分布式光纖傳感系統(tǒng)具有無需外場供電、抗電磁干擾能力強、探測靈敏度高、監(jiān)測范圍廣、便于集成等優(yōu)勢,已經(jīng)成為了傳感器領域的研究熱點之一。目前,分布式光纖傳感系統(tǒng)己廣泛應用于油氣管道狀態(tài)檢測、大型結(jié)構(gòu)探傷、國土安全監(jiān)控等諸多領域。在眾多類型的分布式光纖傳感技術中,基于相位敏感光時域反射器(Φ-OTDR)的傳感系統(tǒng)憑借著其空間分辨率高、系統(tǒng)結(jié)構(gòu)簡單、可同時定位多個擾動事件等優(yōu)點,成為當前長距離分布式光纖傳感系統(tǒng)研究的主流方向之一。本文針對Φ-OTDR分布式光纖傳感系統(tǒng)在實際應用中遇到的誤報率較高、對于擾動事件是否有害判別不清的問題,提出了基于概率神經(jīng)網(wǎng)絡(PNN)模型分類器的擾動事件模式識別方法,有效實現(xiàn)了對不同類型的擾動事件的區(qū)分。本文主要完成的研究工作如下:(1)在理論研究Φ-OTDR分布式光纖傳感系統(tǒng)的原理及其系統(tǒng)的輸出信號特征的基礎上,構(gòu)建了基于Φ-OTDR分布式光纖傳感實驗平臺,實驗采集澆水、攀爬、敲擊與碾壓四類擾動信號以及無擾動時的輸出信號,研究了時域信號及時域差分信號相應的特征值的提取并將擾動信號劃分為測試樣本,為后續(xù)擾動信號模式識別研究奠定了基礎。(2)提出了基于概率神經(jīng)網(wǎng)絡模...

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 引言
    1.2 分布式光纖傳感技術方案
        1.2.1 光纖光柵陣列方案
        1.2.2 干涉儀型傳感方案
        1.2.3 光散射型傳感方案
    1.3 Φ-OTDR分布式光纖傳感系統(tǒng)模式識別研究現(xiàn)狀
    1.4 本文研究意義與研究內(nèi)容
        1.4.1 研究意義
        1.4.2 研究內(nèi)容
2 Φ-OTDR分布式光纖傳感技術理論研究
    2.1 引言
    2.2 光的散射
        2.2.1 布里淵散射
        2.2.2 拉曼散射
        2.2.3 瑞利散射
    2.3 Φ-OTDR分布式光纖傳感系統(tǒng)基本原理
        2.3.1 OTDR系統(tǒng)基本原理
        2.3.2 Φ- OTDR系統(tǒng)基本原理
        2.3.3 Φ-OTDR系統(tǒng)數(shù)學模型建立
    2.4 本章小結(jié)
3 Φ-OTDR分布式光纖擾動傳感系統(tǒng)信號處理與識別算法模型
    3.1 引言
    3.2 實驗信號采集
        3.2.1 實驗裝置
        3.2.2 擾動信號采集
    3.3 信號數(shù)據(jù)處理
        3.3.1 信號歸一化
        3.3.2 信號差分
        3.3.3 實驗樣本劃分
        3.3.4 信號特征提取
    3.4 概率神經(jīng)網(wǎng)絡模型
        3.4.1 神經(jīng)網(wǎng)絡簡介
        3.4.2 概率神經(jīng)網(wǎng)絡模型理論
        3.4.3 概率神經(jīng)網(wǎng)絡模型的優(yōu)勢
    3.5 本章小結(jié)
4 算法模型及其優(yōu)化識別結(jié)果
    4.1 引言
    4.2 概率神經(jīng)網(wǎng)絡模型搭建與識別結(jié)果
    4.3 概率神經(jīng)網(wǎng)絡模型的平均影響因子優(yōu)化方案
        4.3.1 平均影響因子簡介
        4.3.2 MIV-PNN模型識別工作與結(jié)果
    4.4 概率神經(jīng)網(wǎng)絡模型的主成分分析優(yōu)化方案
        4.4.1 主成分分析方法簡介
        4.4.2 PCA-PNN模型識別工作與結(jié)果
    4.5 模型識別結(jié)果對比與分析
    4.6 改進網(wǎng)絡模型的樣本庫建立與識別
        4.6.1 樣本庫的建立
        4.6.2 MIV-PNN模型與PCA-PNN模型樣本庫識別結(jié)果
    4.7 本章小結(jié)
5 結(jié)論
    5.1 論文完成的主要工作
    5.2 下一步工作建議
參考文獻
作者簡歷及攻讀碩士/博士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：3953210