光纤传感器的结构特点、应用及分类

一、光纤传感器的构造特点、应用与分类（论文文献综述）

魏冰冰^[1]（2021）在《基于FDM能量熵的光纤振动信号特征提取与分类算法研究》文中提出光纤预警系统（Optical Fiber Pre-warning System,OFPS）是一种铺设于管道周围、利用分布式光纤传感的预警系统,因具备稳定且精确度较高的特点,被广泛应用于检测管道泄露、人为或机械等入侵行为。OFPS在检测到信号入侵后,识别部分可以通过算法判断入侵信号的类型,依据信号的危险程度采取不同的手段及时止损。目前,在OFPS领域已经有很多成熟的检测与识别算法,但如何判断振动信号的类型仍是该系统的难点和重点。本文对多类型光纤振动信号的特征提取与分类问题开展研究,提出的特征提取算法实现了对人工信号和机械信号的分类。为提升分类算法的准确率,本文针对不同自适应时频分析方法展开研究并提出改进策略,最终实现了对四种振动信号的分类并提高了算法的效率。本文首先介绍了时域和频域上两种单一特征提取的方法,然后根据不同时序信号的特点提出基于熵域的样本熵特征提取方法,完成了对手动敲击和挖地两种人工入侵信号的特征提取。其次,针对单一方式的特征提取方法通用性较低、难以识别多类型振动信号的问题,本文利用时频综合分析的方法对其研究,采用自适应变分模态分解（Variational Modal Decomposition,VMD）算法处理光纤振动信号。对于VMD需要人工预设模态分解参数才能合理获取组成分量的问题,本文提出了加入反馈模式的VMD改进算法,避免人工设参的框束并提高了算法的自适应性,利用该算法实现了对人工敲击、镐刨、电钻三种信号相似分量的边际谱特征提取。另外,针对反馈模式的VMD算法在重构时易出现丢失信息的问题,本文提出基于FDM能量熵的特征提取与分类算法,实验结果表明该算法分类效果更好且自适应性更高。傅里叶分解算法（Fourier Decomposition Algorithm,FDM）采用从低频到高频（Low Frequency to High Frequency,LTH）的搜索模式自动获取模态分量并计算分解数目,本文利用相关性理论对FDM分解结果进行筛选和重构处理,然后依据信息熵定义和能量熵空间理论定义了FDM能量熵特征,将光纤振动信号的FDM能量熵与其他重要特征组合成特征向量,最终结合SVM实现了对敲击、挖地、小跑、电钻四种光纤振动信号的准确分类。

刘春燕^[2]（2020）在《手持式金属探测器握柄优化设计研究》文中提出国内的手持式金属探测器虽市场需求较大,生产厂家也众多,但国产市场占额相对较少,其产品及性能很多无法和进口的产品相媲美,民航等场合使用的产品更多是进口产品。在手持式金属探测器的操作过程中,握柄与手掌接触最为密切,其造型直接影响使用者使用时的主观体验。目前传统的手持式金属探测器存在造型单一、人机适应性不佳、质量参差不齐等缺陷,长期使用设计不当的握柄易引起手部生理疲劳,形成积累性伤害并降低工作效率,甚至会带来心理上的排斥情绪。因此本文从手部生理构造及弯曲方式出发,依据客观实验数据与主观评价表相结合的方式,提出了一种手持式探测工具的优化设计方案,以手持式金属探测器握柄为例,对优化手持式探测工具握柄具有重要意义。本文在研究手部基本构造及手掌弯曲方式的基础上,首先得出手指运动的基本规律,归纳手掌弯曲方式的特点并对手掌内部与握柄接触面积进行区域划分,总结出手工具设计原则,以此作为手持式金属探测器握柄优化的重要理论依据。其次,本文归纳了手工具及探测器的种类,并选定研究样本。依据手持式金属探测器的持握方式,先通过红黑钢笔水分区实验,明确手掌内部与握柄接触较大的区域;再通过实验者手弯曲握研究样本的方式,运用光纤光栅应变测量系统,得到接触较大区域的应变数据;随后将得到的应变数据,利用编程软件进行处理,得到动态应变曲线图,通过分析曲线图中的实验数据,得出握柄的优化设计原则与方向,为手持式金属探测器握柄的优化设计提供了客观的实验依据。最后,依据得到的客观实验数据及设计原则,提出握柄优化设计方案,并对其进行主客观实验验证、改进与再验证。即绘制草图并选择设计方案,通过制作同比例泥膜的方式,让实验者持握泥膜并作出主观评价,随即选出主观最优方案;随后运用有限元仿真技术,对主观最优方案进行客观实验验证;依据得到的实验数据对主观最优方案进行改进,并修改泥膜让实验者再次持握作出主观评价,主观验证可行性;最后再次运用应变测量系统,利用实验的方式,客观验证其可行性。通过对比之前的实验数据,结果证明持握改进后的最优方案峰值减小,应变分布更加均匀,在一定程度上实现了握柄的优化设计,同时验证了本文系统设计流程的可行性,为握柄优化设计提供了有价值的理论参考。

辛雁^[3]（2020）在《基于深度学习和特征融合的周界入侵检测技术研究》文中认为基于分布式光纤传感器的周界安防系统是用于周界安防领域的智能检测系统。由于分布式光纤传感器具有精度和灵敏度高、抗电磁干扰特性好以及耐腐蚀特性等优点,可进行长距离检测。在其基础上结合鲁棒性更强的深度学习技术,对环境复杂的周界安防研究具有极大研究价值。本文的目的是提高基于分布式光纤传感器的周界安防系统中扰动信号的识别率,因此提出了一种基于深度学习和特征融合的扰动信号分类检测方法。该方法首先将信号进行时频化表示以突破一维信号的分析局限性,然后将信号进行时频化处理得到的信号时频图和伪彩色动态频谱图作为神经网络的输入进行模型训练,通过本文改进的MobileNet网络训练提取信号的深度特征,将其与传统方法提取的信号时频域特征相结合对光纤扰动信号进行分类检测。本文的主要研究内容及工作情况如下:一、对周界安防系统的重要性、系统构成组件和构成方式以及研究价值进行分析,并介绍了不同分布式光纤传感器的功能特性,对几种不同的光纤传感器特性进行对比。选择瑞利散射型分布式光纤传感器作为本文的基础传感器,并设计了基于该传感器的用于周界监测领域的周界安防系统架构。二、在进行扰动事件检测前,首先对光纤传感器采集到的扰动信号进行小波降噪处理,提出了一种新的小波降噪阈值函数使得降噪效果得到了有效提升。然后通过对降噪后的扰动信号进行时频域的手工特征提取,同时将SVM作为扰动信号分类器进行对比试验。三、对扰动信号进行特征图像提取构建。扰动信号作为一维振动信号仅仅可以通过时域表示,本文通过扰动信号的时频特性进行相应处理以突破信号一维时频域特征提取的局限性。首先对降噪后的信号进行7层小波包分解,计算每个子频带的小波包变换系数对应的能量大小,并绘制信号的时频图。同时采用快速傅立叶变换对原始一维信号进行处理,构建信号的伪彩色动态频谱图并将其作为网络的输入以得到信号的深度特征。四、在MobileNet网络的基础上对其进行改进,将特征图像分别作为Inception-V3网络、Xception网络、MobileNet网络模型以及改进后的MobileNet网络模型的输入,并在小样本条件下训练网络以得到信号的深度特征,最后将深度特征和时频域特征（也就是时域特征以及小波包能量特征）进行融合以对扰动信号进行分类识别实验。五、本文采用五种扰动事件进行相关实验验证。将传统机器学习和深度学习结合特征融合的方法应用于同一数据集进行实验。实验结果表明,将伪彩色动态频谱图作为改进后的MobileNet网络模型的输入,并将网络瓶颈层输出的深度特征与信号时频域特征进行特征融合处理,这样能更有效准确地对扰动信号进行分类检测,该算法平均准确率可以达到99.45%,本文通过对比实验验证了该方法的有效性和可靠性。

贾晓芬^[4]（2019）在《深立井井壁可视化监测预警系统研究》文中研究说明千米地下深埋的丰富煤炭资源,促使我国煤炭逐步转入深部开采。深立井地层岩性多样,地质构造复杂,井筒的垂深越大,岩、泥、水软弱夹层的相互作用越容易导致井壁出现裂缝。任由裂缝发展,就会出现井壁破裂、结构失效,造成重大矿井灾害。为了实现对深立井井壁的可视化定量描述,开展实时监测预警系统研究。针对深立井井壁外荷载变化量获取困难的问题,采用光纤的声模本征频率同时受温度、应变影响出现的不同频移进行温度和应变的解耦,实现一根光纤对井壁应力场和温度场的同测。针对井壁裂缝定位困难和裂缝几何形状、变化速度未知的问题,采用图像处理技术提取裂缝特征。最后融合裂缝和应变特征,建立预测模型,实现井壁的可视化监测预警。论文的主要工作如下:（1）针对深立井的特殊环境,设计井壁图像的噪声模型,结合噪声特点提出深立井井壁图像的去噪方法,实现井壁图像去噪。深立井的低照度环境下,采样的井壁图像包含椒盐噪声、高斯噪声,以及光电转换等因素引入的乘性和其它噪声,噪声类型远比一般图像复杂。针对井壁图像背景单一,像素值分布均匀的特点,利用椒盐噪点的极值特性先检测出椒盐噪声后,不改变信号点像素值直接针对噪点滤波。滤除椒盐噪点后,井壁图像中包含的其余噪声的浓度均未知,利用卷积神经网络提出一种盲去噪模型。鉴于深立井环境下无法获得干净井壁图像,以噪声图像为标签构建训练样本,训练去噪模型后,实现井壁图像盲去噪,且能保留井壁的裂缝特征。（2）针对井壁裂缝的定位难题,利用卷积神经网络提出能够识别井壁裂缝图像的分类方法,自动定位裂缝在井壁上的位置。为有效利用井壁图像上的裂缝信息,设计了池化方法,并用其构建井壁图像分类模型。通过研究井壁图像标注方法,建立了专用于训练井壁图像分类模型的图像库。通过井壁图像库训练、测试分类模型,实现井壁裂缝图像的自动识别。结合摄像头的采样时间、运动速度和加速度定位裂缝在井壁上的具体位置。（3）通过对应力和温度耦合的解算,实现一根光纤对井壁温度和应变的同时检测,解决深立井井壁外荷载变化量的获取困难问题。深立井井筒周围的岩、泥、水的相互作用及温度变化引起的综合应力超过井壁砼的极限强度时,会引起井壁开裂,实时监测井壁上的应变和温度是有必要的。利用两种不同声波模式对温度、应变的不同敏感度产生的不同频移量,实现温度和应变的解耦,利用一根光纤完成对井壁温度场和应力场的同时测量,获得井壁温度和应变。（4）为了定量化描述深立井的井壁状况,综合井壁裂缝和井壁应力的特征指标,建立评估模型和预测模型,实现井壁破裂指数的评估预警。为了建立井壁应变和裂缝生长与井壁破裂之间的映射关系,提取表征裂缝几何形状、变化速度等特征的8项指标和表征应变大小、变化速度的2项指标,通过10项指标的多信息融合,建立井壁破裂指数评估模型及预测模型,实现裂缝发展趋势及未来的井壁破裂指数预测。（5）以分布式光纤、防爆摄像头作为传感器,以嵌入式系统作为下位机,以塔式图形工作站作为上位机,设计了井壁监测预警系统。下位机通过网络交换机获取传感器采集的井壁图像和井壁应力,实现WFI的就地评估预测。上位机软件利用C++编写,实现对井壁图像预处理及对WFI的在线评估预测。图[79]表[17]参[162]

张艾伦^[5]（2019）在《基于概率神经网络分类器的Φ-OTDR分布式光纤扰动传感系统模式识别研究》文中进行了进一步梳理分布式光纤传感系统具有无需外场供电、抗电磁干扰能力强、探测灵敏度高、监测范围广、便于集成等优势,已经成为了传感器领域的研究热点之一。目前,分布式光纤传感系统己广泛应用于油气管道状态检测、大型结构探伤、国土安全监控等诸多领域。在众多类型的分布式光纤传感技术中,基于相位敏感光时域反射器（Φ-OTDR）的传感系统凭借着其空间分辨率高、系统结构简单、可同时定位多个扰动事件等优点,成为当前长距离分布式光纤传感系统研究的主流方向之一。本文针对Φ-OTDR分布式光纤传感系统在实际应用中遇到的误报率较高、对于扰动事件是否有害判别不清的问题,提出了基于概率神经网络（PNN）模型分类器的扰动事件模式识别方法,有效实现了对不同类型的扰动事件的区分。本文主要完成的研究工作如下:（1）在理论研究Φ-OTDR分布式光纤传感系统的原理及其系统的输出信号特征的基础上,构建了基于Φ-OTDR分布式光纤传感实验平台,实验采集浇水、攀爬、敲击与碾压四类扰动信号以及无扰动时的输出信号,研究了时域信号及时域差分信号相应的特征值的提取并将扰动信号划分为测试样本,为后续扰动信号模式识别研究奠定了基础。（2）提出了基于概率神经网络模型的扰动事件模式识别方法,并通过样本数据加以实验验证。实验结果表明该方法对于五种事件类型（浇水、攀爬、敲击、碾压与无扰动）的平均识别正确率达到了 97.57%、95.68%、99.92%、99.08%、99.97%,该方法可以有效区分不同扰动事件,但实时性较低。网络模型的建立与识别的平均时间为1.1369秒。（3）根据概率神经网络模型的工作流程,为了实现在保证识别准确性的前提下改善算法的实时性,提出了通过使用平均影响因子的改进方案与通过使用主成分分析方法的改进方案,并通过仿真实验对两种方案加以验证。两种方案的对五种情况的平均识别正确率分别达到了 93.36%、92.48%、97.01%、96.99%、99.60%和96.80%、94.13%、99.36%、98.45%、99.95%,两种改进方案的识别时间分别为 0.8745秒和0.9308秒,较原始模型有所提高。（4）根据现有样本数据探索一种“删减-放回”的样本库构建方法,并利用这种方法建立起两种改进模型样本占总样本比重为70%、60%、50%、40%的样本库,并加以实验验证分析。试验结果表明在现有数据基础上,在使用占比为50%以上的样本库进行识别工作仍可以得到90%以上的正确率。

朱睿^[6]（2019）在《光纤周界系统入侵信号识别方法研究》文中认为光纤周界安防系统通过光纤传感器中采集的光信号相位差来感应振动信号,再根据不同振动信号的特征信息识别出其中各类入侵信号,其难点主要在于系统不仅易受周边环境等条件干扰,其识别效果还易受振动信号特征提取与描述方法的影响。因此,在过滤掉更多扰动信号的基础上,既要保证信号分解的质量,又能够选取合适的特征描述方法是一个值得研究的课题。本文研究了三种不同的非线性非平稳信号分析方法,分别将其用于光纤周界安防系统中,进行各类入侵信号的识别率对比,结果表明快速自适应经验模态分解方法不仅保证了信号分解性能,还在快速性上更为出色,联合时域特征,提高了识别率,降低了误报率,因此最适用于光纤周界安防系统中。本文对各类信号的特征表征、提取与识别展开研究,主要工作内容如下:1、研究了光纤周界安防系统中传感器的类型、特点、铺设方法及其适用性,并联系实际需求选取合适的光纤传感器,结合其光路数学模型,从理论上得出采集到的信号中包含振动信息以及位置信息。2、研究了采集信号的分帧、振动信号的截取以及部分扰动信号的过滤,采用时域的短时能量及过门限率特征,判别截取振动信号并预处理,运用信号过门限率的统计特性和比值差异系数特性排除部分扰动信号。3、研究了CEEMD、LMD、AEMD方法的原理,并将其用于光纤周界安防系统入侵信号的分解与分析,再利用相关系数方法选取最优分量,计算对应的峭度并以其为频域特征构造特征向量。4、研究了三种常用的分类算法,并将其运用于入侵信号识别中进行对比分析,最后选用了其中最优的多核支持向量机作为入侵信号识别的分类器。

宋广东^[7]（2019）在《基于光纤传感的微震信号采集和识别与震源定位研究》文中研究说明微震监测是矿井动力灾害监测预警的有效手段。传统电子类微震监测系统,由于需要给传感器供电,在矿井恶劣环境条件下,容易受到电磁干扰,传输距离也受到限制。亟需开发能适应井下恶劣环境的、可以远距离传输的微震监测系统。矿井微震监测信号中包含岩体破裂产生的信号和爆破产生的信号,当前大都把它们当作有效信号进行处理分析,进而将给研究决策人员带来误导,容易造成误判。常规的信号识别方法,都需要人工提取微震信号特征参数,没有从信号本身去训练学习,必然丢失部分有效特征,因而必须研究区分岩体破裂微震信号和爆破信号的新方法,为实现地层结构反演、震源定位和震源机制等参数的研究奠定基础。其中,震源定位是微震监测技术的核心要素,微震震源定位的准确性,关系到微震技术的应用效果,所以煤矿井下微震震源的准确定位,对于动力灾害监测预警具有重要意义。由于微震震源需要通过井下传感器接收信息反演确定,传感器的安装位置限制于煤矿井下巷道周围,传感器沿巷道近平面的不合理布置将大大降低震源定位精度。光纤传感技术具有无需供电、防电磁干扰、传输距离远等天然优势,能够胜任在矿井恶劣条件下的微震监测工作。本文将具有良好二维时频特性的S变换引入到原始微震数字信号转换中,把微震信号以图片的形式展示出来,图片中包含时域和频域特征,再利用专为图像识别设计的卷积神经网络（CNN）算法进行识别。以期改变人工提取特征参数导致特征丢失带来的识别精度降低的问题。研究表明基于L曲线准则的Tikhonov正则化法可提高病态矩阵求解精度。因而本文以光纤传感微震监测系统、基于深度学习的微震信号识别和Tikhonov正则化高精度震源定位技术为研究对象,以理论分析、公式推导、数值模拟、实验测试和现场监测为研究方法,自主开发程序实现微震信号采集和识别与震源定位。主要研究内容及取得的主要研究成果如下:1.建立了基于能量特征值和滑动时窗宽度的微震有效信号判别准则。分析悬臂梁结构光纤布拉格光栅（FBG）传感器原理,利用分布反馈激光器（DFB）探测震动对FBG反射谱的影响,实现震动信号的采集。根据震动波初至和结束前后能量巨大差异,采用滑动时窗能量比法拾取初至点和结束点,首次提出滑动时窗宽度（TWL）与采样频率、信号主频之间的定量关系。基于能量特征值和滑动时窗宽度设计微震有效信号判别准则。分析传感器与岩层的耦合参数,实现二者的高效耦合。研制了光纤微震监测软硬件系统,在室外进行测试运行,利用震动台和野外测试对比分析光纤FBG传感器与传统压电式震动传感器的性能。并将系统安装到煤矿井下进行微震监测。利用信号偏差建立有效信号判别准则,实现了有效微震事件的筛选、存储。2.推导了基于离散傅里叶变换（DFT）的不同系统监测数据转换技术,实现了多个系统数据的可对比和可通用。通过信号仿真,验证了算法的可行性。3.提出并训练了适合微震信号特征的基于CNN和S变换的深度学习算法。利用CNN和S变换相结合,分别对原始时域信号和S变换后的时频信号进行训练、测试和预测。训练结果表明:训练样本采用时域信号时,预测结果准确率在50%左右,无法推广使用。对原始时域信号进行S变换并做数据增广、添加批标准化函数和防止过拟合函数后,时频图为3通道时,预测结果仍然是不正确的。训练时频图取为单通道灰度图后,预测准确率提升到84.6%。缩小训练样本图片的尺寸为45*35像素（px）,相应降低了神经元连接数,预测准确率进一步提升为93.75%。综合LeN et-5和AlexNet设计的CNN模型架构和训练参数,基于S变换灰度图的爆破信号和微震信号分类是可行的。4.推导了信号互相关到时差公式,并校正了初至波波速。针对矿山微震波场特征,分析了矿山微震定位的特点,分析了检波器布置、初至到时拾取和波速模型对微震震源定位的影响。由于矿井井下复杂的环境,地层深处的岩层破裂产生的震动波通常会受到杂波干扰,同时由于系统噪音影响导致信号初至无法精确拾取,常规的基于长短时窗的自动到时拾取或人工拾取都将引起不同程度的拾取误差。利用三角几何关系,建立了初至波类型的判别方法。提出了基于信号互相关理论的到时差算法,并给出了对应的波速。在原始震动信号受到噪音干扰的情况下,相比于人工拾取和滑动能量比法,信号互相关法能大大提高信号延迟时间计算精度。5.微震震源定位反演病态问题正则化处理方法。针对由传感器信息反演震源位置引起的病态问题,研究了基于微震监测测点优化布置的震源高精度定位算法。首先通过计算系数矩阵条件数,判定病态问题;然后利用中心化法和行平衡法联合进行病态矩阵预处理。对预处理后的矩阵A、b,利用L曲线法计算正则参数,结合Tikhonov正则化算法计算得到震源坐标正则解。中心化法有效降低了矩阵数量级,行平衡预处理降低了病态条件数,预处理后Tikhonov正则解的震源坐标误差最小可以达到3.09m,与预处理前的高斯消去解相比误差大大降低。对以上结果的综合分析可知,光纤传感微震系统适合井下恶劣环境监测要求,井下FBG传感器无需供电,采集信号不受电磁信号干扰,井下测点距离分站最远可达10km。基于CNN和S变换的深度学习算法无需人工提取特征参数,实现了对岩体破裂微震信号和爆破信号的识别。对于识别为岩体破裂产生的微震信号,预处理后再用Tikhonov正则法求解,可以提高因受限空间测点布置导致的病态问题求解精度。

张皓杰^[8]（2018）在《基于全建模的光纤周界安防系统入侵模式识别研究》文中研究表明近年来,光纤周界安防系统发展迅速,其中,基于双马赫-曾德干涉型（Dual Mach-Zehnder interferometry）分布式振动传感器的周界安防系统因具有响应速度快、结构简便等优点得到广泛应用。该系统中的入侵模式识别功能的性能好坏主要依据特征提取阶段的特征描述方法,以及模式识别阶段分类器的选择。现在,急需提出一种能够识别多种入侵动作的高精度入侵模式识别算法。为实现高效、精准和功能丰富的目的,本文在考虑光纤信号特点、算法复杂度等方面,提出三种入侵识别算法。本文提出一种基于综合特征的入侵事件识别方法,该方法引入全相位滤波器组将输入信号并行分解为多个频率通道,以提取这些通道的归一化功率值;进而与信号过零率相结合,构成包含时域信息、频域信息的综合特征向量;最后将该特征向量馈入径向基函数神经网络即可准确识别出攀爬、敲击、晃动、剪切四种常见的入侵动作。实验证明,本文方法相比于现有的经验模式分解方法,不仅提高了精度,而且显着加快了识别速度。为了实现概率输出功能和识别更多种类的目的,本文从信号本质变化特点进行考虑,提出基于全建模的入侵识别思想,将信号建模应用于特征提取和模式识别阶段,并基于该思想提出两种入侵识别算法。基于AR建模的入侵识别算法,通过将AR模型系数作为特征向量的一部分,使得入侵信号特征能够以简短、全面和本质的方式得到描述。在分类器设计阶段进行sigmoid函数拟合,使得所提方法能够输出所有类型事件的发生概率。另外,AdaBoostSVM技术的应用进一步增强了识别准确率。实验证明,该方法能够仅用长度为4的特征向量有效识别6类入侵动作,识别准确率为87.14%。基于ARMA建模的入侵识别算法同样将信号建模应用于特征提取和模式识别两个阶段,以ARMA系数作为特征向量的一部分结合基于sigmoid函数拟合的SVM,实现高精度多种类的识别。

郎宪明^[9]（2018）在《基于特征提取与信息融合的管道泄漏检测与定位研究》文中研究指明长输管道输送流体的过程中,由于管道受到腐蚀、地理环境作用和第三方破坏等因素的影响,造成管道常常出现泄漏事故。在实际管道运行中,管道泄漏检测与定位系统成为保障管道安全运行的有效手段之一,因此泄漏检测与定位研究无论是在管道完整性管理,还是在学术研究领域,都有着重大的实践意义和理论研究价值。由于传感器技术、信号处理分析技术的快速发展和数字化管道建设的不断扩大,管道运输过程能够测量和存储的数据信息越来越多,如何从大量的测量数据中提取出能用于泄漏检测的有用信息是管道泄漏检测与定位方法迫切需要解决的问题。本文以测量数据的特征提取和信息融合为研究主线,对泄漏检测及定位技术进行了深入研究,主要研究工作如下:1.针对管道发生泄漏时,管道首末两端采集压力信号中的噪声会影响到泄漏检测准确性的问题,一种改进局域均值分解方法（Local mean decomposition,LMD）被提出,用来信号去噪。该方法不需要知道泄漏信号和噪声信号特征就可以提取与泄漏信号相关的乘积函数（Product function,PF）。根据测试信号的PF和参考信号相关分析的峰值,获取包含主要泄漏信息的PF分量并进行信号重构,重构信号再经过小波分析进一步消噪。在此基础上,按照时域特征和波形特征提取信号特征值作为最小二乘双支持向量机（Least squares twin support vector machine,LSTSVM）的输入,进行泄漏工况识别。根据经过小波消噪后的重构信号,采用广义相关分析法获取泄漏信号到达管道首末两端的时延估计,并结合泄漏信号传播速度实现泄漏点定位。通过Flowmaster软件建立管道泄漏模型,对管道各种工况信号进行处理分析,实验结果表明该方法能有效识别泄漏工况及泄漏定位。2.针对管道运行状态数据的非平衡性会造成管道泄漏诊断准确率下降的问题,提出了一种基于非平衡数据的管道泄漏检测与定位方法。首先,将管道各工况非平衡数据采用基于K均值聚类的欠采样方法处理,使其达到数据平衡。然后,将Fischer-Burmeister函数引入到双支持向量机（Twin support vector machine,TWSVM）学习过程中,以避免目标函数求解时矩阵的求逆计算,并将平衡数据作为改进双支持向量机算法的输入,识别管道泄漏。采用相关分析法实现泄漏点定位。根据Flowmaster搭建的管道泄漏模型,运用该方法识别管道泄漏。仿真实验表明,与经典双支持向量机算法和拉格朗日双支持向量机（Lagrange TWSVM）算法相比,该方法能更快速识别管道泄漏孔径及定位。3.针对当管道出现小泄漏时,管道泄漏孔径较难识别的问题,提出了一种基于独立分量分析（Independent component regression,ICR）改进深度信念网络（Deep belief network,DBN）的管道泄漏识别方法。DBNICR是基于深度信念网络学习模型DBN的一种改进型建模方法。首先,采用小波包分解（Wavelet packet decomposition,WPA）进行超声波声速信号的消噪处理;其次,将消噪后的信号输入到改进的深度信念网络中进行泄漏孔径识别。由于经典的DBN权值优化采用梯度优化算法,收敛速度较慢,而将ICR方法取代经典DBN中基于梯度的逐层权值精调方法,来提高DBN的分类准确率。同时,通过构造李雅普诺夫函数证明了DBNICR学习过程中的收敛性。现场实验结果表明所提出的DBNICR收敛速度快,能有效区分不同的泄漏孔径。4.针对多分支管道泄漏监控系统之间不能同时进行泄漏点定位的问题,提出了采用信息物理系统（Cyber-physical system,CPS）架构对多分支管道进行泄漏点的定位。该方法利用小波包分析来进行各个分支管道末端压力信号拐点时间的提取,以此建立数据特征样本,并将数据样本作为改进双支持向量机（Improved TWSVM,ITWSVM）算法的输入,进行泄漏定位。仿真实验表明,与TWSVM、径向基神经网络（Radial basis function neural network,RBFNN）、反向传播神经网络（Back propagation neural network,BPNN）相比,该方法能更快速、更准确地进行管道泄漏点定位。5.针对输油管道出现小泄漏时,常常出现漏报的问题,提出一种采用神经网络和D-S（Dempster-Shafer）证据理论的多特征融合的管道小泄漏的识别方法。当小泄漏发生时,将超声波声速信号、流量信号、温度信号进行小波包3层分解,提取各个频带信号的归一化有效值构造特征向量,然后将特征向量作为神经网络的输入,从而实现对小泄漏的首次识别,以首次识别结果再次作为独立证据,并且采用D-S证据融合规则将独立证据进行融合,得到最终小泄漏识别结果;另一方面,小泄漏会造成超声波声速信号拐点特征不明显的问题,依据特征线理论,对管道泄漏发生机理和声速传播机理进行研究,建立管道泄漏产生声速传播中衰减程度计算模型,提出将超声波声速信号结合流量信号进行信号融合的泄漏点定位方法。泄漏发生时,管道首末两端信息融合信号的延迟时间通过改进相关分析获得,并根据管道长度和压力波传播速度等信息,进行泄漏点定位。由于信号融合信号拐点明显比单独超声波声速信号及压力信号拐点清晰,所以可以用于小泄漏及缓漏的定位。现场实验证明了所提方法的有效性和可行性。

王海莲^[10]（2018）在《人体下肢运动意图的脑肌多源感知方法研究》文中指出外骨骼机器人是一种可穿戴机械式结构,它将人的智能与外部机械能量结合在一起,保护人体免受外界伤害,给人体提供额外的动力或能力,增强人体机能,同时提高人体的机动力和耐力。近年来,该技术得到了士兵作战、助老康复、航天载人、武警防爆等许多领域的广泛关注,纷纷投入大量人力物力展开深入研究。与此同时,人体运动意图的精密感知识别,不但能够帮助人们掌握人的精神状态、身体状态和工作需求等,而且更重要的是为这些领域研制外骨骼机器人,使外骨骼机器人与人体共融,实现人机协同控制,更好地服务于人的功能需求带来了可能性。本论文将结合有关国家科研项目的研究内容,仅以士兵、航天员或老年人等用的下肢外骨骼机器人为应用对象,深入研究人体下肢运动意图的脑肌多源感知策略和方法。其主要的研究工作及所取得的有意义的研究成果包括以下几个方面。1)人体下肢典型动作分析及其多源感知策略研究。下肢外骨骼机器人在执行任务中,为保证在遇到复杂的地形、多变随机的任务时,人机间的耦合性和动作的高随意性切换,不仅要基于典型步态规划程序驱动执行特定的下肢动作,还需要实时的感知人体下肢的运动,并对运动模式进行识别,进而才有可能实现下肢外骨骼机器人与人体协调运动。故本文在分析常见的下肢动作模式基础上,提炼出常见的下肢六种动作模式作为后续研究基础的,同时研究出基于脑电预先感知、肌电精细感知和光纤形变感知的多源信息感知方法,在机器人控制中强调了人的智能,以期推进下肢外骨骼机器人的实用化。2)人体下肢运动意图的脑电预先感知方法研究。针对下肢外骨骼机器人的感知需要,研究了人体下肢运动意图的脑电信号检测识别分析方法。通过实验采集了人体下肢六种想象运动的C3、C4通道的脑电信号,并对C3、C4通道的脑电信号进行了降噪预处理,再运用小波变换对预处理后的脑电信号进行了分解,提取了小波系数均值和能量值共同对信号的特征值进行表征。在特征提取后,采用了最小二乘支持向量机对其进行了识别分类,并得到了人体下肢六种想象动作模式平均分类识别率为66.11%的识别率,达到了脑电预判感知的目的。3)人体下肢运动意图的肌电精细感知方法研究。深入分析人体下肢动作的产生机理,选择股直肌、股内侧肌、股二头肌和腓肠肌四块肌肉作为表面肌电信号的测试对象。拾取人体下肢四块肌肉的表面肌电信号,以其为研究对象。针对人体下肢表面肌电信号的多动作模式识别问题,研究了基于小波变换的特征提取方法和基于PCA的特征降维方法,建立了面向下肢外骨骼机器人的表面肌电信号的多类最小二乘支持向量机模式识别模型,并对其参数进行了优化讨论。结果表明,所选的特征表征方法能够从不断变化、复杂的肌电信号中提取出代表人体下肢特定动作的特征向量,而且所选的优化的多类最小二乘支持向量机分类器对代表不同动作的特征向量具有理想的分类效果。4)人体下肢运动意图的的光纤形变感知方法研究。根据下肢各关节的结构以及运动机理,分析了各关节的运动特性,深入分析下肢的运动规律,选择膝关节角度为感知人体下肢运动的测点,选择光纤角度传感器测量膝关节角度并构建了光纤形变感知人体下肢运动测量系统,基于上述的膝关节运动的光纤感知结果,再利用分形维数来表征下肢的运动特征。将分形特征值矢量带入到设计的支持向量机中去,利用支持向量机对下肢各模式下的数据样本进行模式识别,采用网格搜索和交叉验证算法对分类器参数进行优化,将人体下肢运动识别为走、跑、上斜坡、下斜坡、蹲和起等几种运动模式,识别率可达到95%。5)脑肌多源精密感知系统构建及其信息融合方法研究。脑电信号是所有感知方法之中最快速的一种,可预先感知,在预测人体运动方向方面,能较好的摆脱数学模型的束缚;肌电信号感知方法已有较为成熟的理论和实验基础,能较为准确和快速地识别人体下肢动作模式;光纤形变感知系统具有高度的测量精确性以及较短的反应时间,能及时获取人体膝关节角度及肢体的位置与姿势,且光纤形变系统对数学模型有着更小的依赖,从而得到更可靠且完善的数据。为此,本文围绕下肢外骨骼机器人的人机协同控制需要,在上述脑电、肌电和光纤三种人体运动意图感知方法研究的基础上,在实验室搭建了集脑电、肌电和光纤检测于一体的人体下肢运动意图脑肌多源感知系统,研究了其多源信息融合的方法。最后,通过实验研究表明,所构建的人体下肢运动意图脑肌多源感知系统及其基于信息融合的脑肌多源精密感知方法是有效的,可以用于人体下肢外骨骼机器人的人机协同控制。

二、光纤传感器的构造特点、应用与分类（论文开题报告）

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、光纤传感器的构造特点、应用与分类（论文提纲范文）

（1）基于FDM能量熵的光纤振动信号特征提取与分类算法研究（论文提纲范文）

（2）手持式金属探测器握柄优化设计研究（论文提纲范文）

（3）基于深度学习和特征融合的周界入侵检测技术研究（论文提纲范文）

（4）深立井井壁可视化监测预警系统研究（论文提纲范文）

（5）基于概率神经网络分类器的Φ-OTDR分布式光纤扰动传感系统模式识别研究（论文提纲范文）

（6）光纤周界系统入侵信号识别方法研究（论文提纲范文）

（7）基于光纤传感的微震信号采集和识别与震源定位研究（论文提纲范文）

（8）基于全建模的光纤周界安防系统入侵模式识别研究（论文提纲范文）

（9）基于特征提取与信息融合的管道泄漏检测与定位研究（论文提纲范文）

（10）人体下肢运动意图的脑肌多源感知方法研究（论文提纲范文）

四、光纤传感器的构造特点、应用与分类（论文参考文献）

• [1]基于FDM能量熵的光纤振动信号特征提取与分类算法研究[D]. 魏冰冰. 北方工业大学, 2021(01)
• [2]手持式金属探测器握柄优化设计研究[D]. 刘春燕. 山东科技大学, 2020(06)
• [3]基于深度学习和特征融合的周界入侵检测技术研究[D]. 辛雁. 东华大学, 2020(01)
• [4]深立井井壁可视化监测预警系统研究[D]. 贾晓芬. 安徽理工大学, 2019
• [5]基于概率神经网络分类器的Φ-OTDR分布式光纤扰动传感系统模式识别研究[D]. 张艾伦. 北京交通大学, 2019(01)
• [6]光纤周界系统入侵信号识别方法研究[D]. 朱睿. 合肥工业大学, 2019(01)
• [7]基于光纤传感的微震信号采集和识别与震源定位研究[D]. 宋广东. 中国矿业大学(北京), 2019(10)
• [8]基于全建模的光纤周界安防系统入侵模式识别研究[D]. 张皓杰. 天津大学, 2018(06)
• [9]基于特征提取与信息融合的管道泄漏检测与定位研究[D]. 郎宪明. 西北工业大学, 2018(02)
• [10]人体下肢运动意图的脑肌多源感知方法研究[D]. 王海莲. 西北工业大学, 2018(02)