法对N个基础预测模型进行集成训练，得到基于LSTM-AdaBoost的光纤故障预测模型。采集测试光纤的实时数据并进行数据预处理，输入联合训练后的光纤故障预测模型进行预测，并实时输出时序数据异常预测结果。构建光纤健康评估模块，将所述预测数据输入健康评估模块，对光纤线路进行健康评估，输出参数健康度及预测结果。通过上述数据处理方式可以有效结合历史数据和采集实时数据进行处理和分析以判断是否存在故障风险，实现提前预警的目的。

可选地，故障预警包括后台系统向用户终端发送预警信号，同时，后台系统还将故障工单发送至用户终端。在本实施中，S106包括：建立指标阈值模型，基于测试数据基础库数据及分析结果计算预警信息，对设备的状态进行在线监测与诊断，并及时进行故障预警。可选地，还可以通过多维图表展示波形数据，即生成预警工单，供用户快速确认故障类型、故障位置等。若在监控过程中某数据指标达到阈值，系统迅速做出响应，将预警及预警信息通过MQTT等长连接通推送给测试人员的客户端小程序或App，也可基于短信能力，发送预警短消息到相关人员手机。可选地，还可以同步将故障工单发送至用户终端。

本发明中后台系统通过接收来自采集装置的数据，以近实时的方式对采集到的时序数据进行分析，挖掘多个指标变量之间的相互作用，通过对波长、损耗、光回波损耗、反射率等多维时序数据的采集、分析与可视化展示，为光纤的故障监测提供更加精准、高效、直观的服务。通过5G或基于4G、5G或WiFi的融合通信技术实现数据上传及交互，适应于不用场景下的光纤数据监测。测试人员可通过APP或小程序实时查看所测光纤线路的时序数据以及各个数据之间的关联关系，同时通过基于时序数据的趋势预测计算机程序，提前发掘出时序数据潜在的变化趋势，有利于在早期发现潜在的故障风险并对其进行维护干预。该系统及装置很好地解决了现有的光纤故障监测系统成本高昂、传感器种类多、日常维护难、考虑监测指标较多、数据提取量巨大、运用技术复杂等问题，实现了简洁有效的时序数据采集、实时上传、关联分析及趋势预测及直观展示等效果。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任至少一个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种光纤故障监测方法，其特征在于，包括：

数据采集，采集光纤测试数据；

存储数据，将数据按照采集时序进行存储，形成时序数据；

数据上传，将所述时序数据上传至后台系统；

数据处理，对所述时序数据进行分析，基于存储的所述时序数据和实时数据以及数据处理结果计算预警信息；

数据输出，将所述时序数据形成图表呈现；

故障预警，建立指标阈值模型，计算预警信息，当计算结果为光纤存在安全隐患时发出预警信号。

2.根据权利要求1所述的光纤故障监测方法，其特征在于，所述数据采集包括将数据采集模块与OTDR设备进行连接，通过所述数据采集模块采集所述OTDR设备的获取的所述光纤测试数据。

3.根据权利要求2所述的光纤故障监测方法，其特征在于，所述光纤测试数据包括波长、损耗、光回波损耗和反射率，

所述时序数据为由波长、损耗、光回波损耗和反射率构成的多维时序数据。

4.根据权利要求2所述的光纤故障监测方法，其特征在于，所述数据采集还包括采集所述OTDR设备的状态数据以及环境数据。

5.根据权利要求4所述的光纤故障监测方法，其特征在于，所述存储数据包括给每个数据打时间标签形成所述时序数据，然后存储数据形成数据基础库。

6.根据权利要求4所述的光纤故障监测方法，其特征在于，所述数据上传包括将所述时序数据上传至后台系统，所述时序数据按照采集时序顺序上传。

7.根据权利要求6所述的光纤故障监测方法，其特征在于，所述数据处理包括对所述时序数据进行缺失值填充、指标分类、标准化处理，以及对预警信息进行信息提取、预警指标分类。

8.根据权利要求7所述的光纤故障监测方法，其特征在于，所述数据输出包括将所述后台系统处理后的数据传输至用户终端呈现，其中，所述用户终端与所述后台系统通过无线网络通信连接。

9.根据权利要求8所述的光纤故障监测方法，其特征在于，所述故障预警还包括当计算结果为光纤存在安全隐患时生成故障工单。

10.根据权利要求9所述的光纤故障监测方法，其特征在于，所述故障预警包括所述后台系统向所述用户终端发送预警信号，同时，所述后台系统还将所述故障工单发送至所述用户终端。

Images