DE102015110528A1 - Filtern von verteilten Erfassungsdaten - Google Patents

Filtern von verteilten Erfassungsdaten Download PDF

Info

Publication number
DE102015110528A1
DE102015110528A1 DE102015110528.4A DE102015110528A DE102015110528A1 DE 102015110528 A1 DE102015110528 A1 DE 102015110528A1 DE 102015110528 A DE102015110528 A DE 102015110528A DE 102015110528 A1 DE102015110528 A1 DE 102015110528A1
Authority
DE
Germany
Prior art keywords
data
filter
contraption
filtering
filter unit
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
Application number
DE102015110528.4A
Other languages
English (en)
Other versions
DE102015110528B4 (de
Inventor
Auf Nichtnennung Antrag
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aiq Dienstleistungen Ug (haftungsbeschrankt)
Original Assignee
Aiq Dienstleistungen Ug (haftungsbeschrankt)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aiq Dienstleistungen Ug (haftungsbeschrankt) filed Critical Aiq Dienstleistungen Ug (haftungsbeschrankt)
Priority to DE102015110528.4A priority Critical patent/DE102015110528B4/de
Priority to GB2102552.3A priority patent/GB2591191B/en
Priority to GB1611182.5A priority patent/GB2541108B/en
Priority to US15/196,529 priority patent/US10209138B2/en
Publication of DE102015110528A1 publication Critical patent/DE102015110528A1/de
Application granted granted Critical
Publication of DE102015110528B4 publication Critical patent/DE102015110528B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • 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
    • G01D5/268—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 using optical fibres
    • 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
    • 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
    • G01D5/35364—Sensor working in reflection using backscattering to detect the measured quantity using inelastic backscattering to detect the measured quantity, e.g. using Brillouin or Raman backscattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G01K11/322—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres using Brillouin scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G01K11/324—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres using Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00—Measuring force or stress, in general
    • G01L1/24—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet
    • G01L1/242—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet the material being an optical fibre
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00—Measuring force or stress, in general
    • G01L1/24—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet
    • G01L1/247—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet using distributed sensing elements, e.g. microcapsules

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

Eine Vorrichtung (100) zum verteilten Erfassen zur Bestimmung einer physikalischen Größe, die eine Messeinheit (102), die zum Messen von Signalen über Zeit und Raum durch verteiltes Erfassen konfiguriert ist, eine Bestimmungseinheit (118), die zum Bestimmen von Daten, die mit der physikalischen Größe korreliert sind, auf Basis der gemessenen Signale konfiguriert ist, und eine Filtereinheit (104) aufweist, die zum Filtern der Daten konfiguriert ist, um Rauschen zu reduzieren und reale Merkmale im Wesentlichen zu erhalten, basierend auf mindestens einem Filterparameter, der bestimmt wird in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei einer Vielzahl an unterschiedlichen Zeiten beziehen.

Description

  • Die Erfindung bezieht sich auf eine Vorrichtung zum verteilten Erfassen, auf ein Verfahren zum Bestimmen einer physikalischen Größe durch verteiltes Erfassen, auf ein Programmelement und auf ein computerlesbares Medium.
  • Vorrichtungen zum verteilten Erfassen von Temperatur bzw. Vorrichtungen zur faseroptischen Temperaturmessung (distributed temperature sensing, DTS) sind optoelektronische Vorrichtungen, die Temperatur mittels optischer Fasern, die als lineare Sensoren fungieren, messen. Temperaturwerte werden entlang des optischen Sensorkabels als ein kontinuierliches Profil (Temperaturspur) aufgenommen. Eine hohe Genauigkeit der Temperaturbestimmung wird über lange Distanzen erreicht. Messdistanzen von vielen Kilometern können erreicht werden. Die Temperaturabhängigkeit des Raman-Effekts kann für eine DTS-Messung verwendet werden.
  • Eine Messung einer physikalischen Größe über Raum und Zeit, wie zum Beispiel durch eine Raman-ODTR, die das Temperaturprofil über die Zeit entlang einer Faser (verteiltes Temperaturerfassen bzw. faseroptische Temperaturmessung, DTS) misst, enthält üblicherweise Rauschen, das die Fähigkeit reduziert, kleine Ereignisse, wie Temperaturänderungen zu einer Zeit oder an einer Stelle, aufzulösen, was (in diesem Beispiel) zu einer eingeschränkten Temperaturauflösung oder einer Einschränkung bei der möglichen Sensorlänge führt. Es können zwar Maßnahmen vorgenommen werden, das Raman-Signal zu vergrößern oder die Rauschbeitragenden zu reduzieren, aber dies kann einen hohen Aufwand verursachen und Grenzen haben.
  • Eine weitere Methode ist es, die Daten zur Reduzierung des Rauschens zu filtern. Solche Filter können eine Messspur D(x) entlang der Position x nehmen und sie (in Abhängigkeit von dem ausgewählten Filter) in eine Spur D'(x) überführen, hoffentlich mit der gewünschten Verbesserung.
  • Eine einfache Umsetzung wäre es, jeden Punkt mit einigen Nachbarpunkten zu mitteln (gleitende räumliche Mittelung). Solch eine geglättete Spur mit weniger Rauschen, aber offensichtlichem Reduzieren der Fähigkeit, scharfe Temperaturänderungen über die Position aufzulösen, schränkt die räumliche Auflösung ein. EP 2 772 738 A2 und US 2014/0241396 versuchen es, das Rauschen durch räumliches Filtern zu reduzieren und dabei die räumliche Auflösung von realen Ereignissen (wie heiße Stellen oder Temperaturstufen) zu erhalten, wo sie identifiziert sind.
  • Im Allgemeinen ist es durch die Natur des Rauschens nicht möglich, ein unbekanntes (zufälliges) Rauschen von einem unbekannten (realen) Signal zu trennen, falls keine zusätzlichen Daten verfügbar sind, so dass alles Filtern in mancher Weise auf Annahmen oder Wissen über das Rauschen und/oder das Signal basieren muss. Dies gilt für jede Art an Filter, wie Wavelet-basierte, Kalman-Filter, etc. In dem oben erwähnten Beispiel ( EP 2 772 738 A2 , US 2014/0241396 ) ist die Annahme im Wesentlichen die, dass ein reales Ereignis in dem Signal entlang des Raums, zum Beispiel eine heiße Stelle, eine signifikant größere Amplitude hat als das Rauschen, so dass jedes Ereignis mit einer ausreichenden Amplitude identifiziert wird und die Stelle auf der Spur ungefiltert passiert wird, d. h. mit voller räumlicher Auflösung. Offensichtlich funktioniert dies nicht bei Ereignissen, die vergleichsweise klein (nicht signifikant) sind und daher geglättet würden. Eine weiterer Nebeneffekt bei solchen Signifikanz-basierten Filtern ist es, dass zum Beispiel eine wachsende heiße Stelle von zunächst nicht identifiziert und somit durch den Filter abgeflacht übergeht zu identifiziert und somit ungefiltert passiert (nicht geglättet). Solch ein Übergang fügt eine nicht-reale Dynamik in die angezeigte heiße Stelle hinzu, zum Beispiel indem die heiße Stelle plötzlich auftauchen gelassen wird, was zu falschen Schlussfolgerungen bei manchen Anwendungen führen kann.
  • Da Rauschen die Genauigkeit von verteiltem Erfassen begrenzt, ist es im Allgemeinen gewünscht, es zu reduzieren. Darüber hinaus können Rauschen oder Verzerrungen in den Messsignalen einer Vorrichtung zum verteilten Erfassen zu einer Ungenauigkeit der physikalischen Größe führen, die bestimmt werden soll.
  • Es ist eine Aufgabe der Erfindung, das Bestimmen einer physikalischen Größe durch verteiltes Erfassen mit hoher Genauigkeit zu ermöglichen.
  • Um die oben definierte Aufgabe zu lösen, werden eine Vorrichtung zum verteilten Erfassen, ein Verfahren zum Bestimmen einer physikalischen Größe durch verteiltes Erfassen, ein Programmelement und ein computerlesbares Medium gemäß den unabhängigen Ansprüchen bereitgestellt.
  • Gemäß einer beispielhaften Ausführungsform der Erfindung wird eine Vorrichtung zum verteilten Erfassen zur Bestimmung einer physikalischen Größe (insbesondere des Wertes eines physikalischen Parameters; der physikalische Parameter kann zum Beispiel die Temperatur sein und die physikalische Größe kann ein Temperaturwert sein) bereitgestellt, die eine Messeinheit, die zum Messen von Signalen über Zeit und Raum durch verteiltes Erfassen konfiguriert ist, eine Bestimmungseinheit, die zum Bestimmen von Daten (insbesondere über Zeit und Raum), die mit der physikalischen Größe korreliert sind, auf Basis der gemessenen Signale konfiguriert ist, und eine Filtereinheit aufweist, die zum Filtern der Daten konfiguriert ist, um Rauschen (d. h. Verzerrungen) zu reduzieren und reale Merkmale (wie ein schmaler scharfer Temperaturpeak in der Spur) im Wesentlichen zu erhalten, basierend auf mindestens einem Filterparameter, der bestimmt wird in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei einer Vielzahl an unterschiedlichen Zeiten (eine DTS-Spur ist üblicherweise ein Mittelwert von zum Beispiel 10 s, daher nicht genau ein „Zeitpunkt”) beziehen.
  • Gemäß einer weiteren beispielhaften Ausführungsform der Erfindung wird ein Verfahren zur Bestimmung einer physikalischen Größe durch verteiltes Erfassen bereitgestellt, wobei das Verfahren ein Messen von Signalen über Zeit und Raum durch verteiltes Erfassen, ein Bestimmen von Daten, die mit der physikalischen Größe korreliert sind, auf Basis der gemessenen Signale, und ein Filtern der Daten, um Rauschen zu reduzieren und reale Merkmale im Wesentlichen zu erhalten, basierend auf mindestens einem Filterparameter, der bestimmt wird in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei einer Vielzahl an unterschiedlichen Zeiten beziehen, umfasst.
  • Gemäß noch einer weiteren beispielhaften Ausführungsform der Erfindung wird ein Programmelement (zum Beispiel eine Software-Routine, in Quellcode oder in ausführbarem Code) bereitgestellt, das, wenn es von einem Prozessor (wie zum Beispiel einem Mikroprozessor oder einer CPU) ausgeführt wird, zum Steuern oder Durchführen eines Verfahrens, das die obigen Merkmale aufweist, angepasst ist.
  • Gemäß noch einer weiteren beispielhaften Ausführungsform der Erfindung wird ein computerlesbares Medium (zum Beispiel eine CD, eine DVD, ein USB-Stick, eine Diskette, eine Festplatte, oder eine Cloud-Speichervorrichtung) bereitgestellt, in welchem ein Computerprogramm gespeichert ist, das, wenn es von einem Prozessor (wie zum Beispiel einem Mikroprozessor oder einer CPU) ausgeführt wird, zum Steuern oder Durchführen eines Verfahrens, das die obigen Merkmale aufweist, angepasst ist.
  • Datenverarbeitung, die gemäß Ausführungsformen der Erfindung durchgeführt werden kann, kann durch ein Computerprogramm, das heißt durch Software, oder durch die Verwendung von einem oder mehreren speziellen elektronischen Optimierungsschaltungen, das heißt in Hardware, oder in hybrider Form, das heißt mittels Software- und Hardwarekomponenten, realisiert werden.
  • Im Kontext der vorliegenden Anmeldung kann der Begriff „Signale” insbesondere rohe Messsignale bedeuten, die von einem elektromagnetischen Strahlungsdetektor der Vorrichtung zum verteilten Erfassen detektiert wurden (wie zum Beispiel optische Intensität, optische Frequenz und/oder Frequenzverschiebung relativ zu einfallender Strahlung (Brillouin-Streuung hat eine geringe Bandbreite und hier ändert sich nicht nur die Amplitude, sondern auch die Frequenz oder die Frequenzverschiebung ändert sich mit der Temperatur und/oder Deformation, in dem Stokes-Signal wie auch in dem Antistokes-Signal)). Unterschiedliche Signale können Teilbereiche eines Satzes an detektierten Signalen sein, die sich auf unterschiedliche Wellenlängen oder Wellenlängenbereichen von detektierter elektromagnetischer Strahlung beziehen. In Bezug auf verteiltes Erfassen können unterschiedliche Signale sich auf unterschiedliche Wellenlängenabschnitte detektierter sekundärer elektromagnetischer Strahlung (insbesondere von unelastischer Streuung) beziehen, auf einen, der ein erhöhte Wellenlänge aufweist, und auf einen weiteren Wellenlängenabschnitt, der eine verminderte Wellenlänge aufweist, im Vergleich mit der (insbesondere monochromatischen) primären elektromagnetischen Strahlung, die in die Faser hinein gekoppelt wurde. Eine verminderte Wellenlänge kann aus Phononenvernichtung (Antistokes-Prozess) innerhalb der Faser resultieren, während eine erhöhte Wellenlänge sich auf eine Phononenerzeugung (Stokes-Prozess) beziehen kann.
  • Im Kontext der vorliegenden Anmeldung kann der Begriff „Daten” insbesondere Informationen bedeuten, die auf die physikalische Größe hindeuten und von der Verarbeitung der Signale in Übereinstimmung mit einem vordefinierten Verarbeitungsschema (wie zum Beispiel ein Berechnen eines Verhältnisses zwischen Stokes-Signal und Antistokes-Signal für unterschiedliche Zeiten und unterschiedliche räumliche Positionen, um dadurch eine räumliche und zeitliche Temperaturspur zu bestimmen) herstammen. Die Daten können somit durch Verarbeiten der Signale erhalten werden zum Bestimmen von noch rauschenden Daten, zum Beispiel noch rauschende physikalische Größen entlang Raum bzw. Zeit.
  • Der Begriff „Filtern der Daten” kann insbesondere ein Modifizieren oder Manipulieren der bestimmten Daten bedeuten durch einen Filteralgorithmus oder eine Filterberechnung zur Verbesserung der Qualität der Daten im Hinblick auf ihre Fähigkeit, wichtige Informationen, die die physikalische Größe betreffen, zu liefern. Das Filtern kann in solch einer Weise durchgeführt werden, dass Verzerrungen oder Rauschen entlang einer Spur der zu bestimmenden physikalischen Größe kleiner werden, z. B. geglättet werden (zum Beispiel durch eine selektives Mitteln, beschränkt auf rauschende Datenteilbereiche, ausgenommen andere Datenteilbereiche, die sich auf ein oder mehrere Ereignisse oder reale Merkmale, die detektiert werden sollen, beziehen). Ein Filtern von Rohdaten (die Rauschen enthalten) ermöglicht es, raffinierte Daten (die weniger Rauschen enthalten) zu erhalten.
  • Der Begriff „Filterparameter” kann insbesondere ein oder mehrere Werte von einem oder mehreren Koeffizienten bedeuten, die darauf hindeuten, welche Teilbereiche der Daten zu filtern sind und welche anderen Teilbereiche der Daten nicht zu filtern sind, und/oder in welchem Ausmaß welche Teilbereiche der Daten zu filtern sind (z. B. graduell). Dies kann eine Spezifikation beinhalten, gemäß welchem Mittelungsalgorithmus bestimmte Teilbereiche der Daten zu filtern sind (zum Beispiel über welche räumliche und/oder zeitliche Breite eine Mittelung durchgeführt wird, wie viele und/oder mit welchem Gewicht benachbarte Datenpunkte für ein Mitteln eines jeweiligen Datenpunkts berücksichtigt werden, eine Funktion oder ein Funktionsparameter (wie zum Beispiel eine Gauß'sche Verteilung oder ihre Breite), gemäß der bzw. dem ein jeweiliger Datenpunkt unter Berücksichtigung umgebender Datenpunkte gemittelt wird, eine Spline-Kurve, die zum Filtern verwendet wird, etc.).
  • Der Begriff „Rauschen” kann insbesondere jede Verzerrung der gemessenen Signale bedeuten, die sich auf eine entsprechende Verzerrung der von den Signalen herstammenden bzw. abgeleiteten Daten überträgt. Rauschen basiert daher nicht auf einem realen Merkmal, das gemessen oder bestimmt werden soll. Insbesondere kann ein solches Rauschen einen unkorrelierten, statistischen Beitrag zu einem gemessen Signal und davon abgeleiteten Daten liefern.
  • Der Begriff „reale Merkmale” kann insbesondere ein definiertes Phänomen oder Ereignis oder Zustand an einem bestimmten Zeitpunkt oder in einem bestimmten zeitlichen Bereich und an einer bestimmten Position oder in einem bestimmten räumlichen Bereich der Faser, die durch verteiltes Erfassen analysiert werden sollen, bedeuten. Zum Beispiel kann das reale Merkmal eine heiße Stelle bzw. ein Hotspot oder eine kalte Stelle im Hinblick auf ein verteiltes Erfassen von Temperatur bzw. eine faseroptische Temperaturmessung sein oder ein akustisches Ereignis oder Schwingungsereignis im Hinblick auf ein verteiltes Erfassen von Schall.
  • Im Kontext der vorliegenden Anmeldung kann der Begriff ”verteiltes Erfassen” insbesondere ein kontinuierliches, verteiltes Messen entlang der Länge einer Erfassungsfaser bedeuten. Zum Beispiel kann Licht, das von der Faser rückgestreut wird, zum Liefern von Deformationsdaten bzw. Dehnungsdaten und/oder Temperaturdaten verwendet werden. Insbesondere kann eine physikalische Größe in einer verteilten Art und Weise über eine erweiterte physikalische Domäne (zum Beispiel räumlich) durch verteiltes Erfassen bestimmt werden. Eine Vorrichtung zum verteilten Erfassen kann elektromagnetische Strahlung als eine Sonde zum Erfassen einer Verteilung der physikalischen Größe entlang der physikalischen Domäne verwenden, insbesondere entlang einer Faser, in der die elektromagnetische Strahlung sich ausbreitet und gestreut wird. Somit kann die Vorrichtung zum verteilten Erfassen eine elektromagnetische Strahlungsquelle aufweisen, die zum Erzeugen primärer elektromagnetischer Strahlung, die in die Faser hinein gekoppelt wird, konfiguriert ist, und sie kann einen elektromagnetischen Strahlungsdetektor aufweisen, der zum Detektieren sekundärer elektromagnetischer Strahlung konfiguriert ist, die als Antwort auf das Koppeln der primären elektromagnetischen Strahlung in die Faser hinein erzeugt wird.
  • Der Begriff ”Faser” kann insbesondere ein Element (insbesondere ein optoelektronisches Element) bedeuten, das in der Lage ist, elektromagnetische Strahlung zu leiten, so dass diese sich entlang eines definierten Pfades durch die Faser ausbreitet. Eine Faser, die zum Beispiel aus Quarzglas hergestellt ist, kann in der Lage sein, sichtbare und infrarote Strahlung zu transportieren. Somit kann eine Faser als ein dielektrischer Wellenleiter bezeichnet werden, der für elektromagnetische Strahlung zumindest teilweise durchlässig ist.
  • Der Begriff ”elektromagnetische Strahlung” kann insbesondere Photonen mit einer geeigneten Wellenlänge bedeuten, die in der Lage sind, sich durch eine Faser auszubreiten. Optische Strahlung kann in einem Bereich zwischen 400 nm und 800 nm sein, d. h. sie kann im sichtbaren Bereich sein. Infrarote Strahlung, die für eine Teilentladungsdetektion verwendbar ist, kann in einem Bereich zwischen 800 nm und 5000 nm sein. Zum Beispiel sind 1550 nm eine geeignete Messwellenlänge. Besonders geeignete Wellenlängen für verteiltes Erfassen liegen in einem Bereich zwischen 850 nm und 1700 nm.
  • Beispielhafte Ausführungsformen basieren auf der Überlegung, dass die Qualität einer durch verteiltes Erfassen durchgeführten Messung dadurch verbessert werden kann, dass ein oder mehrere Filterparameter zum Filtern von verteilten Erfassungsdaten verwendet werden, die auf der Basis der Daten bestimmt werden, die auf die Messsignale zurückgehen, wie sie bei unterschiedlichen Zeiten gemessen wurden (d. h. zu unterschiedlichen Zeitpunkten und/oder innerhalb unterschiedlicher zeitlicher Bereiche, bei jeder Position). Im Gegensatz zu der Verwendung von statischen oder konstanten Filterparametern wird somit das Filtern in einer dynamischen Weise durchgeführt unter Berücksichtigung von Informationen aus der Zeitabhängigkeit der Daten, die von den gemessenen Signalen selbst erhalten werden. Durch diese Maßnahme können reale Merkmale aufrechterhalten werden, während Rauschen oder Verzerrungen unterdrückt werden können.
  • Die beschriebene Datenmodifikationsarchitektur kann in sehr unterschiedlichen Arten und Weisen durchgeführt werden, d. h. einschließlich – aber nicht beschränkt auf – einer Signifikanzdetektion (d. h. eine Identifikation von Ereignissen, die über einem Grundrauschen sind) und einer einfachen Mittelung (d. h. einer variablen räumlichen Auflösung und/oder einer variablen Messzeit). Beispielhafte Ausführungsformen der Erfindung können die beschriebene Art an dynamischen Filtern bei jeder beliebigen Art an Filtern anwenden, wie Kaiman-Filter oder Filter auf Basis von Wavelet-Transformation. Die Filterparameter (wie, welcher Wavelet-Typ verwendet wird, wo und wann, oder welche Koeffizienten in welcher Weise modifiziert werden und an welchem Ort und zu welcher Zeit) können jedoch variabel in Bezug auf Raum und Zeit sein und von den Messsignalen abgeleitet sein, die sich auf mehr als eine Zeit beziehen (und sich vorzugsweise, wenn auch optional, zusätzlich auf mehr als einen Ort beziehen).
  • Im Folgenden werden weitere beispielhafte Ausführungsformen der Vorrichtung, des Verfahrens, des Programmelementes und des computerlesbaren Mediums erläutert.
  • In einer Ausführungsform wird das Filtern zum Raffinieren des Signal-Rausch-Verhältnisses der physikalischen Größe (wie zum Beispiel einer Temperaturspur), die bestimmt werden soll, durchgeführt, nachdem die Rohdaten, die auf die physikalische Größe hindeuten, aus den rohen Messsignalen bestimmt wurden (d. h. die Rohdaten einschließlich des Rauschens können gefiltert werden). Für das Beispiel des verteilten Erfassens von Temperatur bzw. der faseroptischen Temperaturmessung (DTS) bedeutet das, dass die Raman-Signale (Stokes und Antistokes) bei unterschiedlichen Zeiten und an unterschiedlichen Positionen entlang einer Messfaser gemessen werden können. In Übereinstimmung mit der Raman-Theorie wird die Temperaturspur (d. h. die Temperaturverteilung entlang der Faser zu einer Zeit) dann auf der Basis des Verhältnisses zwischen dem Stokes-Signal und dem Antistokes-Signal bestimmt, wie es für einen Fachmann auf dem Gebiet bekannt ist. Anschließend wird die bestimmte räumliche Verteilung des physikalischen Wertes (insbesondere die Temperaturspur) durch Filtern geglättet. In diesem Zusammenhang kann es vorteilhaft sein, wenn ein oder mehrere reale Merkmale entlang der bestimmten rohen räumlichen Verteilung des physikalischen Wertes identifiziert sind, zum Beispiel auf Basis einer Grenzwert- bzw. Schwellenwertanalyse einer räumlichen oder zeitlichen Ableitung (abgeleiteter Wert, Derivat), vorzugsweise gemittelt über Raum und/oder Zeit, der bestimmten rohen räumlichen Verteilung. Diese ermittelte Information in Bezug auf wahrscheinliche Positionen von realen Merkmalen in der bestimmten rohen räumlichen Verteilung kann dann zum Einstellen bzw. Anpassen des Filterparameters bzw. der Filterparameter verwendet werden, so dass das Filtern der rohen räumlichen Verteilung zum Erhalt einer raffinierten räumlichen Verteilung auf Teilbereiche der Spur begrenzt ist, die frei von identifizierten realen Merkmalen oder Ereignissen sind. Dies ermöglicht es, die Auflösung zu verbessern, das Rauschen zu unterdrücken durch Filtern in Teilbereichen, abgesehen von realen Merkmalen, während es vermieden werden kann, dass reale Merkmale ausgewischt werden durch ein lokales (im Hinblick auf Zeit und/oder Ort) unerwünschtes Filtern (insbesondere Mitteln) über Abschnitten, die sowohl reale Merkmale als auch Rauschen beinhalten.
  • Als eine Alternative ist es jedoch auch möglich, das Filtern nicht auf der Basis der bestimmten rohen Spur der physikalischen Größe über Raum oder Zeit durchzuführen, sondern im Gegensatz hierzu das Filtern früher in der Datenverarbeitungskette durchzuführen, zum Beispiel das Verhältnis zwischen Stokes-Signal und Antistokes-Signal zu filtern. Des Weiteren ist es auch möglich, die gemessenen Rohsignale vor dem Berechnen der physikalischen Größe zu filtern. Bei dem letztgenannten Szenario sollte jedoch darauf geachtet werden, dass das Filtern dieser Rohsignale keine Informationen (Merkmale von Interesse) auswischt.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Bestimmen des mindestens einen Filterparameters, der über die Vielzahl an unterschiedlichen Zeiten variiert. Diese Variation über die Zeit (und stark bevorzugt, wenn auch optional, auch über den Raum) der Messung kann davon abhängen, was dort und dann passiert, wie durch die gemessenen Signale oder die davon abgeleiteten Daten angezeigt.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Bestimmen des mindestens einen Filterparameters in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei der Vielzahl an unterschiedlichen Zeiten (während der Messung) und bei einer Vielzahl an unterschiedlichen räumlichen Positionen (entlang der Messfaser) beziehen. In anderen Worten ist die Filtereinheit konfiguriert zum Bestimmen des mindestens einen Filterparameters in Abhängigkeit von den Daten, die auf Basis der Signale bestimmt werden, die bei der Vielzahl an unterschiedlichen Zeiten gemessen wurden, und in Abhängigkeit von den Daten, die auf Basis der Signale bestimmt werden, die bei einer Vielzahl an unterschiedlichen räumlichen Positionen gemessen wurden. Insbesondere kann der mindestens eine Filterparameter separat für jede Position und für jede Zeit bestimmt werden. Durch Berücksichtigen von Daten, die auf Basis von Signalen bestimmt werden, die zu unterschiedlichen Zeiten und an unterschiedlichen Orten entlang der Faser gemessen wurden, wird eine breitere Datenbasis für die Entscheidung bereitgestellt, bezüglich welcher Teilbereiche der Daten sich auf ein Ereignis, d. h. auf ein reales Merkmal, beziehen und welche nicht. Bei solch einem Raum-Zeit Filter können die Filterparameter bestimmt werden in Abhängigkeit von den Messdaten D(xBereich, tBereich) in einem Bereich xBereich, der mehr als einen Ort (oder Datenpunkt) x enthält, und in einem Bereich tBereich, der mehr als eine Zeit (oder Zeitindex) t enthält. Diese stark bevorzugte Ausführungsform der Erfindung führt ein selektives Filtern auf Daten (x, t) durch, das von dem Ort x und der Zeit t abhängt, zur Reduzierung des Rauschens, während reale Merkmale im Wesentlichen erhalten bleiben, wobei die Filterparameter bestimmt werden in Abhängigkeit von den Messdaten D(xBereich, tBereich) in einem Bereich tBereich, der mehr als eine Zeit (oder Zeitindex) t enthält. Somit kann die Analyse in sehr vorteilhafter Weise in Bezug auf Raum und Zeit durchgeführt werden. Ein Durchführen der Analyse nur in Bezug auf den Raum (wo Daten zu einer anderen Zeit, wie von der vorherigen Spur, keine Auswirkung haben; wie in der unten beschriebenen Variante A ohne „Mittelung über die Zeit der räumlichen Ableitung der Spur”) ist bereits vorteilhaft. Ein Durchführen des Verfahrens nur in Bezug auf die Zeit (wo Daten von irgendeinem anderen Punkt keine Auswirkung haben; wie in der unten beschriebenen Variante B aber ohne „Mittelung über den Raum der zeitlichen Ableitung der Spuren”) ist ebenfalls vorteilhaft. Die Kombination des Durchführens der Analyse in Bezug auf Zeit und Raum kann es jedoch möglich machen, wesentlich verbesserte Ergebnisse zu erzielen.
  • Vorzugsweise ist die Filtereinheit konfiguriert zum Bestimmen des mindestens einen Filterparameters, der über die Vielzahl an unterschiedlichen Zeiten variiert und die Vielzahl an unterschiedlichen räumlichen Positionen variiert. Dadurch kann die dynamische Bestimmung des Filterparameters bzw. der Filterparameter sowohl auf dem Gebiet der Zeit als auch auf dem Gebiet des Raums angewendet werden.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Filtern der Daten durch Mitteln von zumindest einem Teil der Daten über mindestens eines von Raum und Zeit. Daher können die gemessenen Daten durch Mitteln über Raum und/oder Zeit geglättet werden.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Filtern der Daten durch Ersetzen von zumindest einem Teil der Daten durch mindestens eine Funktion (insbesondere eine Funktion über Raum und/oder Zeit). Somit können, zusätzlich oder alternativ, die rauschenden Daten, wie sie direkt von den gemessenen Signalen erhalten werden, geglättet werden durch Ersetzen von zumindest einem Teilbereich der Daten durch eine oder mehrere mathematischen Funktionen (die parametrierbar sein kann zum Erhalt einer passenden Kompatibilität zwischen der parametrierbaren Funktion und dem jeweiligen Datenteil). Solch eine Funktion kann zumindest einen Abschnitt der Daten an einen Rausch-freien oder Verzerrungs-freien Zustand annähern.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Filtern der Daten durch Ersetzen von zumindest einem Teil der Daten durch mindestens eine angepasste Form (fitted shape). Somit können, zusätzlich oder alternativ, die gemessenen Daten durch Ersetzen von Daten durch eine oder mehrere angepasste Formen geglättet werden. Zum Beispiel kann eine Anpassung nach der Methode der kleinsten Quadrate (least squares fit) für zumindest einen Abschnitt der Daten durchgeführt werden, um die Daten an einen Rausch-freien oder Verzerrungs-freien Zustand anzunähern.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Filtern der Daten durch Transformieren von zumindest einem Teil der Daten durch eine Transformation, insbesondere durch eine Wavelet-Transformation und/oder eine Fourier-Transformation. Bei solch einer Ausführungsform können Teilschritte des Transformierens der Daten von einer ursprünglichen Domäne in eine transformierte Domäne, des Modifizierens der Daten in der transformierten Domäne und des Rücktransformierens der modifizierten Daten in die ursprüngliche Domäne durchgeführt werden. Zum Beispiel ist es möglich, Teilbereiche der Spur in Wavelets zu transformieren, Teilbereiche des Wavelets anschließend herauszuschneiden und weiter anschließend eine Rücktransformation durchzuführen. Durch diese Maßnahme kann ein Glätten der Daten erhalten werden.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Filtern der Daten durch Durchführen einer Kalman-Filterung. Kalman-Filtern, das auch als lineare quadratische Abschätzung (linear quadratic estimation, LQE) bezeichnet wird, ist ein Algorithmus, der eine Serie an über die Zeit beobachteten Messungen benutzt, die Rauschen (zufällige Variationen) und andere Ungenauigkeiten enthalten, und Schätzungen von unbekannten Variablen produziert, die dazu tendieren präziser zu sein als diejenigen auf Basis einer einzigen Messung allein. Formeller betrachtet kann der Kalman-Filter rekursiv auf Ströme von rauschenden Eingangsdaten arbeiten zur Erzeugung einer statistisch optimalen Schätzung des zugrundeliegenden Systemzustands. Erweiterungen und Verallgemeinerungen von Kalman-Filtern können verwendet werden (wie zum Beispiel der Erweiterte Kalman-Filter und der Unscented Kalman-Filter, die an nichtlinearen Systemen arbeiten).
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Ändern, insbesondere zum Weglassen oder Reduzieren, des Filterns für einen Teil der Daten, für die oder um die herum das Auftreten eines realen Merkmals identifiziert wurde. Insbesondere kann die Filtereinheit konfiguriert sein zum Reduzieren von Rauschen und im Wesentlichen Erhalten von realen Merkmalen durch Glätten eines Teils der Daten in einer stärker ausgeprägten Weise als eines anderen Teils der Daten, der zu mindestens einem identifizierten realen Merkmal gehört. Der Grad des Glättens kann größer sein, außer bei den identifizierten Merkmalen. In einer Ausführungsform kann der Teil der Daten, der zu dem identifizierten Merkmal bzw. zu den identifizierten Merkmalen gehört vollständig von dem Filtern ausgeschlossen sein. Filtervorgänge, wie zum Beispiel ein Mitteln von Datenpunkten, können die Qualität reduzieren anstatt sie zu verbessern bei Abschnitten, die sich auf ein reales Merkmal beziehen, insbesondere wenn ein reales Merkmal sehr schmal ist (wie zum Beispiel eine räumlich und/oder zeitlich sehr beschränkte heiße Stelle). Ein Weglassen oder zumindest ein Reduzieren des Filterns selektiv bei solchen Teilbereichen des Datensatzes verhindert dies.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Filtern der Daten in Übereinstimmung mit einem Filtergrad (siehe Bezugszeichen 1106 in 11), der auf Basis eines Unterschieds, insbesondere eines Absolutwertes eines Unterschieds, zwischen den ungefilterten Daten (siehe Bezugszeichen 1102 in 11) und den Daten, die gleichmäßig gefiltert werden, ungeachtet eines Auftretens eines realen Merkmals (siehe Bezugszeichen 1104 in 11), bestimmt wird. Insbesondere kann die Filtereinheit konfiguriert sein zum Durchführen des Filterns auf Basis des Filtergrades in solch einer Weise, dass das Filtern jeweilige Datenteilbereiche umso größer bzw. umso mehr ändert, je kleiner der Unterschied (insbesondere der absolute Unterschied) ist, und/oder das Filtern jeweilige Datenteilbereiche umso kleiner bzw. umso weniger ändert, je größer der Unterschied (insbesondere der absolute Unterschied) für den jeweiligen Datenteilbereich ist. In vorteilhafter Weise kann die Filtereinheit konfiguriert sein zum Bestimmen des Filtergrades auf Basis eines Unterschieds zwischen den ungefilterten, räumlichen Daten, die über die Zeit gemittelt wurden, und den gleichmäßig gefilterten, räumlichen Daten, die über die Zeit gemittelt wurden. Die beschriebene Vorgehensweise des Bestimmens der Filterparameter stellt eine Alternative zu der Berechnung der mathematisch ersten Ableitung der Daten dar. Unter manchen Umständen liefert die vorliegend beschriebene Ausführungsform sogar bessere Ergebnisse.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Identifizieren des Auftretens eines realen Merkmals auf Basis einer Analyse einer Ableitung (abgeleiteter Wert, Derivat) der Daten. Ein Analysieren der (insbesondere ersten) Ableitung der gemessenen Daten anstelle der Daten selbst im Hinblick auf das Identifizieren eines realen Merkmals, das detektiert werden soll, hat sich als vorteilhaft erwiesen, da diese Herangehensweise empfindlicher ist, insbesondere in Bezug auf Änderungen des Signals. Es ist besonders bevorzugt, wenn die Filtereinheit konfiguriert ist zum Identifizieren des Auftretens eines realen Merkmals durch Mitteln einer räumlichen Ableitung der Daten über die Zeit und/oder durch Mitteln einer zeitlichen Ableitung der Daten über den Raum, da dies die Zuverlässigkeit der Merkmalsdetektion durch Reduzieren des Grundrauschens weiter erhöht.
  • Noch allgemeiner ist es möglich, ein Merkmalsidentifikationskriterium (wie zum Beispiel eine Ableitung) zu mitteln, das von Daten über dem Raum (zu einer Zeit) und/oder von Daten über die Zeit (an einer Position im Raum) herstammt.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Identifizieren des Auftretens eines realen Merkmals durch Absuchen der Daten nach Ereignissen für einen Teil oder sogar jede von der Vielzahl an Zeiten, wobei die Ereignisse über zumindest einen vorher festgelegten zeitlichen Bereich vorherrschen bzw. auftreten. Dies kann durch das Ausführen einer Grenzwert- bzw. Schwellenwertanalyse durchgeführt werden. Zum Beispiel kann die Anwesenheit eines realen Merkmals identifiziert werden, wenn eine gemittelte Ableitung einer bestimmten rohen Spur der physikalischen Größe einen Wert oberhalb eines vorher festgelegten Schwellenwertes zeigt. Wenn das potentielle Merkmal eine bestimmte Zeit lang andauert, besteht eine hohe Wahrscheinlichkeit, dass das potentielle Merkmal eher ein reales Merkmal als ein Artefakt im Zusammenhang mit Rauschen ist. Zum Beispiel muss ein Merkmal lang genug andauern, damit es nicht ausgemittelt wird im Vergleich zum Grundrauschen.
  • In einer Ausführungsform ist die Filtereinheit konfiguriert zum Identifizieren des Auftretens eines realen Merkmals durch Absuchen der Daten nach Ereignissen für einen Teil oder sogar jede von der Vielzahl an räumlichen Positionen, wobei die Ereignisse über zumindest einen vorher festgelegten räumlichen Bereich vorherrschen bzw. auftreten. Wenn das potentielle Merkmal in einem bestimmten räumlichen Bereich gesehen werden kann, besteht eine hohe Wahrscheinlichkeit, dass das potentielle Merkmal ein reales Merkmal ist.
  • Die beiden letztgenannten Ausführungsformen (wobei eine räumliche Merkmale findet und die andere zeitliche Merkmale findet) können in vorteilhafter Weise kombiniert werden, um das Rauschen weiter zu reduzieren.
  • In einer Ausführungsform, bei der die Identifikation des einen oder der mehreren realen Merkmale durch eine Schwellenwertanalyse durchgeführt wird, können die jeweiligen Schwellenwerte für alle Vorrichtungen zum verteilten Erfassen, die auf einem Fabrikgelände hergestellt werden, identisch fest definiert sein. Alternativ können der eine oder die mehreren Schwellenwerte auf einem Fabrikgelände für eine bestimmte Vorrichtung zum verteilten Erfassen individuell festgelegt werden, wobei unterschiedliche Vorrichtungen zum verteilten Erfassen mit unterschiedlichen Sätzen an Schwellenwerten programmiert werden können (zum Beispiel individuell in Übereinstimmung mit einem individuellen Rauschpegel einer bestimmten Vorrichtung zum verteilten Erfassen). Weiter alternativ können der eine oder die mehreren Schwellenwerte am Ort des Benutzers für eine bestimmte Vorrichtung zum verteilten Erfassen in Übereinstimmung mit einem vorhandenen Rauschpegel dieser Vorrichtung zum verteilten Erfassen, wie er an dem Ort des Benutzers gemessen wurde, (einmalig oder wiederholt) eingestellt werden.
  • In einer weiteren Ausführungsform ist die Filtereinheit konfiguriert zum Identifizieren des Auftretens eines realen Merkmals auf Basis einer Mustererkennung in den Daten, insbesondere auf Basis einer Kreuzkorrelation zwischen einem jeweiligen Teilbereich der Daten und einem vordefinierten Muster, das auf ein reales Merkmal hindeutet. Somit ist es, als eine Alternative zu der zuvor beschriebenen Berechnung einer Ableitung und Durchführung einer Schwellenwertanalyse, auch möglich, ein Ereignis oder ein reales Merkmal durch eine Mustererkennung in einer bestimmten rohen Spur der physikalischen Größe zu identifizieren, wobei das Vorhandensein eines vordefinierten Musters an einer bestimmten Position der rohen Spur als ein reales Merkmal interpretiert bzw. gewertet wird. Zum Beispiel kann eine Kreuzkorrelation eines gesuchten Musters mit den Daten berechnet werden. Ein oder mehrere Abschnitte von hoher Korrelation des Ergebnisses können dann als das Vorhandensein eines realen Merkmals interpretiert werden. Wenn die Kreuzkorrelation in Bezug auf den Raum, über die Zeit gemittelt, berechnet wird, ist das Implementieren einer Spline-Kurve, etc. möglich.
  • Die Identifikation eines Ereignisses oder eines realen Merkmals kann auch in einem transformierten Raum oder Domäne durchgeführt werden (zum Beispiel nachdem eine Fourier-Transformation durchgeführt wurde).
  • In einer Ausführungsform deutet der mindestens eine Filterparameter auf einen Grad hin, gemäß dem ein entsprechender Teil der Daten durch das Filtern modifiziert wird. Zum Beispiel können der eine oder die mehreren Filterparameter darauf hindeuten, wie viel räumliches und/oder zeitliches Mitteln bei welchem Datenabschnitt auftritt.
  • In einer Ausführungsform ist die Bestimmungseinheit konfiguriert zum Bestimmen der physikalischen Größe auf Basis der gemessenen Signale, insbesondere durch Auswerten der gemessenen Signale im Hinblick auf eine vordefinierte Theorie (zum Beispiel Raman-Theorie) oder Modell (zum Beispiel ein empirisches Modell). Bei dem Beispiel eines verteilten Erfassens von Temperatur bzw. einer faseroptischen Temperaturmessung, können die Stokes- und Antistockes-Rückstreuung von einem Medium (wie eine optische Faser) beide gemessen werden. Sie unterscheiden sich in der Wellenlänge, so dass geeignete Filter beide trennen. Sie können zum Beispiel mit zwei Detektoren (einer für das Stokes-Signal und einer für das Antistokes-Signal) oder mit einem Detektor (wobei der Detektor entweder auf das Stokes-Signal oder auf das Antistokes-Signal geschaltet wird) gemessen werden. Die Temperatur wird dann aus dem Verhältnis von dem Stokes-Signal zu dem Antistokes-Signal berechnet. Die Antistokes-Signale und die Stokes-Signale haben unterschiedliche relative Empfindlichkeiten (d. h. die relative Änderung pro Grad Celsius Temperatur ändert sich), so dass das Verhältnis die Temperaturinformation trägt.
  • In einer Ausführungsform ist die physikalische Größe eine Temperatur, eine Deformation bzw. Dehnung oder eine Schwingungs-bezogene Größe einer Faser. Insbesondere kann sie eine Temperaturverteilung, eine Deformationsverteilung oder eine Verteilung der Schwingungs-bezogenen Größe entlang der Faser der Vorrichtung zum verteilten Erfassen sein. Als ein Beispiel ist die physikalische Größe eine Temperaturspur entlang einer Faser, die über die Zeit mittels DTS gemessen wird. Als ein weiteres Beispiel ist die physikalische Größe eine Lautstärkespur, die mittels DAS gemessen wird. Eine Schwingungs-bezogene Größe kann eine Amplitude sein, die auf eine Schwingung hindeutet, eine quadratischer Mittelwert bzw. Effektivwert, der auf eine Schwingung hindeutet, und/oder eine Lautstärke. Jede dieser Schwingungs-bezogenen Größen kann pro Frequenz oder Frequenzbereich sein. Dementsprechend kann die Vorrichtung konfiguriert sein als eine aus der Gruppe, bestehend aus einer Vorrichtung zum verteilten Erfassen von Temperatur bzw. Vorrichtung zur faseroptischen Temperaturmessung (DTS), einer Vorrichtung zum verteilten Erfassen von Schall (Distributed Acoustic Sensing, DAS), einer Vorrichtung zum verteilten Erfassen von Schwingung (Distributed Vibration Sensing, DVS) und einer Vorrichtung zum verteilten Erfassen von Temperatur und Deformation (Distributed Temperature and Strain Sensing, DTSS). Ausführungsformen der Erfindung sind auch anwendbar für B-OTDR (Brillouin optische Zeitbereichsreflektometrie), die zwei oder mehr korrelierte Größen misst, wie Stokes- und Antistokes-Frequenzverschiebungen oder deren Amplituden. Durch B-OTDR können Deformationen gemessen werden.
  • Die oben definierten Aspekte und weitere Aspekte der Erfindung sind aus den beispielhaften Ausführungsformen ersichtlich, die im Folgenden beschrieben werden, und werden unter Bezugnahme auf diese beispielhaften Ausführungsformen erläutert.
  • Die Erfindung wird im Folgenden unter Bezugnahme auf beispielhafte Ausführungsformen, auf welche die Erfindung aber nicht beschränkt ist, detaillierter beschrieben werden.
  • 1 veranschaulicht eine Vorrichtung zum verteilten Erfassen gemäß einer beispielhaften Ausführungsform der Erfindung.
  • 2 bis 7 veranschaulichen Diagramme, die den Effekt des Filterns von rauschenden Daten, die auf Basis von gemessenen Signalen bestimmt wurden, mit Filterparametern, die auf Basis von Messsignalen oder auf Basis von davon abgeleiteten Daten bestimmt wurden, zeigen.
  • 8 bis 10 veranschaulichen Diagramme, die den Effekt des Filterns von Messdaten mit Filterparametern, die auf Basis der Messdaten bestimmt wurden, gemäß einer beispielhaften Ausführungsform der Erfindung zeigen.
  • 11 veranschaulicht ein Diagramm, das einen Filtergrad zeigt, der zum Filtern gemäß einer beispielhaften Ausführungsform der Erfindung verwendet wird.
  • 12 ist ein Diagramm, das Vorgehensweisen des Mittelns von Daten in Übereinstimmung mit Filtervorgehensweisen gemäß diverser beispielhafter Ausführungsformen der Erfindung veranschaulicht.
  • Die Darstellung in der Zeichnung ist schematisch. In verschiedenen Zeichnungen sind ähnliche oder identische Elemente mit den gleichen Bezugszeichen versehen.
  • Vor dem detaillierten Beschreiben der Figuren werden einige grundlegende Überlegungen der vorliegenden Erfinder zusammengefasst, auf deren Basis die beispielhaften Ausführungsformen entwickelt wurden.
  • Eine beispielhafte Ausführungsform der Erfindung setzt eine Analyse über Raum und Zeit der Spuren von verteiltem optischen Erfassen oder verwandter Technologien um, um Ereignisse in Raum und/oder Zeit zu identifizieren. Dort wo keine Ereignisse identifiziert werden, kann ein anderes Filtern verwendet werden, als dort wo Ereignisse identifiziert werden.
  • Das Filtern kann ein gleitendes Mitteln über Raum und/oder Zeit sein, d. h. über Nachbarpunkte und/oder vorherige Spuren. Das Filtern kann auch ein Wavelet-Filtern, Kalman-Filtern oder irgendeine Transformation von den Messdaten (über Raum und/oder Zeit) sein.
  • Die Identifikation kann ein Finden von Ereignissen (wie zum Beispiel Temperaturstufen, Peaks, Muster oder Zustände) sein, die signifikant aus dem Rauschen auftauchen oder kann ein Korrelieren der Daten mit einem erwarteten Muster (d. h. eine Mustersuche, zum Beispiel nach einem charakteristischen Temperaturprofil) sein, wobei die Suche in einem transformierten Datenraum (wie zum Beispiel Fourier-transformiert, Wavelet-transformiert, etc.) stattfinden kann.
  • Eine Grenze für Rauschen versus Signifikanz kann im Voraus bestimmt werden, zum Beispiel auf Basis des Rauschpegels der Instrumentenserie oder individuell in der Fabrik bestimmt oder aus tatsächlichen Messdaten abgeleitet werden.
  • In Übereinstimmung mit einer bevorzugten Ausführungsform der Erfindung wird ein Raum-Zeit Signifikanzfilter bereitgestellt, der eine verbesserte Temperaturauflösung ermöglicht. Solch eine Architektur ermöglicht auch, die Nachweisbarkeit von (insbesondere quasi-statischen) schwachen Ereignissen besser zu erhalten. Solch ein Berechnungsschema ist insbesondere anwendbar bei allen Arten an Messungen einer physikalischen Größe über sowohl Raum als auch Zeit, wo die Mittelung der physikalischen Größe über Raum und/oder Zeit eine Bedeutung behält (wie die Temperatur bei DTS oder eine Deformation bei B-OTDR oder die akustische Lautstärke bei DAS). Solch eine Architektur ist insbesondere dort nützlich mit hoher Präzision, wo die physikalische Größe sich nicht zu schnell entlang Raum und Zeit gleichzeitig ändert.
  • Ein Berechnungsablauf gemäß einer beispielhaften Ausführungsform ist wie folgt:
    • (1) Berechne die räumliche Ableitung des logarithmischen Verhältnisses zwischen dem Stokes-Signal und dem Antistokes-Signal (oder die finale Temperatur) entlang einer Spur, insbesondere als eine Differenz zwischen einer stark geglätteten Spur und einer nicht oder schwach geglätteten Spur.
    • (2) Mittele das Ergebnis von Vorgang (1) über die Zeit, wobei dieses Mitteln zum Beispiel ein lineares Mitteln oder ein exponentielles Mitteln sein kann. Es ist zum Beispiel auch möglich, mit einem linearen Mitteln anzufangen und nach einer Anzahl an Spuren auf ein exponentielles Mitteln zu wechseln (damit ein adaptives Lernen anwenden).
    • (3) Berechne eine Grenze, die zunimmt bei dem Verlust (Rauschen) entlang der Spur.
    • (4) Subtrahiere die Grenze von dem Mittel von (2).
    • (5) Berechne das gefilterte logarithmische Verhältnis (wobei bestimmte Teilbereiche nicht oder schwach gefiltert sein können und andere Teilbereiche stark gefiltert sein können).
  • Solch eine Architektur hat den Vorteil, dass es möglich ist, schwache Temperaturereignisse zuverlässiger (aus dem Rauschen heraus) zu detektieren. Es ist des Weiteren möglich, Temperatursprünge von Spur zu Spur von Peaks in der Nähe des Filterschwellenwertes zu reduzieren. Es ist auch vorteilhaft, dass diese Vorgehensweise schwache Temperaturpeaks ungefiltert lässt, so dass sie sichtbar bleiben mit voller räumlicher Auflösung. Die beschriebene Vorgehensweise belässt schwache Temperaturstufen bei voller räumlicher Auflösung und ist einfach umzusetzen.
  • 1 veranschaulicht eine Vorrichtung 100 zum verteilten Erfassen, die als eine faseroptische Temperaturmessvorrichtung (DTS-Vorrichtung) bzw. eine Vorrichtung zum verteilten Erfassen von Temperatur konfiguriert ist, gemäß einer beispielhaften Ausführungsform der Erfindung. Die Vorrichtung 100 zum verteilten Erfassen ist zum Bestimmen einer Verteilung einer Temperatur T als physikalische Größe entlang einer räumlichen Ausdehnung x einer Messfaser 110 konfiguriert. Darüber hinaus wird die Verteilung der Temperatur T als eine Funktion der Zeit t gemessen durch Detektieren von Messsignalen und anschließend Berechnen von Daten von den Messsignalen für verschiedene Werte der Position x und verschiedene Werte der Zeit t.
  • Die Vorrichtung 100 weist eine Messeinheit 102 auf, die zum Messen der Signale, d. h. eines Stokes-Signals S und eines Antistokes-Signals AS, wie aus der Raman-Theorie bekannt, als eine Funktion von x und t konfiguriert ist. S und AS sind mit der Temperatur T korreliert. Die Messeinheit 102 weist insbesondere eine elektromagnetische Strahlungsquelle 112 auf, wie zum Beispiel einen Laser, zum Emittieren von Pulsen (oder allgemeiner jegliches Anregungsmuster, zum Beispiel Licht mit variierender Modulationsfrequenz) primärer elektromagnetischer Strahlung 106, zum Beispiel im Wellenlängenbereich des nahen Infrarots (zum Beispiel mit einer Wellenlänge zwischen 850 nm und 1700 nm), und injiziert oder koppelt diese in die Faser 110 der Messeinheit 102 hinein. Die primäre elektromagnetische Strahlung 106 breitet sich dann entlang der Faser 110 aus. Rückgestreute sekundäre elektromagnetische Strahlung 108, die die Faser 110 verlässt, wird von einem elektromagnetischen Strahlungsdetektor 122, wie zum Beispiel einem Photodetektor, detektiert, der auch einen Teil der Messeinheit 102 bildet. In der Ausführungsform von 1 weist der elektromagnetische Strahlungsdetektor 122 eine erste Detektoreinheit zum Detektieren des Stokes-Signals S und eine separate zweite Detektoreinheit zum Detektieren des Antistokes-Signals AS auf. Des Weiteren ist ein Wellenlängenteiler 114 mit Schnittstellen bzw. Kopplungsstellen zu der elektromagnetischen Strahlungsquelle 112, der Faser 110 und den beiden Detektoreinheiten des elektromagnetischen Strahlungsdetektors 122 angeordnet und ist in der Lage, das Stokes-Signal S als ein erstes Messsignal und das Antistokes-Signal AS als ein zweites Messsignal zu der jeweiligen Detektoreinheit zu lenken. Wie es einem Diagramm 130 entnommen werden kann, das die detektierte Intensität I in Abhängigkeit von der reziproken Wellenlänge 1/λ grafisch darstellt, weisen die detektierbaren Daten ein Rayleigh-Signal (das jedoch üblicherweise nicht detektiert wird bei DTS) R, das aus elastischer Streuung resultiert, sowie das tatsächlich detektierte Stokes-Signal S und das tatsächlich detektierte Antistokes-Signal AS auf, die beide aus unelastischer Streuung resultieren. Die Informationen werden bei verschiedenen Werten von x und bei verschiedenen Werten von t detektiert. Das Stokes-Signal S und das Antistokes-Signal AS werden als eine Basis für weitere Berechnungen verwendet, wie unten beschrieben.
  • Die Rohsignale, wie sie durch den elektromagnetischen Strahlungsdetektor 122 detektiert werden, werden einer Bestimmungseinheit 118 zugeführt (die ein Prozessor oder ein Teil eines Prozessors sein kann), die konfiguriert ist zum Bestimmen von Daten, die mit der physikalischen Größe (d. h. Temperatur) über Zeit und Raum korreliert sind, auf Basis der gemessenen Signale. Somit bestimmt die Bestimmungseinheit 118 eine rauschende Temperaturspur 178 auf Basis der Berechnung eines logarithmischen Verhältnisses des gemessenen Stokes-Signals S und Antistokes-Signals AS bei verschiedenen Positionen x entlang der Faser 110. Das Detektieren von Signalen, die sich auf verschiedene Positionen x beziehen, kann durch eine Flugdauer (time-of-flight) Analyse von individuellen Detektionssignalen, die sich auf denselben Puls bzw. Stoß beziehen, erreicht werden. Das Detektieren von Signalen, die sich auf verschiedene Zeiten t beziehen, kann durch Analysieren von Detektionssignalen, die sich auf unterschiedliche, anschließend bzw. nacheinander emittierte Pulse bzw. Stöße beziehen, erreicht werden. Die Bestimmungseinheit 118 kann auch die Temperaturverteilung über die Zeit berechnen (insbesondere kann das DTS-System Spur um Spur ausgeben, zum Beispiel alle 10 Sekunden). Die Bestimmungseinheit 118 ist daher konfiguriert zum Bestimmen der physikalischen Größe T(x) und T(t) oder T(x, t) auf Basis der Rohsignale S, AS bei verschiedenen Positionen x und zu verschiedenen Zeiten t.
  • Die Rohdaten (siehe Bezugszeichen 178), die von den gemessenen Signalen durch die Bestimmungseinheit 118 abgeleitet wurden und die noch sämtliches Rauschen enthalten, werden dann zu einer Filtereinheit 104 weitergeleitet, um sie zur Unterdrückung von Rauschen zu glätten.
  • Die Filtereinheit 104 (wie zum Beispiel ein Prozessor oder ein Teil eines Prozessors) ist konfiguriert zum Filtern der Daten, die auf Basis der Signale S, AS bestimmt wurden, um Rauschen und Verzerrungen zu reduzieren und reale Merkmale (wie zum Beispiel heiße Stellen oder kalte Stellen entlang der Faser 110) im Wesentlichen zu erhalten, auf Basis von Filterparametern, die in Abhängigkeit von den Daten, die sich auf eine Vielzahl an unterschiedlichen Zeiten t (wie zum Beispiel unterschiedliche Zeitpunkte oder unterschiedliche Zeitbereiche, die sich auf unterschiedliche Pulse beziehen können, die durch die elektromagnetische Strahlungsquelle 112 emittiert werden) beziehen und an einer Vielzahl an unterschiedlichen Positionen (wie zum Beispiel unterschiedliche räumliche Punkte oder räumliche Bereiche, die sich jeder auf einen jeweiligen Puls bezieht, der durch die elektromagnetische Strahlungsquelle 112 emittiert wird, und zu einem Zeitspannenantwortsignal führt im Hinblick auf die unterschiedlichen Flugzeiten von unterschiedlichen Teilbereichen des Pulses, der an unterschiedlichen Positionen der Faser 110 rückgestreut wird) entlang der Faser 110 gemessen werden. Auf eine Datenbank 116, die als eine Massenspeichereinheit, wie zum Beispiel eine Festplatte, oder ein elektronischer Speicher, wie zum Beispiel ein RAM oder ein Flash-Speicher, verkörpert sein kann, kann jede von der Filtereinheit 104 und der Bestimmungseinheit 118 zugreifen, zum Beispiel um Daten zu erhalten in Bezug auf einen Filteralgorithmus, der durch die Filtereinheit 104 zum Bestimmen von Filterparametern ausgeführt wird, und/oder einen Datenbestimmungs- oder Signalanalysealgorithmus, der durch die Bestimmungseinheit 118 zum Bestimmen der Daten von den Signalen ausgeführt wird. Die Filterparameter werden in einer Weise bestimmt, die es ihnen ermöglicht, über die Vielzahl an unterschiedlichen Zeiten und über die Vielzahl an unterschiedlichen räumlichen Positionen zu variieren. Auf Basis dieser Filterparameter können dann die Rohdaten modifiziert oder korrigiert werden, um effizient Rauschen und Verzerrungen zu unterdrücken, wohingegen Datenkomponenten, die sich auf reale Temperaturereignisse beziehen, im Wesentlichen ungestört bleiben. Durch diese Maßnahme werden nützliche Informationen, die in dem detektierten Signal enthalten sind, beibehalten, während Artefakte basierend auf Rauschen unterdrückt oder sogar eliminiert werden. Zu diesem Zweck können ein oder mehrere Filteralgorithmen angewendet werden, die dynamisch Informationen, die in den Daten selbst enthalten sind, als eine Basis für die Bestimmung der Art des Filterns berücksichtigen. In sehr vorteilhafter Weise können Informationen von den Messsignalen (und daraus abgeleiteten Daten), die zu unterschiedlichen Zeiten gemessen wurden und die an unterschiedlichen räumlichen Positionen gemessen wurden, für die Einstellung bzw. Anpassung des Filterns berücksichtigt werden. Datenverarbeitungsalgorithmen, die zum Filtern oder Bestimmen der Filterparameter angewendet werden können, beinhalten ein Mitteln der Daten über den Raum und/oder die Zeit, ein Ersetzen von Abschnitten der Daten durch sich nähernde mathematische Funktionen, ein Ersetzen von Abschnitten der Daten durch eine oder mehrere angepasste Formen (wie zum Beispiel eine polynomiale (ganzrationale) Funktion mit polynomialen Koeffizienten als Anpassungsparameter) und/oder ein Transformieren von Abschnitten der Daten durch eine Transformation (wie zum Beispiel eine Wavelet-Transformation oder eine Kalman-Transformation).
  • In vorteilhafter Weise lässt die Filtereinheit 104 jedoch das Filtern für einen oder mehrere individuelle Abschnitte der über Raum und/oder Zeit bestimmten Daten weg oder überspringt sie, bei denen (d. h. bei den Abschnitten) das Auftreten eines realen Merkmals identifiziert wurde. Durch diese Maßnahme reduziert die Filtereinheit 104 Rauschen, aber erhält reale Merkmale, indem nur ein rein rauschender Teil der Daten geglättet wird, während ein anderer Teil der Daten, der zu einem oder mehreren identifizierten realen Merkmalen gehört, von dem Filtern ausgenommen wird. Zum Identifizieren des Auftretens eines realen Merkmals hat es sich als vorteilhaft herausgestellt, eine erste räumliche Ableitung der Daten über die Zeit und/oder eine erste zeitliche Ableitung der Daten über den Raum zu analysieren, da eine Analyse in der Domäne der ersten Ableitung empfindlicher auf kleine Änderungen ist als eine Analyse in der Datenmessdomäne.
  • Noch spezieller ist mit dem Bezugszeichen 182 in 1 schematisch eine zeitlich (t) gemittelte (av) räumliche (x) Ableitung (dT/dx)av(t) der Temperatur (T) Spur (bezeichnet mit dem Bezugszeichen 178) angezeigt. Die zeitlich gemittelte, räumliche Ableitung der Temperaturspur (dT/dx)av(t) wird bestimmt, indem zuerst die erste räumliche Ableitung T(x) berechnet wird, d. h. indem die Funktion T(x) (siehe Bezugszeichen 178) durch die räumliche Position x (bzw. nach der räumlichen Position x) entlang der Faser 110 abgeleitet wird. Diese Vorgehensweise macht reale Merkmale oder Ereignisse besser sichtbar. Diese räumliche Ableitung wird für verschiedene Zeiten t berechnet. Für jede räumliche Position x wird der Wert der ersten Ableitung anschließend über mehrere unterschiedliche Zeiten t gemittelt. Diese Vorgehensweise unterdrückt das Rauschen, so dass die realen Merkmale oder Ereignisse sogar besser sichtbar sind (siehe Bezugszeichen 182). In anderen Worten vereinfacht ein Berechnen der räumlichen Ableitung die Identifizierung eines Temperaturereignisses, in dem gezeigten Beispiel eine Temperaturstufe entlang der Faser 110. Das Mitteln der räumlichen Ableitung über die Zeit vereinfacht die anschließende Identifizierung von selbst kleinen Temperaturereignissen (aus dem Rauschen heraus).
  • Zum Identifizieren des Auftretens eines realen Merkmals durchsucht die Filtereinheit 104 die rückberechneten Daten in Form der zeitlich gemittelten, räumlichen Ableitung der Temperaturspur (dT/dx)av(t) (vergleiche Bezugszeichen 182) nach Ereignissen in Form von einem oder mehreren Datenabschnitten, in denen (dT/dx)av(t) (oder genauer der Absolutwert davon) einen vordefinierten Schwellenwert übersteigt. Somit kann die Identifizierung eines realen Merkmals (der Temperaturstufe in dem beschriebenen Beispiel) auf der Basis einer Schwellenwertanalyse durchgeführt werden, wie mit einer horizontal gepunkteten Linie in dem Diagramm gemäß dem Bezugszeichen 182 angezeigt.
  • Dann können die Rohdaten gemäß dem Diagramm mit dem Bezugszeichen 178 gefiltert werden unter Verwendung der Informationen, die aus der Schwellenwertanalyse des Diagramms mit dem Bezugszeichen 182 erhalten wurden. In dem gezeigten Beispiel wird das Filtern (zum Beispiel durch räumliches Mittel von jeweils zwei entsprechend benachbarten Datenpunkten in dem Diagramm gemäß dem Bezugszeichen 178) für den Hauptteil der Rohdaten durchgeführt, wird aber unterlassen innerhalb eines vordefinierten Bereichs um das reale Merkmal herum, das als ein „Peak” durch die Schwellenwertanalyse in dem Diagramm gemäß dem Bezugszeichen 182 identifiziert wurde (dieser „Peak” in der ersten Ableitung entspricht der „Stufe” in der ursprünglichen Funktion). Dies reduziert Rauschen, während verhindert wird, dass die Temperaturstufe durch ein unerwünschtes Mitteln um dessen Position herum weggewischt bzw. verschmiert wird. Der eine oder die mehreren bestimmten Filterparameter können einen Grad definieren, gemäß dem ein entsprechender Teil der Daten durch das Filtern modifiziert oder korrigiert wird. Ein Teil der Daten, für die der relative Beitrag zum Rauschen als hoch identifiziert wurde und der Beitrag zum realen Signal als gering identifiziert wurde, kann zum Beispiel stärker manipuliert werden als ein anderer Teil der Daten, für die der relative Beitrag zum Rauschen als gering identifiziert wurde und der Beitrag zum realen Signal als hoch identifiziert wurde.
  • Nach dem Filtern der rohen Messdaten zum Unterdrücken von Rauschen und somit einem relativen Verstärken realer Merkmale werden die gefilterten und dadurch verbesserten gemessenen Daten in der Form einer geglätteten Temperaturspur (siehe Bezugszeichen 180) von der Filtereinheit 104 zu einer Benutzerschnittelle (nicht gezeigt) oder zu einem anderen Ziel weitergeleitet. Wie einem Vergleich der mit den Bezugszeichen 178 und 180 bezeichneten Diagramme entnommen werden kann, hat die beschriebene Vorgehensweise das Rauschen reduziert, während das reale Merkmal in Form der Temperaturstufe beibehalten wurde.
  • Wie der 1 entnommen werden kann, kann die gesamte Messung und die Vorgehensweise zur Temperaturspurbestimmung durch eine Steuereinheit 120 gesteuert werden.
  • Im Folgenden werden Beispiele des Filterns gemäß beispielhafter Ausführungsformen der Erfindung als Variante A, Variante B und Variante C beschrieben. Als eine Basis für diese Beschreibung wird auf die diversen Diagramme von 2 bis 7 verwiesen, die den Effekt des Filterns von rauschenden Daten, die auf der Basis von gemessenen Signalen bestimmt wurden, mit Filterparametern, die auf der Basis der Messsignale oder auf der Basis davon abgeleiteter Daten bestimmt wurden, zeigen.
  • Die Variante A, die eine beispielhafte Ausführungsform der Erfindung darstellt, macht eine räumliche Auflösung, wo machbar, breiter und kann als ein raffinierter Signifikanzfilter bezeichnet werden.
  • Ein in 2 gezeigtes Diagramm 200 hat eine Abszisse 202, entlang der eine Position x der Faser 110 aufgetragen ist. Entlang einer Ordinate 204 ist die Temperatur T aufgetragen. Das Diagramm 200 zeigt Daten in Form einer Spur der Temperatur T über die Erstreckung x der Faser 110. Sechs Ereignisse oder reale Merkmale treten gemäß der 2 auf: Bei einer Temperaturstufe 1 wird die Temperatur auf 90°C erhöht. Bei einer Temperaturstufe 2 wird die Temperatur auf 60°C gesenkt. Bei einer Temperaturstufe 3 wird die Temperatur weiter auf 40°C gesenkt. Bei einer Temperaturstufe 4 wird die Temperatur auf 60°C erhöht. Bei einer Temperaturstufe 5 wird die Temperatur weiter auf 90°C erhöht. Bei einer Temperaturstufe wird die Temperatur wieder gesenkt.
  • Ein in 3 gezeigtes Diagramm 300 hat eine Abszisse 202, entlang der eine Position der Faser 110 aufgetragen ist. Entlang einer Ordinate 302 ist eine erste räumliche Ableitung der Temperatur (dT/dx) aufgetragen. Das Diagramm 300 zeigt Änderungen der Temperatur über die Erstreckung der Faser 110. Obwohl die Peaks 1, 2, 3 und 6 immer noch auflösbar sein können in 3, ist Peak 4 schwierig zu identifizieren und Peak 5 ist nicht mehr sichtbar.
  • Ein in 4 gezeigtes Diagramm 400 entspricht dem Diagramm 300, aber zeigt eine zeitliche gemittelte, erste räumliche Ableitung der Temperatur (d. h. dT/dx, aber über die Zeit t gemittelt), wie gemäß der beispielhaften Ausführungsformen der Erfindung berechnet. Alle Peaks 1 bis 6 sind in 4 auflösbar und können daher präzise identifiziert werden als eine Basis für eine sinnvolle Entscheidung, in welchen räumlichen Bereichen die Temperaturspur gemäß 2 durch Filtern geglättet werden kann, ohne die Stufen 1 bis 6 wegzuwischen, und in welchen verbleibenden Teilbereichen auf ein Filtern verzichtet werden sollte. In anderen Worten kann die Temperaturspur gefiltert werden, indem – für einen entsprechenden Datenpunkt – Datenwerte an einer Anzahl von benachbarten Punkten gemittelt werden, während dieses Filtern selektiv nicht ermöglicht wird in den jeweiligen räumlichen Bereichen um die Merkmale 1 bis 6 herum, wie aus 3 identifiziert (zum Beispiel durch eine Schwellenwertanalyse).
  • Gemäß der Vorgehensweise der Ausführungsform von Variante A werden räumliche Ereignisse (reale Änderungen) in der Spur identifiziert, die signifikant vorherrschen über einige Zeit. Es ist zum Beispiel möglich, die räumliche Ableitung der Spur über die Zeit zu mitteln und nach Werten zu suchen, die signifikant über dem Rauschen liegen (zum Beispiel des absoluten Wertes oder eines ge(kenn)zeichneten (signierten) Wertes außerhalb einer oberen und unteren Grenze). Dann wird ein räumliches Glätten über die gegenwärtig gemessene Spur durchgeführt, aber identifizierte Ereignisse werden ausgespart. In diesem Zusammenhang kann die räumliche Ableitung einfach der Unterschied zwischen benachbarten Punkten sein oder sie kann zum Beispiel der Unterschied zwischen einer stark geglätteten Spur und einer nicht (oder nur wenig) geglätteten Spur sein, oder der Unterschied zu einer angepassten Kurve bzw. einer Ausgleichskurve, etc. Im Allgemeinen kann jede beliebige Funktion der Daten über Raum und/oder Zeit verwendet werden, die auf ein Ereignis hindeutet. Eine zeitliche Ableitung kann entsprechend bestimmt werden.
  • Dies hat den Vorteil, dass – durch Mitteln über die Zeit – die Ableitung zur Identifizierung von Ereignissen das Rauschen verkleinert, während die Ergebnisse erhalten bleiben. Dementsprechend kann eine Verbesserung des Signal-Rausch-Verhältnisses erhalten werden, was eine bessere Identifizierung von Ereignissen und eine zuverlässigere Auswahl der Filterstärken bei jedem Ort erlaubt.
  • Solch eine Ausführungsform ist in 2 bis 4 veranschaulicht: Die Detektion oder Identifizierung von allen sechs Ereignissen (Temperaturstufen in der Spur gemäß 2 und bezeichnet mit den Nummern 1 bis 6) aus einer einzigen Ableitung über den Raum (siehe Kurve in 3) ist schwierig: In dem gezeigten Beispiel geht die Stufe 5 in dem Rauschen gemäß 3 unter. Aber von der zeitlich gemittelten Ableitung über eine gewisse Zeit (hier 16 Spuren) können alle sechs Ereignisse 1 bis 6 ohne weiteres unterschieden werden (und beim Filtern ausgespart werden, was hier die Stufen weniger scharf machen würde), vergleiche 4.
  • 4 zeigt daher, dass eine Identifizierung von potentiellen Ereignissen (wie zum Beispiel Temperaturereignisse, in der gezeigten Ausführungsform Temperaturstufen) wesentlich vereinfacht und genauer gemacht werden kann (im Vergleich zu 3) durch zeitliches Mitteln einer räumlichen Ableitung der Temperaturspur. Solch eine Identifizierung kann auf der Basis einer Schwellenwertanalyse der in 4 gezeigten Kurve durchgeführt werden, zum Beispiel ein Identifizieren eines Ereignisses in Teilbereichen, in denen die Kurve einen Wert oberhalb eines vorher festgelegten Schwellenwertes hat. Ein anschließendes Filtern (zum Beispiel durch Durchführen eine Mittelungsprogramms) der Temperaturspur von 2 kann auf räumliche Bereiche begrenzt werden außer bei (oder ausreichend weit weg von) den identifizierten potentiellen Ereignissen. Noch spezieller kann ein Filtern durch Mitteln überall dort durchgeführt werden, außer bei den räumlichen Positionen, die sich auf die Stufen 1, 2, 3, 4, 5 und 6 beziehen.
  • Während 2 bis 4 ein Beispiel einer Signalmodifikation auf der Basis von gemessenen Daten zeigen, wird ein anderes intuitives aber synthetisches Beispiel in 5 bis 7 veranschaulicht. 5 bis 7 beziehen sich auf eine räumlich scharfe und zeitlich vorherrschende heiße Stelle (d. h. sie existiert einige Zeit lang), die detektiert werden kann (nicht geglättet über den Raum), selbst wenn sie im Vergleich zum Rauschen klein ist.
  • Ein in 5 veranschaulichtes Diagramm 500 entspricht 2 und zeigt eine ursprüngliche Spur. 5 vergleicht eine erste Kurve 502, die sich auf die Realität bezieht und ein schwaches Temperaturereignis 504 aufweist, das über einige Zeit sichtbar bleibt, mit einer gemessenen Kurve 506, die Artefakte 508 im Zusammenhang mit Rauschen aufweist.
  • Ein in 6 gezeigtes Diagramm 600 veranschaulicht eine Spur gemäß der gemessenen Kurve 506, die gleichmäßig über die gesamte räumliche Erstreckung gefiltert wurde, da das reale Ereignis nicht eindeutig in dem Rauschen gefunden werden konnte. Wie aus dem Bezugszeichen 602 ersichtlich ist, wird das reale Ereignis (vergleiche das Bezugszeichen 504 in 5) herausgefiltert. Die gefilterte Temperaturspur gemäß 6 wird durch Filtern der Temperaturspur gemäß 5 unter Verwendung eines Temperaturereignisidentifizierungsschema entsprechend der 3 erhalten.
  • Ein in 7 gezeigtes Diagramm 700 veranschaulicht eine gefilterte Spur, wie sie gemäß einer beispielhaften Ausführungsform der Erfindung erhalten wird. Wie aus dem Bezugszeichen 702 ersichtlich ist, ist das reale Ereignis (vergleiche das Bezugszeichen 504 in 5) nun in den gefilterten Daten erhalten geblieben. Die gefilterte Temperaturspur gemäß 7 wird durch Filtern der Temperaturspur gemäß 5 unter Verwendung eines Temperaturereignisidentifizierungsschema entsprechend der 4 erhalten.
  • Gemäß der Variante B, die eine andere beispielhafte Ausführungsform der Erfindung darstellt, wird die effektive Messzeit erhöht, wo machbar. Im Vergleich zur Variante A sind die Rollen von Raum und Zeit gemäß der Variante B vertauscht: In einer entsprechenden Vorgehensweise werden signifikante Ereignisse in der Zeit identifiziert, indem an jedem Ort nach Ereignissen (Änderungen in der Zeit) gesucht wird, die signifikant über einen gewissen räumlichen Bereich vorherrschen (zum Beispiel durch Mitteln der zeitlichen Ableitung der Spuren über den Raum). Dann wird ein räumliches Glätten durchgeführt (zum Beispiel durch Mitteln der Temperatur an der jeweiligen Position über einige Spuren) auf jeder Position der gegenwärtig gemessenen Spur, aber Positionen oder Bereiche von identifizierten Ereignissen werden ausgespart oder bei dem Glätten übersprungen (d. h. sie werden nicht gemittelt über eine längere Zeit).
  • Gemäß der Variante C, die eine weitere beispielhafte Ausführungsform der Erfindung darstellt, werden die Variante A und die Variante B kombiniert. Obwohl die Variante A sehr leistungsfähig bei der Verbesserung der Datenqualität ist, hat Variante A die Einschränkung, dass detektierte Ereignisse (Änderungen über den Raum) volles Rauschen zeigen, weil sie nicht über den Raum gemittelt werden (zum Beispiel die Höhe der heißen Stelle würde stark fluktuieren von Spur zu Spur).
  • Obwohl auch die Variante B sehr leistungsfähig bei der Verbesserung der Datenqualität ist, hat Variante B die Einschränkung, dass detektierte Ereignisse (Änderungen über die Zeit) volles Rauschen zeigen, weil sie nicht über die Zeit gemittelt werden (d. h. ein Abschnitt mit schneller Temperaturänderung sieht rauschend aus, wie in 10 gezeigt).
  • Ein Vorteil einer Kombination von Variante A und Variante B ist es, dass eine identifizierte, sich langsam ändernde heiße Stelle, die daher nicht über den Raum geglättet wird (wie in Variante A beschrieben) immer noch über die Zeit geglättet werden kann, so dass ein weniger rauschendes Ergebnis als gemäß der Variante A allein erhalten werden kann.
  • Dementsprechend kann ein identifiziertes, breites, sich schnell änderndes Ereignis, das daher nicht über die Zeit geglättet wird (wie in Variante B beschrieben) immer noch über den Raum geglättet werden kann, so dass das Ergebnis weniger rauschend ist als in Variante B allein.
  • 8, 9 und 10 veranschaulichen Diagramme 800, 900 und 1000, die den Effekt des Filterns von Messdaten mit Filterparametern, die auf Basis der Messdaten bestimmt wurden, gemäß einer weiteren beispielhaften Ausführungsform der Erfindung zeigen.
  • Ein in 8 gezeigtes Diagramm 800 hat eine Abszisse 802, entlang der eine Messzeit (für eine feste Position x0 der Faser 110) aufgetragen ist. Entlang einer Ordinate 204 ist die Temperatur T aufgetragen. Das Diagramm 800 zeigt eine rohe Spur 806 der Temperatur über die Zeit der Messung (oder Spuranzahl, in DTS kann eine Messzeit bzw. Messdauer eine (zum Beispiel 10 sekündige) Datenerfassungszeit sein, die einer Spurrate entspricht) für eine feste Position der Faser 110. Bei einer Temperaturstufe I wird die Temperatur erhöht. Bei einer Temperaturstufe II wird die Temperatur weiter erhöht. Das Bezugszeichen 804 zeigt Daten an, die für eine sehr lange Mittelungszeit berechnet wurden (entsprechend dem Bezugszeichen 1104 an 11). In anderen Worten kann die Kurve gemäß Bezugszeichen 804 erhalten werden, indem die rohe Spur 806 gemittelt wird, ungeachtet irgendwelcher Ereignisse (wie zum Beispiel Stufe I oder Stufe II). Ein Mitteln gemäß Bezugszeichen 804 ist asymmetrisch in Bezug auf die Ereignisse, da das zeitliche Mitteln nur die Vergangenheit berücksichtigt.
  • Ein in 9 gezeigtes Diagramm 900 hat eine Abszisse 802, entlang der eine Messzeit (für eine feste Position x0 der Faser 110) aufgetragen ist. Entlang einer Ordinate 902 ist der Absolutwert der Differenz zwischen den Kurven 806 und 804 (d. h. der Absolutwert der Differenz zwischen der rohen Spur und der gleichmäßig gemittelten Spur) für die feste Position x0 aufgetragen. Das Diagramm 900 zeigt zeitliche Änderungen der Temperatur an der festen Position x0. Temperaturereignisse, d. h. die Stufen I und II, können aus dem Diagramm als Bereiche E1 und E2 identifiziert werden, an denen der aufgetragene Wert entlang der Ordinate 902 einen vorher festgelegten Schwellenwert So übersteigt. Gemäß 9 kann die gezeigte Kurve über räumlich benachbarte Punkte (was das Rauschen unterdrücken kann) gemittelt werden oder nicht. Das Bezugszeichen 910 bezieht sich auf ein hohes Niveau, was auf die Notwendigkeit für eine kurze Mittelungszeit hinweist. Dementsprechend bezieht sich das Bezugszeichen 920 auf ein niedriges Niveau, was darauf hinweist, dass eine lange Mittelungszeit verwendet werden kann.
  • Die Identifizierung von Ereignissen gemäß 9 kann berücksichtigt werden, wenn Temperaturbereiche bestimmt werden, während denen die Kurve gemäß dem Diagramm 800 zur Verbesserung des Sichtbarwerdens der Temperaturspur gefiltert werden soll. In der gezeigten Ausführungsform ist das Filtern durch Mitteln benachbarter (vorangehender) Punkte der Temperaturspur gemäß 8 auf Zeiten beschränkt außerhalb der zeitlichen Bereiche E1 und E2, in denen Temperaturereignisse (d. h. die Stufen I und II) identifiziert wurden. Wie der 10 entnommen werden kann, wird das Rauschen durch das Mittel reduziert, während die Temperaturstufen I und II vor dem Wegwischen durch ein unerwünschtes Mitteln geschützt sind. Es ist in 10 ersichtlich, dass um die Ereignisse gemäß den Schritten I und II herum noch etwas Rauschen zurückbleibt (da das Mittelungsfenster erst geöffnet werden muss). Das Bezugszeichen 1010 bezieht sich auf eine kürzeste berechnete Mittelungszeit. Das Bezugszeichen 1020 bezieht sich auf eine mittellange berechnete Mittelungszeit. Das Bezugszeichen 1030 bezieht sich auf eine längste berechnete Mittelungszeit.
  • 11 veranschaulicht ein Diagramm 1100, das einen Filtergrad zeigt (der auch als eine Wichtungsfunktion bzw. Gewichtungsfunktion bezeichnet werden kann), siehe das Bezugszeichen 1106, der zum Filtern an und um einem realen Merkmal einer Temperaturspur herum gemäß einer beispielhaften Ausführungsform der Erfindung verwendet wird. Der Filtergrad (insbesondere eine Wichtungsfunktion bzw. Gewichtungsfunktion) definiert auch die entsprechenden Filterparameter.
  • Die Abszisse 202 und eine erste Ordinate 204 gemäß 11 entsprechen der Abszisse 202 und Ordinate 204 gemäß 5, d. h. zeigen eine Abhängigkeit Raum-Zeit (zu einer Zeit). Darüber hinaus zeigt 11 eine zweite Ordinate 1180, die sich auf den Filtergrad bezieht und als „a” in 11 bezeichnet wird. Eine erste Kurve 1102 entspricht den ungefilterten Daten, d. h. entspricht der Kurve 506 in 5 (aber hier zur besseren Klarheit der Erklärung ohne Rauschen gezeigt) und zeigt eine schräge Temperaturstufe als ein reales Ereignis. Eine zweite Kurve 1104 entspricht dem Ergebnis eines gleichförmigen Filterns der ersten Kurve 1102 durch ein gleichförmiges Mitteln der ersten Kurve 1102 vor, während und nach der schrägen Temperaturstufe, d. h. ein Filtern der ersten Kurve 1102 in derselben Weise (d. h. mit den gleichen Filterparametern) in einem Teilbereich, der sich auf das reale Merkmal bezieht, und in anderen Teilbereichen, die frei von dem realen Merkmal sind. Eine dritte Kurve 1106 wird durch Berechnen des Absolutwertes der Differenz zwischen der ersten Kurve 1102 und der zweiten Kurve 1104 erhalten. Die dritte Kurve 1106 (vorteilhafterweise über die Zeit gemittelt) deutet auf die Filterparameter hin, gemäß denen das Filtern gemäß der vorliegend beschriebenen Ausführungsform der Erfindung ausgeführt wird.
  • Die dritte Kurve 1106 kann als ein Filtergrad bezeichnet werden, der darauf hinweist, in welchem Umfang die erste Kurve 1102 und in welchem anderen Umfang die zweite Kurve 1104 einen Einfluss auf das Filtern hat. Unter Bezugnahme auf 11 werden die Filterparameter im Wesentlichen ausschließlich auf Basis der zweiten Kurve 1104 in den Abschnitten 1110 der dritten Kurve 1106 bestimmt, in denen die dritte Kurve 1106 einen sehr niedrigen Wert hat. Dementsprechend werden die Filterparameter ausschließlich auf Basis der ersten Kurve 1102 in den Abschnitten 1120 der dritten Kurve 1106 bestimmt, in denen die dritte Kurve 1106 einen hohen Wert (in Bezug auf das Grundrauschen) hat. In dazwischenliegenden Abschnitten der dritten Kurve 1106, in denen die dritte Kurve 1106 Werte zwischen dem hohen Wert und dem niedrigen Wert annimmt, erfolgt das Filtern auf Basis einer gewichteten Kombination oder Mischung der ersten Kurve 1102 und der zweiten Kurve 1104. Als einer Alternative zum Gewichten bestimmt die dritte Kurve 1106 die Breite eines Mittelungsfensters (bei einem niedrigen Wert der dritten Kurve 1106 ist die Mittelungsbreite größer, und umgekehrt). Kurz zusammengefasst ist die Intensität des Filterns oder der Filtergrad eines Abschnittes der ersten Kurve 1102 umso kleiner, je größer eine Abweichung zwischen einem gefilterten Datenwert von einem ursprünglichen (oder ungefilterten) Datenwert wäre. In anderen Worten ist die Intensität des Filterns oder der Filtergrad eines Abschnittes der ersten Kurve 1102 umso größer, je kleiner der Effekt des Filterns wäre. Es kann dadurch vermieden werden, dass das Filtern den Wert in einer übertriebenen oder übermäßigen Weise ändert.
  • Es ist insbesondere möglich, die dritte Kurve 1106 für jede der unterschiedlichen Zeiten zu berechnen und die diversen dritten Kurven 1106 über die Zeit zu mitteln (in einer weiteren Ausführungsform ist es auch möglich, verschiedene erste Kurven 1102, die unterschiedlichen Zeiten entsprechen, über die Zeit zu mitteln und anschließend die dritte Kurve auf Basis der gemittelten ersten Kurve 1102 zu berechnen).
  • Allgemeiner kann die dritte Kurve 1106 der Unterschied zwischen gefilterten und nicht (oder wenig) gefilterten Daten sein (wie hier gezeigt), oder die erste oder eine höhere Ableitung der Daten. Die dritte Kurve 1106 kann für jeden Ort sagen, zu welchem Grad (zum Beispiel wie viele Prozent) die ursprünglichen Daten gefiltert oder zu der gefilterten Spur in dem finalen Ergebnis gewichtet werden sollen (im Fall des Filterns durch Mitteln). Die dritte Kurve 1106 kann alternativ die Größe des Mittelungsfensters für jeden Punkt anzeigen (z. B. falls beim niedrigen Wert, dann benutze die Breite wie in der zweiten Kurve 1104; falls größer, dann verringere die Größe).
  • 12 ist ein Diagramm 1250, das Vorgehensweisen des Mittelns von Daten in Übereinstimmung mit Filtervorgehensweisen gemäß diverser beispielhafter Ausführungsformen der Erfindung veranschaulicht.
  • Entlang einer horizontalen Achse von 12 ist der Raum x aufgetragen. Entlang einer vertikalen Achse von 12 ist die Zeit t aufgetragen (eine Richtung nach oben gemäß 12 entspricht einer räumlichen Richtung zurück in die Vergangenheit). Das Bezugszeichen 1202 weist auf einen Datenpunkt hin, der berechnet werden soll (per Zeit und Raum). Das Bezugszeichen 1204 weist auf eine Anzahl an benachbarten Datenpunkten hin, die in einem jeweiligen Mittelungsvorgang beinhaltet sind (wobei jeder dieser benachbarten Datenpunkte für den Mittelungsvorgang mit dem gleichen Gewicht oder mit unterschiedlichen Gewichten berücksichtigt werden kann, zum Beispiel ein stärkeres Gewichten von benachbarten Datenpunkten mit einem geringerem Abstand zu einem Datenpunkt, der berechnet werden soll, als benachbarte Datenpunkte mit einem größeren Abstand zu einem Datenpunkt, der berechnet werden soll).
  • Das Bezugszeichen 1200 entspricht einem Szenario, in dem keine realen Merkmale über den Raum identifiziert wurden und das Mitteln wird über einen symmetrischen (in Bezug auf den Datenpunkt, der berechnet werden soll) räumlichen Bereich durchgeführt.
  • Das Bezugszeichen 1210 entspricht einem Szenario, in dem keine realen Merkmale über die Zeit identifiziert wurden und das Mitteln wird über einen zeitlichen Bereich durchgeführt, der sich nur auf die Vergangenheit verglichen mit dem Datenpunkt, der berechnet werden soll, bezieht.
  • Das Bezugszeichen 1220 entspricht einem Szenario, in dem keine realen Merkmale identifiziert wurden, weder über die Zeit noch über den Raum, und das Mitteln wird über einen zeitlichen Bereich (gemäß dem Bezugszeichen 1210) und über einen räumlichen Bereich (gemäß dem Bezugszeichen 1200) durchgeführt.
  • Die Bezugszeichen 1230 und 1240 beziehen sich auf das gleiche Szenario wie das Bezugszeichen 1220, aber wenden alternative Mittelungsvorgänge an im Hinblick auf eine Anzahl benachbarter Datenpunkte, die für das Mitteln berücksichtigt werden.
  • Es sei darauf hingewiesen, dass der Begriff „aufweisen” nicht andere Elemente oder Merkmale ausschließt und dass die Begriffe „ein”, „eine” oder „eines” eine Mehrzahl nicht ausschließt. Elemente, die in Verbindung mit verschiedenen Ausführungsformen beschrieben wurden, können auch kombiniert werden.
  • Es sei auch darauf hingewiesen, dass Bezugszeichen in den Ansprüchen nicht als den Umfang der Patentansprüche begrenzend ausgelegt werden sollen.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • EP 2772738 A2 [0005, 0006]
    • US 2014/0241396 [0005, 0006]

Claims (23)

  1. Vorrichtung (100) zum verteilten Erfassen zur Bestimmung einer physikalischen Größe, wobei die Vorrichtung (100) Folgendes aufweist: eine Messeinheit (102), die zum Messen von Signalen über Zeit und Raum durch verteiltes Erfassen konfiguriert ist; eine Bestimmungseinheit (118), die zum Bestimmen von Daten, die mit der physikalischen Größe korreliert sind, auf Basis der gemessenen Signale konfiguriert ist; eine Filtereinheit (104), die zum Filtern der Daten konfiguriert ist, um Rauschen zu reduzieren und reale Merkmale im Wesentlichen zu erhalten, basierend auf mindestens einem Filterparameter, der bestimmt wird in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei einer Vielzahl an unterschiedlichen Zeiten beziehen.
  2. Vorrichtung (100) nach Anspruch 1, wobei die Filtereinheit (104) konfiguriert ist zum Bestimmen des mindestens einen Filterparameters in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei der Vielzahl an unterschiedlichen Zeiten und bei einer Vielzahl an unterschiedlichen räumlichen Positionen beziehen.
  3. Vorrichtung (100) nach Anspruch 2, wobei die Filtereinheit (104) konfiguriert ist zum Bestimmen des mindestens einen Filterparameters, der über die Vielzahl an unterschiedlichen Zeiten variiert und über die Vielzahl an unterschiedlichen räumlichen Positionen variiert.
  4. Vorrichtung (100) nach einem der Ansprüche 1 bis 3, wobei die Filtereinheit (104) konfiguriert ist zum Filtern der Daten durch Mitteln von zumindest einem Teil der Daten über mindestens eines von Raum und Zeit.
  5. Vorrichtung (100) nach einem der Ansprüche 1 bis 4, wobei die Filtereinheit (104) konfiguriert ist zum Filtern der Daten durch Ersetzen von zumindest einem Teil der Daten durch mindestens eine Funktion, insbesondere durch mindestens eine parametrierbare Funktion.
  6. Vorrichtung (100) nach einem der Ansprüche 1 bis 5, wobei die Filtereinheit (104) konfiguriert ist zum Filtern der Daten durch Ersetzen von zumindest einem Teil der Daten durch mindestens eine angepasste Form.
  7. Vorrichtung (100) nach einem der Ansprüche 1 bis 6, wobei die Filtereinheit (104) konfiguriert ist zum Filtern der Daten durch Transformieren von zumindest einem Teil der Daten durch eine Transformation, insbesondere durch mindestens eine aus der Gruppe, bestehend aus einer Wavelet-Transformation und einer Fourier-Transformation.
  8. Vorrichtung (100) nach einem der Ansprüche 1 bis 7, wobei die Filtereinheit (104) konfiguriert ist zum Filtern der Daten durch Durchführen einer Kalman-Filterung.
  9. Vorrichtung (100) nach einem der Ansprüche 1 bis 8, wobei die Filtereinheit (104) konfiguriert ist zum Ändern, insbesondere zum Weglassen oder Reduzieren, des Filterns für einen Teil der Daten, für die oder um die herum das Auftreten eines realen Merkmals identifiziert ist.
  10. Vorrichtung (100) nach einem der Ansprüche 1 bis 9, wobei die Filtereinheit (104) konfiguriert ist zum Filtern der Daten in Übereinstimmung mit einem Filtergrad, der auf Basis eines Unterschieds, insbesondere eines Absolutwertes eines Unterschieds, zwischen den ungefilterten Daten und den Daten, die gleichmäßig gefiltert werden, ungeachtet eines Auftretens eines realen Merkmals, bestimmt wird.
  11. Vorrichtung (100) nach Anspruch 10, wobei die Filtereinheit (104) konfiguriert ist zum Durchführen des Filterns auf Basis des Filtergrades in solch einer Weise, dass: das Filtern jeweilige Datenteilbereiche umso größer bzw. mehr ändert, je kleiner der Unterschied ist, insbesondere der absolute Unterschied; und/oder das Filtern jeweilige Datenteilbereiche umso kleiner bzw. weniger ändert, je größer der Unterschied ist, insbesondere der absolute Unterschied ist für den jeweiligen Datenteilbereich.
  12. Vorrichtung (100) nach Anspruch 10 oder 11, wobei die Filtereinheit (104) konfiguriert ist zum Bestimmen des Filtergrades auf Basis eines Unterschieds zwischen den ungefilterten, räumlichen, über die Zeit gemittelten Daten und den gleichmäßig gefilterten, räumlichen, über die Zeit gemittelten Daten.
  13. Vorrichtung (100) nach einem der Ansprüche 1 bis 12, wobei die Filtereinheit (104) konfiguriert ist zum Identifizieren des Auftretens eines realen Merkmals auf Basis einer Analyse einer Ableitung, insbesondere einer räumlichen Ableitung und/oder einer zeitlichen Ableitung, der Daten.
  14. Vorrichtung (100) nach Anspruch 13, wobei die Filtereinheit (104) konfiguriert ist zum Identifizieren des Auftretens eines realen Merkmals durch Mitteln, insbesondere über Raum und/oder Zeit, der Ableitung der Daten.
  15. Vorrichtung (100) nach Anspruch 14, wobei die Filtereinheit (104) konfiguriert ist zum Identifizieren des Auftretens eines realen Merkmals durch Mitteln einer räumlichen Ableitung der Daten über die Zeit und/oder durch Mitteln einer zeitlichen Ableitung der Daten über den Raum.
  16. Vorrichtung (100) nach einem der Ansprüche 1 bis 15, wobei die Filtereinheit (104) konfiguriert ist zum Identifizieren des Auftretens eines realen Merkmals auf Basis einer auf die Daten angewendeten Mustererkennungsanalyse, insbesondere auf Basis einer Kreuzkorrelation zwischen einem jeweiligen Teilbereich der Daten und einem vordefinierten Muster, das auf ein reales Merkmal hindeutet.
  17. Vorrichtung (100) nach einem der Ansprüche 1 bis 16, wobei der mindestens eine Filterparameter auf einen Grad hindeutet, gemäß dem ein entsprechender Teil der Daten durch das Filtern modifiziert wird.
  18. Vorrichtung (100) nach einem der Ansprüche 1 bis 17, wobei die Filtereinheit (104) konfiguriert ist zum Reduzieren von Rauschen und zum im Wesentlichen Erhalten realer Merkmale durch Glätten eines Teils der Daten, der nicht zu mindestens einem identifizierten realen Merkmal gehört, in einer stärker ausgeprägten Weise als eines anderen Teils der Daten, der zu mindestens einem identifizierten realen Merkmal gehört.
  19. Vorrichtung (100) nach einem der Ansprüche 1 bis 18, wobei die physikalische Größe mindestens eine ist aus der Gruppe, bestehend aus einer Temperatur, einer Deformation und einer Schwingungs-bezogenen Größe an einer Faser (110) der Vorrichtung (100) zum verteilten Erfassen, insbesondere mindestens eine aus der Gruppe, bestehend aus einer Temperaturverteilung, einer Deformationsverteilung und einer Verteilung der Schwingungsbezogenen Größe entlang einer Faser (110) der Vorrichtung (100) zum verteilten Erfassen.
  20. Vorrichtung (100) nach einem der Ansprüche 1 bis 19, konfiguriert als eine aus der Gruppe, bestehend aus einer Vorrichtung zum verteilten Erfassen von Temperatur bzw. Vorrichtung zur faseroptischen Temperaturmessung, einer Vorrichtung zum verteilten Erfassen von Schall, einer Vorrichtung zum verteilten Erfassen von Temperatur und Deformation und einer Vorrichtung zum verteilten Erfassen von Schwingung.
  21. Verfahren zur Bestimmung einer physikalischen Größe durch verteiltes Erfassen, wobei das Verfahren folgende Schritte aufweist: Messen von Signalen über Zeit und Raum durch verteiltes Erfassen; Bestimmen von Daten, die mit der physikalischen Größe korreliert sind, auf Basis der gemessenen Signale; Filtern der Daten, um Rauschen zu reduzieren und reale Merkmale im Wesentlichen zu erhalten, basierend auf mindestens einem Filterparameter, der bestimmt wird in Abhängigkeit von den Daten, die sich auf die physikalische Größe bei einer Vielzahl an unterschiedlichen Zeiten beziehen.
  22. Computerlesbares Medium, in dem ein Computerprogramm zur Bestimmung einer physikalischen Größe durch verteiltes Erfassen gespeichert ist, wobei das Computerprogramm, wenn es von einem Prozessor (120) ausgeführt wird, zum Durchführen oder Steuern eines Verfahrens gemäß Anspruch 21 angepasst ist.
  23. Programmelement zur Bestimmung einer physikalischen Größe durch verteiltes Erfassen, wobei das Programmelement, wenn es von einem Prozessor (120) ausgeführt wird, zum Durchführen oder Steuern eines Verfahrens gemäß Anspruch 21 angepasst ist.
DE102015110528.4A 2015-06-30 2015-06-30 Filtern von verteilten Erfassungsdaten Active DE102015110528B4 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE102015110528.4A DE102015110528B4 (de) 2015-06-30 2015-06-30 Filtern von verteilten Erfassungsdaten
GB2102552.3A GB2591191B (en) 2015-06-30 2016-06-28 Filtering distributed sensing data
GB1611182.5A GB2541108B (en) 2015-06-30 2016-06-28 Filtering distributed sensing data
US15/196,529 US10209138B2 (en) 2015-06-30 2016-06-29 Filtering distributed sensing data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102015110528.4A DE102015110528B4 (de) 2015-06-30 2015-06-30 Filtern von verteilten Erfassungsdaten

Publications (2)

Publication Number Publication Date
DE102015110528A1 true DE102015110528A1 (de) 2017-01-05
DE102015110528B4 DE102015110528B4 (de) 2017-02-09

Family

ID=56891538

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015110528.4A Active DE102015110528B4 (de) 2015-06-30 2015-06-30 Filtern von verteilten Erfassungsdaten

Country Status (3)

Country Link
US (1) US10209138B2 (de)
DE (1) DE102015110528B4 (de)
GB (2) GB2541108B (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10345138B2 (en) * 2016-01-22 2019-07-09 Nec Corporation Method to increase the signal to noise ratio of distributed acoustic sensing by spatial averaging
CN105784241B (zh) * 2016-03-07 2018-04-13 中国矿业大学 一种刮板输送机链条张力估算方法
GB2566692A (en) * 2017-09-20 2019-03-27 Aiq Dienstleistungen Ug Haftungsbeschraenkt Condition monitoring of an object
JP7276356B2 (ja) * 2019-01-31 2023-05-18 日本電気株式会社 光ファイバセンシングシステム、状態検知装置、状態検知方法、及びプログラム
WO2020167285A1 (en) * 2019-02-11 2020-08-20 Halliburton Energy Services, Inc. Wellbore distributed sensing using fiber optic rotary joint
CN110455436A (zh) * 2019-09-03 2019-11-15 国网河北能源技术服务有限公司 一种基于分布式光纤测温的数据处理方法及装置
DE102019133259A1 (de) * 2019-12-05 2021-06-10 Imko Micromodultechnik Gmbh TDR-basiertes Dielektrizitätswert-Messgerät
CN111256873B (zh) * 2020-02-27 2021-05-25 南昌航空大学 基于卡尔曼滤波和迭代学习的分布式光纤温度预测方法
KR102552690B1 (ko) 2021-02-02 2023-07-21 단국대학교 천안캠퍼스 산학협력단 세포 스페로이드 담지용 하이드로겔 패치 및 이의 제조 방법
CN113255137B (zh) * 2021-05-31 2021-11-02 中铁第一勘察设计院集团有限公司 目标对象应变数据的处理方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0692705A1 (de) * 1994-07-16 1996-01-17 Felten & Guilleaume Energietechnik AG Verfahren zur Auswertung optisch rückgestreuter Signale zur Bestimmung eines streckenabhängigen Messprofils eines Rückstreumediums
EP2017593A2 (de) * 2007-07-20 2009-01-21 LIOS Technology GmbH Verfahren und System zur Bestimmung einer physikalischen Eigenschaft als Positionsfunktion
WO2014064771A1 (ja) * 2012-10-23 2014-05-01 富士通株式会社 異常検知システム及び異常検知方法
US20140241396A1 (en) 2013-02-28 2014-08-28 Yokogawa Electric Corporation Optical fiber temperature distribution measurement device and method of measuring optical fiber temperature distribution

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4814209B2 (ja) * 2007-12-21 2011-11-16 オンセミコンダクター・トレーディング・リミテッド Ａｄコンバータ
US20110019178A1 (en) * 2009-07-22 2011-01-27 Christos Vlatas Method for post processing fiber optic strain measurement data
US9194973B2 (en) * 2010-12-03 2015-11-24 Baker Hughes Incorporated Self adaptive two dimensional filter for distributed sensing data
EP2690420B1 (de) * 2012-06-14 2014-08-13 Alcatel Lucent Verfahren zur Schätzung eines Reflexionsprofils eines optischen Kanals
US10316643B2 (en) * 2013-10-24 2019-06-11 Baker Hughes, A Ge Company, Llc High resolution distributed temperature sensing for downhole monitoring
US10215785B2 (en) * 2013-12-12 2019-02-26 Seiko Epson Corporation Signal processing device, detection device, sensor, electronic apparatus and moving object

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0692705A1 (de) * 1994-07-16 1996-01-17 Felten & Guilleaume Energietechnik AG Verfahren zur Auswertung optisch rückgestreuter Signale zur Bestimmung eines streckenabhängigen Messprofils eines Rückstreumediums
EP2017593A2 (de) * 2007-07-20 2009-01-21 LIOS Technology GmbH Verfahren und System zur Bestimmung einer physikalischen Eigenschaft als Positionsfunktion
WO2014064771A1 (ja) * 2012-10-23 2014-05-01 富士通株式会社 異常検知システム及び異常検知方法
US20140241396A1 (en) 2013-02-28 2014-08-28 Yokogawa Electric Corporation Optical fiber temperature distribution measurement device and method of measuring optical fiber temperature distribution
EP2772738A2 (de) 2013-02-28 2014-09-03 Yokogawa Electric Corporation Vorrichtung zur Messung der Temperaturverteilung in optischen Fasern und Verfahren zur Messung der Temperaturverteilung in optischen Fasern

Also Published As

Publication number Publication date
GB202102552D0 (en) 2021-04-07
US20170003177A1 (en) 2017-01-05
GB2541108B (en) 2021-09-15
GB2591191A (en) 2021-07-21
GB201611182D0 (en) 2016-08-10
GB2591191B (en) 2022-03-16
DE102015110528B4 (de) 2017-02-09
US10209138B2 (en) 2019-02-19
GB2541108A (en) 2017-02-08

Similar Documents

Publication Publication Date Title
DE102015110528B4 (de) Filtern von verteilten Erfassungsdaten
DE102012000702B3 (de) Optische Kohärenztomographie mit erweitertem Dynamikbereich
DE102006041867B4 (de) Verfahren und Vorrichtung zur Überwachung des Rauschens eines Sensors
DE102015102309B4 (de) Verteiltes optisches Messen mit zwei-stufiger Auswertung
DE102012215594B3 (de) Verfahren zur Laserspektroskopie von Gasen
EP3375931B1 (de) Haushaltsgerät mit einer trocknungsfunktion und mit einer vorrichtung zur erfassung einer feuchte, sowie verfahren zum erfassen einer feuchte
DE102015113581B4 (de) Fasermessung mit Impulsformung
DE102020203796A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Messinformation und LiDAR-Gerät
DE102016218238B3 (de) Verfahren und Recheneinheit zur Erkennung einer nassen oder feuchten Fahrbahn und zur Objektdetektion
DE102007038013B4 (de) Verfahren zur optischen Messung von Geschwindigkeiten und Sensor zur optischen Messung von Geschwindigkeiten
EP1932017B1 (de) Vorrichtung und verfahren zur aufnahme von abstandsbildern
DE102021110109A1 (de) Verfahren zum Erkennen von Augengesten eines Auges
DE102015108634B4 (de) Verteiltes Erfassen unter Berücksichtigung zweier Relationen zwischen Messsingnalen
DE112019007770T5 (de) Lidarsteuervorrichtung, lidarsteuerverfahren und lidarvorrichtung
DE10232746A1 (de) Verfahren zur Automatischen Ermittlung optischer Parameter eines Schichtstapels
EP2899533A1 (de) Verfahren zur Wellenlängenmodulationsspektroskopie mit einem Filter für das demodulierte Messsignal und das simulierte Signal
DE102006030399B3 (de) Verfahren und Einrichtung zur Erfassung von Ringradien in Interferogrammen
DE112014006728B4 (de) Verfahren zum Steuern eines Sensorsystems
EP3663800A1 (de) Verfahren zur objekterfassung mit einer 3d-kamera
DE102022113157B3 (de) Verfahren zur Bestimmung eines korrigierten Höhensignals aus Messdaten, die mittels optischer Kohärenztomographie gewonnen wurden, und zugehörige Messvorrichtung
DE102016015424A1 (de) Vorrichtung zur Bestimmung einer Konzentration eines Gases
DE102007063355A1 (de) Verfahren zur optischen Messung von Geschwindigkeiten nach dem Ortsfrequenzfilterverfahren und Sensor zur optischen Messung von Geschwindigkeiten
DE212005000001U1 (de) Optische Reflektometrie-Analyse basierend auf Streusignalen erster und zweiter Ordnung
DE102021111221A1 (de) System und Verfahren zur Geschwindigkeitsmessung
DE102020006556A1 (de) Verfahren zur Filterung verrauschter Messwerte zumindest eines Umgebungssensors

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final