模式识别在光纤分布式周界安全监测系统中的应用研究

发布时间：2024-12-10 01:05

　　随着我国铁路快速发展,铁路运输不断提速、里程持续增加,确保铁路安全运行、防止潜在的事故发生,必须对铁路周界的安全进行监测。对重点区域周界入侵实现自动、准确、实时的报警显得尤为重要。分布式光纤传感系统中的光纤材质具有抗电磁干扰、抗辐射、耐压、耐腐蚀、体积小、重量轻、适应恶劣环境等诸多优点,本文研究的系统基于相位敏感光时域反射仪(Phase-sensitive optical time domain reflectometry,Φ-OTDR)技术,因此分布式光纤传感系统对相位的测量具有足够的灵敏度,特别适合于这项任务。本文利用该系统对周界现场振动信号进行采集与处理,进而实现周界入侵事件的智能识别,提高了铁路监控的准确性和智能化。利用分布式光纤传感系统进行铁路的周界安全监测,经过实际测试,系统能够对不同的周界入侵行为准确识别,利用该系统还能够对事件有无威胁进行判别。本文的研究对于降低铁路周界安防误报率具有重要意义,对工程应用提供了一种实用的解决方案。本文在相位敏感型光时域反射仪基础上,介绍了光纤中后向瑞利散射的原理,针对传统分布式光纤传感系统的不足,深入研究了分布式光纤传感系统的传感原理及信号...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 分布式光纤传感技术
        1.1.1 光纤中的后向瑞利散射
        1.1.2 基于后向瑞利散射的Φ-OTDR技术
    1.2 分布式光纤传感系统的国内外研究现状
    1.3 研究工作的背景与意义
        1.3.1 研究工作的背景
        1.3.2 模式识别在光纤分布式周界系统中应用的意义
    1.4 本文的结构安排
第二章 分布式光纤传感系统中的模式识别方法
    2.1 模式识别简介
        2.1.1 模式识别系统
        2.1.2 光纤传感系统中模式识别的研究现状
    2.2 模式识别的基本方法
        2.2.1 统计模式识别
        2.2.2 结构模式识别
        2.2.3 模糊模式识别
        2.2.4 人工神经网络
    2.3 支持向量机
        2.3.1 最优分类超平面
        2.3.2 支持向量机理论
        2.3.3 支持向量机算法
    2.4 BP神经网络
        2.4.1 标准BP算法
        2.4.2 BP神经网络的特点
        2.4.3 BP神经网络的应用
    2.5 本章小结
第三章 多参量的特征提取及模型训练
    3.1 信号的模式划分
        3.1.1 模式划分的依据
        3.1.2 模式划分的种类
    3.2 特征参量的提取
    3.3 模型的训练
        3.3.1 模式识别工具箱
        3.3.2 标准样本模型训练
    3.4 本章小结
第四章 现场数据采集与识别率验证
    4.1 现场数据的采集
        4.1.1 分布式光纤传感系统的搭建
        4.1.2 现场数据的采集
    4.2 不同信号的分类
        4.2.1 两种不同信号的分类
        4.2.2 多种不同信号的分类
    4.3 有无威胁行为的分类
    4.4 程序调用方法研究
        4.4.1 软件简介
        4.4.2 程序调用方法简介
    4.5 LabVIEW调用程序设计
    4.6 本章小结
第五章 全文总结与展望
    5.1 全文总结
    5.2 后续工作与展望
致谢
参考文献



本文编号：4015358