CN212482678U - 一种基于Wavenet的φ-OTDR模式识别系统 - Google Patents
一种基于Wavenet的φ-OTDR模式识别系统 Download PDFInfo
- Publication number
- CN212482678U CN212482678U CN202021996679.1U CN202021996679U CN212482678U CN 212482678 U CN212482678 U CN 212482678U CN 202021996679 U CN202021996679 U CN 202021996679U CN 212482678 U CN212482678 U CN 212482678U
- Authority
- CN
- China
- Prior art keywords
- wavenet
- phi
- optical fiber
- pattern recognition
- otdr
- 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
- 238000000253 optical time-domain reflectometry Methods 0.000 title claims abstract description 21
- 239000013307 optical fiber Substances 0.000 claims abstract description 19
- 238000003909 pattern recognition Methods 0.000 claims abstract description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 5
- 239000000835 fiber Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Lasers (AREA)
Abstract
本实用新型公开了一种基于Wavenet的φ‑OTDR模式识别系统，包括：依次连接的激光器、光衰减器、声光调制器、掺铒光纤放大器和滤波器，所述滤波器的输出端连接环形器，环形器和拉曼放大器的输出端分别连接波分复用器，所述波分复用器的输出端经过PZT与传感光纤连接。本实用新型在φ‑OTDR系统中使用模拟输出卡和PZT，模拟外界振动，便于阈值的设定，以便有效滤除噪声以及无效振动信号。
Description
技术领域
本实用新型涉及信息处理和相位敏感光时域反射光纤传感技术领域，尤其涉及一种基于Wavenet的φ-OTDR模式识别系统。
背景技术
本部分的陈述仅仅是提供了与本实用新型相关的背景技术信息，不必然构成在先技术。
基于相位敏感的光时域反射系统(Phase-Sensitive Optical Time-DomainReflecrometric System,
)，以光纤作为传感器，具备本征安全、耐腐蚀、功耗低的独特优势，可实时在线监测并定位光纤沿线的振动事件，在周界安防、管线安全监测、建筑物结构健康等领域具有广泛的应用。
随着
系统实际应用的不断深入，仅对振动信号进行感知定位难以达到实际需求，因此对各类振动事件进行准确有效的识别日益重要。目前，研究者普遍采用的方法是人工提取振动信号在时域、频域、时频域、空间域等维度的特征信息，然后将特征信息输入到机器学习或深度学习结构中进行模式识别，但是人工提取的特征能否完全代表原始振动信号，直接影响了特征分类的准确性，且人工提取特征过程本身会增加整个模式识别方法的计算资源，导致方法实时性较差。
现有技术公开了采用一维卷积神经网络直接对一维原始信号进行特征提取和识别，省去了人工提取特征过程，但输入仅为一维时域上的幅度信息，且一维卷积神经网络缺乏对振动时序信号的准确表达和分析的能力。
现有技术公开了采用长短时记忆网络模型对设备运行振动时域数据进行训练，但由于长短时记忆网络中存在循环连接，在一定程度上限制了模型的训练速度。
实用新型内容
为了解决现有技术存在的需要人工提取特征或因神经网络模型本身结构而造成的模式识别实时性较差的问题，以及模型不能充分分析其输入数据时序性而导致的识别准确率较低的问题，本实用新型提出了一种基于Wavenet(声波网络)的φ-OTDR模式识别系统，能够实现准确且高效地识别各类外界振动信号。
在一些实施方式中，采用如下技术方案：
一种基于Wavenet的φ-OTDR模式识别系统，包括：依次连接的激光器、光衰减器、声光调制器、掺铒光纤放大器和滤波器，所述滤波器的输出端连接环形器，环形器和拉曼放大器的输出端分别连接波分复用器，所述波分复用器的输出端经过PZT与传感光纤连接。
作为进一步地方案，所述声光调制器通过声光调制器驱动器驱动。
作为进一步地方案，还包括：模拟输出卡，所述模拟输出卡的输出端分别连接声光调制器驱动器驱动和PZT。
作为进一步地方案，所述环形器的输出端还连接光电探测器。
作为进一步地方案，所述光电探测器经过数据采集卡与计算机连接。
作为进一步地方案，所述激光器为超窄线宽激光器。
与现有技术相比，本实用新型的有益效果是：
(1)本实用新型在φ-OTDR系统中使用模拟输出卡和PZT，模拟外界振动，便于阈值的设定，以便有效滤除噪声以及无效振动信号。
(2)本实用新型在φ-OTDR系统中使用光衰减器、拉曼放大器和波分复用器，便于设置光功率大小，有利于增加φ-OTDR系统的传感距离，提高传感系统的信噪比。
本实用新型的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本实用新型的实践了解到。
附图说明
图1是本实用新型实施例中基于Wavenet的φ-OTDR模式识别系统结构示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本实用新型使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中，公开了一种基于Wavenet的φ-OTDR模式识别系统，参照图1，包括：超窄线宽激光器的输出端与光衰减器的输入端相连，光衰减器的输出端与声光调制器的光输入端相连，模拟输出卡有两个信号输出端口，一个输出端口连接声光调制器驱动器的输入端；另一个输出端口连接PZT(压电陶瓷)驱动信号输入端，以驱动PZT。声光调制器驱动器的输出端与声光调制器驱动信号输入端相连，声光调制器的输出端与掺铒光纤放大器的输入端相连，掺铒光纤放大器的输出端与滤波器的输入端相连，滤波器的输出端与环形器的一个输入端相连，环形器的一个输出端与波分复用器的一个输入端相连，拉曼放大器的输出端与波分复用器的另一个输入端相连。波分复用器的输出端与PZT的光输入端相连，PZT的输出端连接传感光纤。
环形器的另一个输出端与光电探测器的输入端相连，光电探测器的输出端与数据采集卡的输入端相连，数据采集卡的输出端与计算机相连接。
具体地，进行数据采集时，将传感光纤铺设在各类振动作用的区域，利用瑞利散射原理可以分布式感知振动信号。
中心波长为1550nm、线宽小于3KHz的超窄线宽激光器发出连续光，经由光衰减器来调节光功率大小，而后经移频量为200MHz的声光调制器调制成脉冲光；模拟输出卡的一路输出为声光调制器驱动器始终提供一路频率为5kHz，脉冲宽度为20ns的脉冲正沿触发信号，触发模式为后触发。
脉冲光经掺铒光纤放大器放大光功率，经过滤波器滤除自发辐射噪声，再通过环形器，与拉曼放大器输出的拉曼光一同进入波分复用器，以进一步放大散射光信号，而后光信号进入传感光纤感知外界振动信号。
在该阶段，模拟输出卡的另一路输出对PZT不产生驱动信号，PZT对传感光纤不产生作用。
由于瑞利散射作用会返回后向散射光，其光场强度表达式为：
I(t)＝Es 2(t)＝[As cos(2πfst+φs)]2
＝As 2/2+(As 2/2)cos(4πfst+2φs)
其中，Es、As、fs、φs分别为后向瑞利散射光的光场、振幅、频率和相位。当有振动信号作用于传感光纤时，相位φs发生改变，光强I(t)变化，采样率为100MS/s的数据采集卡采集到各类振动信号的多组原始数据，并传输至计算机。
另外，为获取振动信号阈值，模拟输出卡对PZT产生幅值为A0、频率为f＝f1～f2的扫频信号：
x(t)＝A0cos(2πf)
其中，f1～f2为φ-OTDR系统的可探测频率范围内。扫频信号驱动PZT拉伸光纤，光纤产生Δl的形变，进而产生Δε的应变量，将该应变量所对应的信号幅值设定为筛选有效振动信号的阈值。
上述虽然结合附图对本实用新型的具体实施方式进行了描述，但并非对本实用新型保护范围的限制，所属领域技术人员应该明白，在本实用新型的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本实用新型的保护范围以内。
Claims (6)
1.一种基于Wavenet的φ-OTDR模式识别系统，其特征在于，包括：依次连接的激光器、光衰减器、声光调制器、掺铒光纤放大器和滤波器，所述滤波器的输出端连接环形器，环形器和拉曼放大器的输出端分别连接波分复用器，所述波分复用器的输出端经过PZT与传感光纤连接。
2.如权利要求1所述的一种基于Wavenet的φ-OTDR模式识别系统，其特征在于，所述声光调制器通过声光调制器驱动器驱动。
3.如权利要求2所述的一种基于Wavenet的φ-OTDR模式识别系统，其特征在于，还包括：模拟输出卡，所述模拟输出卡的输出端分别连接声光调制器驱动器驱动和PZT。
4.如权利要求1所述的一种基于Wavenet的φ-OTDR模式识别系统，其特征在于，所述环形器的输出端还连接光电探测器。
5.如权利要求4所述的一种基于Wavenet的φ-OTDR模式识别系统，其特征在于，所述光电探测器经过数据采集卡与计算机连接。
6.如权利要求1所述的一种基于Wavenet的φ-OTDR模式识别系统，其特征在于，所述激光器为超窄线宽激光器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202021996679.1U CN212482678U (zh) | 2020-09-11 | 2020-09-11 | 一种基于Wavenet的φ-OTDR模式识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202021996679.1U CN212482678U (zh) | 2020-09-11 | 2020-09-11 | 一种基于Wavenet的φ-OTDR模式识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN212482678U true CN212482678U (zh) | 2021-02-05 |
Family
ID=74448707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202021996679.1U Active CN212482678U (zh) | 2020-09-11 | 2020-09-11 | 一种基于Wavenet的φ-OTDR模式识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN212482678U (zh) |
-
2020
- 2020-09-11 CN CN202021996679.1U patent/CN212482678U/zh active Active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104132693B (zh) | 相位otdr系统中振动信号位置和频率的同时提取方法 | |
| CN201191221Y (zh) | 分布式光纤振动传感系统扰动信号判别模块 | |
| EP1793225B1 (en) | Internal tree nondestructive inspection method and apparatus using acoustic tomography | |
| CN102865914B (zh) | 分布式光纤振动传感器 | |
| CN103196465B (zh) | 一种相敏光时域反射仪传感信号噪声分离及信号提取方法 | |
| CN111854921A (zh) | 一种分布式光纤减速带振动预警系统及方法 | |
| CN105509868A (zh) | 相位敏感光时域反射光纤分布式传感系统相位计算方法 | |
| CN111157097B (zh) | 一种基于相位敏感光时域反射系统的振动信号检测方法 | |
| CN112985574B (zh) | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 | |
| CN101299635B (zh) | 宽域全光纤扰动信号前-后判别装置及方法 | |
| CN106323448A (zh) | 基于随机采样的高频振动分布式光纤传感系统 | |
| CN208872879U (zh) | 一种微地震数据采集系统 | |
| CN105277270A (zh) | 一种基于光纤光栅传感的双模式振动探测系统 | |
| CN108663435A (zh) | 一种分布式声波列车轮轨检测装置及方法 | |
| CN113588066A (zh) | 一种基于弱导光纤宏弯效应的微振动传感装置 | |
| CN105651373A (zh) | 一种基于偏振光时域反射技术中测量两点同频振动的方法 | |
| CN106225816A (zh) | 一种基于布里渊滤波器的光栅传感装置与方法 | |
| CN108317402B (zh) | 一种分布式光纤传感定位预警分析方法 | |
| CN103438980B (zh) | 一种基于线阵ccd和线状红外激光的液体表面波探测方法及装置 | |
| CN115265750A (zh) | 一种光纤分布式声波传感系统及方法 | |
| CN212482678U (zh) | 一种基于Wavenet的φ-OTDR模式识别系统 | |
| CN109884025B (zh) | 一种远程sers光谱检测系统及方法 | |
| CN111539393B (zh) | 基于emd分解与lstm的油气管道第三方施工预警方法 | |
| CN110595599A (zh) | 减少光纤振动系统偏振衰落的方法及应用其的探测系统 | |
| CN108226819A (zh) | 一种基于光纤光栅的地面磁场监测系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |