基于光纖振動傳感系統的入侵事件識別方法

1 概述

2 光纖振動傳感器工作原理

3 信號分析及識別

3.1 光纖振動傳感系統

系統實際電壓范圍在05 V，輸出數據為二進制數，范圍為01 024，因此實際電壓為：

調節電位器波形放大倍數R 1 ，使不同強度振動信號得以完全顯示,并將數據轉換為信號的振動幅值,進一步求得每組信號的振動平均幅值。振動幅值及振動平均幅值計算式為:

3.2 信號分析方法

①小波包分析

③ BP神經網絡

4 實驗分析

4.1 數據采集

4.2 實驗結果與分析

①振動信號波形

本文進行了100組人工敲擊實驗和80組電鎬打擊實驗，每組實驗采樣次數均為700次；50組打夯實驗，每組采樣次數為600次；50組挖掘實驗，每組采樣次數為400次。共得到280組樣本，監測到的4種入侵事件的其中1組振動信號波形見圖3。

圖3 4種入侵事件的其中1組振動信號波形

圖4 外界干擾因素的振動信號波形

②信號的振動平均幅值和峭度

由式（3）、（4）計算4種入侵事件信號的振動平均幅值、峭度，分別見圖5、6。

圖5 4種入侵事件的振動平均幅值

圖6 4種入侵事件信號的峭度

表1 8個頻帶序列號對應的頻率區間

圖7 4種入侵事件的1組信號不同頻帶能量占比

表2 BP神經網絡測試的分類結果

在距離管道2 m的位置進行實驗，采集了10組人工敲擊數據、16組電鎬打擊數據、15組打夯數據和10組挖掘數據，這些數據未參與模型訓練，直接應用神經網絡模型對這些數據進行識別。識別結果：人工敲擊識別率100.00%，電鎬打擊識別率87.50%，打夯識別率93.33%，挖掘識別率80.00%。整體識別率達90.20%，能夠有效識別。

5 結論及建議

①根據不同入侵事件振動信號波形的特點，可基本區分4種入侵事件。連續波形長度由長到短為打夯、電鎬打擊、挖掘、人工敲擊。外界干擾因素產生的振動幅值很小，對入侵事件識別影響較小。

②研究的BP神經網絡模型能夠有效地對人工敲擊、電鎬打擊、打夯、挖掘4種入侵事件進行識別，整體識別率為96.43%。在距離管道2 m的位置進行實驗信號采集，并采用上述方法對振動信號進行識別，整體識別率達90.20%。

③本研究由于實驗光纜長度有限，著重對第三方入侵數據進行分析識別，后續可提升實驗平臺，對定位算法進行深入研究，并且對預警系統入侵定位的影響因素進行進一步數據分析。