模式識別在光纖分布式周界安全監(jiān)測系統(tǒng)中的應用研究
發(fā)布時間:2024-12-10 01:05
隨著我國鐵路快速發(fā)展,鐵路運輸不斷提速、里程持續(xù)增加,確保鐵路安全運行、防止?jié)撛诘氖鹿拾l(fā)生,必須對鐵路周界的安全進行監(jiān)測。對重點區(qū)域周界入侵實現(xiàn)自動、準確、實時的報警顯得尤為重要。分布式光纖傳感系統(tǒng)中的光纖材質具有抗電磁干擾、抗輻射、耐壓、耐腐蝕、體積小、重量輕、適應惡劣環(huán)境等諸多優(yōu)點,本文研究的系統(tǒng)基于相位敏感光時域反射儀(Phase-sensitive optical time domain reflectometry,Φ-OTDR)技術,因此分布式光纖傳感系統(tǒng)對相位的測量具有足夠的靈敏度,特別適合于這項任務。本文利用該系統(tǒng)對周界現(xiàn)場振動信號進行采集與處理,進而實現(xiàn)周界入侵事件的智能識別,提高了鐵路監(jiān)控的準確性和智能化。利用分布式光纖傳感系統(tǒng)進行鐵路的周界安全監(jiān)測,經(jīng)過實際測試,系統(tǒng)能夠對不同的周界入侵行為準確識別,利用該系統(tǒng)還能夠對事件有無威脅進行判別。本文的研究對于降低鐵路周界安防誤報率具有重要意義,對工程應用提供了一種實用的解決方案。本文在相位敏感型光時域反射儀基礎上,介紹了光纖中后向瑞利散射的原理,針對傳統(tǒng)分布式光纖傳感系統(tǒng)的不足,深入研究了分布式光纖傳感系統(tǒng)的傳感原理及信號...
【文章頁數(shù)】:66 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 分布式光纖傳感技術
1.1.1 光纖中的后向瑞利散射
1.1.2 基于后向瑞利散射的Φ-OTDR技術
1.2 分布式光纖傳感系統(tǒng)的國內(nèi)外研究現(xiàn)狀
1.3 研究工作的背景與意義
1.3.1 研究工作的背景
1.3.2 模式識別在光纖分布式周界系統(tǒng)中應用的意義
1.4 本文的結構安排
第二章 分布式光纖傳感系統(tǒng)中的模式識別方法
2.1 模式識別簡介
2.1.1 模式識別系統(tǒng)
2.1.2 光纖傳感系統(tǒng)中模式識別的研究現(xiàn)狀
2.2 模式識別的基本方法
2.2.1 統(tǒng)計模式識別
2.2.2 結構模式識別
2.2.3 模糊模式識別
2.2.4 人工神經(jīng)網(wǎng)絡
2.3 支持向量機
2.3.1 最優(yōu)分類超平面
2.3.2 支持向量機理論
2.3.3 支持向量機算法
2.4 BP神經(jīng)網(wǎng)絡
2.4.1 標準BP算法
2.4.2 BP神經(jīng)網(wǎng)絡的特點
2.4.3 BP神經(jīng)網(wǎng)絡的應用
2.5 本章小結
第三章 多參量的特征提取及模型訓練
3.1 信號的模式劃分
3.1.1 模式劃分的依據(jù)
3.1.2 模式劃分的種類
3.2 特征參量的提取
3.3 模型的訓練
3.3.1 模式識別工具箱
3.3.2 標準樣本模型訓練
3.4 本章小結
第四章 現(xiàn)場數(shù)據(jù)采集與識別率驗證
4.1 現(xiàn)場數(shù)據(jù)的采集
4.1.1 分布式光纖傳感系統(tǒng)的搭建
4.1.2 現(xiàn)場數(shù)據(jù)的采集
4.2 不同信號的分類
4.2.1 兩種不同信號的分類
4.2.2 多種不同信號的分類
4.3 有無威脅行為的分類
4.4 程序調用方法研究
4.4.1 軟件簡介
4.4.2 程序調用方法簡介
4.5 LabVIEW調用程序設計
4.6 本章小結
第五章 全文總結與展望
5.1 全文總結
5.2 后續(xù)工作與展望
致謝
參考文獻
本文編號:4015358
【文章頁數(shù)】:66 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 分布式光纖傳感技術
1.1.1 光纖中的后向瑞利散射
1.1.2 基于后向瑞利散射的Φ-OTDR技術
1.2 分布式光纖傳感系統(tǒng)的國內(nèi)外研究現(xiàn)狀
1.3 研究工作的背景與意義
1.3.1 研究工作的背景
1.3.2 模式識別在光纖分布式周界系統(tǒng)中應用的意義
1.4 本文的結構安排
第二章 分布式光纖傳感系統(tǒng)中的模式識別方法
2.1 模式識別簡介
2.1.1 模式識別系統(tǒng)
2.1.2 光纖傳感系統(tǒng)中模式識別的研究現(xiàn)狀
2.2 模式識別的基本方法
2.2.1 統(tǒng)計模式識別
2.2.2 結構模式識別
2.2.3 模糊模式識別
2.2.4 人工神經(jīng)網(wǎng)絡
2.3 支持向量機
2.3.1 最優(yōu)分類超平面
2.3.2 支持向量機理論
2.3.3 支持向量機算法
2.4 BP神經(jīng)網(wǎng)絡
2.4.1 標準BP算法
2.4.2 BP神經(jīng)網(wǎng)絡的特點
2.4.3 BP神經(jīng)網(wǎng)絡的應用
2.5 本章小結
第三章 多參量的特征提取及模型訓練
3.1 信號的模式劃分
3.1.1 模式劃分的依據(jù)
3.1.2 模式劃分的種類
3.2 特征參量的提取
3.3 模型的訓練
3.3.1 模式識別工具箱
3.3.2 標準樣本模型訓練
3.4 本章小結
第四章 現(xiàn)場數(shù)據(jù)采集與識別率驗證
4.1 現(xiàn)場數(shù)據(jù)的采集
4.1.1 分布式光纖傳感系統(tǒng)的搭建
4.1.2 現(xiàn)場數(shù)據(jù)的采集
4.2 不同信號的分類
4.2.1 兩種不同信號的分類
4.2.2 多種不同信號的分類
4.3 有無威脅行為的分類
4.4 程序調用方法研究
4.4.1 軟件簡介
4.4.2 程序調用方法簡介
4.5 LabVIEW調用程序設計
4.6 本章小結
第五章 全文總結與展望
5.1 全文總結
5.2 后續(xù)工作與展望
致謝
參考文獻
本文編號:4015358
本文鏈接:http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/4015358.html
教材專著