一种油气管道振动监测识别方法和识别系统与流程

本发明涉及分布式光纤传感信号识别，尤其涉及一种油气管道振动监测识别方法和识别系统。

背景技术：

1、石油、天然气等油气能源在国民经济发展中起着重要的作用，在众多的油气运输方式中，管道运输则是油气运输的重要运输方式之一。由于管道跨越多个复杂的区域和地形，路线长，一旦发生偷盗现象，则首先会产生难以估量的经济损失，同时，如果偷盗的时候引起油气管道破裂等事故，其社会危害也不容忽视，因此，如何有效的监测石油管道附近的偷盗和挖掘现象，具有重大的现实意义。分布式光纤振动传感则能很好的解决这些问题，它灵敏度高，全程无源，可连续探测到光缆上的振动或声音等动态变化信息。

2、虽然分布式光纤振动传感系统则能有效地对石油管道进行监测和异常事件定位，但是现场的环境十分复杂，具有多种类型的干扰事件，传感系统很容易发生误报或者漏报，这严重制约了传感系统的应用。

3、因此，亟需一种油气管道振动监测识别方法和识别系统，能够有效提取和分辨扰动信号特征，进而提高分布式光纤振动传感系统的识别精度，减少误报率。

技术实现思路

1、本发明的目的是提供一种油气管道振动监测识别方法和识别系统，旨在解决传统的分布式光纤振动传感系统识别精度不高，容易产生误报的技术问题。

2、为实现上述目的，第一方面，本发明提供一种油气管道振动监测识别方法，其步骤包括：

3、s1、通过φ-otdr信号检测系统实时采集油气管道附近的振动信号；

4、s2、对所述振动信号进行短时分辨特征检测，若检测到发生异常事件，提取所述振动信号的长时分辨特征；

5、s3、将提取的长时分辨特征输入到训练好的多个网络识别分类器并分别输出分类结果，若每个网络识别分类器输出的分类结果均为异常事件，最终判断当前振动信号为人为破坏事件，否则判断为干扰事件。

6、作为上述方案进一步的改进，在步骤s2中，在进行短时分辨特征检测时，首先提取振动信号的短时主冲击强度分辨特征a1，若短时主冲击强度分辨特征a1小于经验阈值thr，则判断当前振动信号为环境噪声信号；

7、若短时主冲击强度分辨特征a1大于经验阈值thr，则初步判断当前振动信号为异常事件信号。

8、作为上述方案进一步的改进，短时主冲击强度分辨特征a1的提取方法步骤包括：

9、将振动信号wi的幅值区间平均分成连续的n个子区间，每一个子区间记为sl；

10、然后统计振动信号wi在各个子区间sl内的采样点个数ml，并得到相应的直方图，将直方图归一化后记为p，p＝{pl(l＝1,2...n)}，其中m为总的采样点个数；

11、在区间sl中，若pl(l∈[1,n])在l＝q处取得最大值，则短时主冲击强度分辨特征a1如下式所示：

12、

13、作为上述方案进一步的优化，子区间sl的幅值区间表示如下：

14、sl＝[(l-1)*averlength+min(wi),l*averlenth+min(wi)](1≤l≤n)

15、其中averlength为每一个子区间的宽度，wi的幅值区间为[min(wi),max(wi)]，min(wi)表示最小幅值，max(wi)表示最大幅值。

16、作为上述方案进一步的改进，在步骤s2中，判断振动信号为异常事件信号的步骤包括：

17、根据短时主冲击强度分辨特征a1判断当前信号是否有瞬时冲击；

18、若有瞬时冲击，提取当前信号的短时次冲击强度分辨特征a2；

19、根据短时次冲击强度分辨特征a2判断是否为异常事件信号。

20、作为上述方案进一步的改进，在步骤s2中，所述长时分辨特征包括：

21、长时主冲击强度分辨特征b1、长时次冲击强度分辨特征记b2、长时幅值比例特征记为b3、长时信号频率特征b4、长时背景强度分辨特征b5以及长时信号的严格冲击个数b6；

22、每一个长时信号对应的长时分辨特征构成特征矢量t＝[b1,b2,b3,b4,b5,b6]。

23、作为上述方案进一步的改进，在步骤s3中，所述网络识别分类器包括svm分类器、bp神经网络分类器以及贝叶斯网络分类器，且各个分类器的训练过程分别单独独立完成。

24、作为上述方案进一步的改进，bp神经网络分类器在训练bp神经网络时，神经网络的深度设置为4层；

25、第一个隐藏层设置有5个神经元结点，激活函数设为tansig；

26、第二个隐藏层设置有3个神经元结点，激活函数设为tansig；

27、输出层设置为两个神经元结点，激活函数设为purelin；

28、将人为破坏事件的类别标识为1，将干扰事件类别标识为2。

29、作为上述方案进一步的改进，在将提取的长时分辨特征输入贝叶斯网络分类器前，需将提取的长时分辨特征进行离散化处理。

30、作为上述方案进一步的改进，在步骤s3前，还包括训练各个网络识别分类器，其训练步骤包括：

31、通过φ-otdr信号检测系统采集油气管道附近的振动信号，并对所述振动信号进行预处理，

32、对预处理后的振动信息构建长时信号样本集；

33、将长时信号分割成多个短时信号；

34、提取所述短时信号的短时分辨特征；

35、提取构建长时分辨特征矢量；

36、将提取的长时分辨特征矢量分别输入到各个网络识别分类器，各个网络识别分类器单独进行学习训练，获得各个网络识别分类器各自对应的优化参数。

37、第二方面，本发明还提供一种油气管道振动监测识别系统，包括

38、信号获取模块，用于获得油气管道沿线由扰动引起的光纤振动信号；

39、短时分辨特征检测模块，用于检测所述光纤振动信号是否为异常事件信号；

40、长时特征提取模块，用于提取所述光纤振动信号的长时分辨特征；

41、网络识别分类器模块，包括多个网络识别分类器，用于根据所述长时分辨特征识别分类出异常事件信号；

42、判断模块，根据各个网络识别分类器的分类输出结果综合判断出人为破坏事件信号和干扰信号。

43、由于本发明采用了以上技术方案，使本技术具备的有益效果在于：

44、本发明提供的一种油气管道振动监测识别方法，步骤包括，首先通过φ-otdr信号检测系统实时采集油气管道附近的振动信号；再对所述振动信号进行短时分辨特征检测，若检测到发生异常事件，提取所述振动信号的长时分辨特征；然后将提取的长时分辨特征输入到训练好的多个网络识别分类器并分别输出分类结果，若每个网络识别分类器输出的分类结果均为异常事件，最终判断当前振动信号为人为破坏事件，否则判断为干扰事件；本发明通过将短时信号与长时信号相结合，提取振动信号在时域以及变换域上的短时分辨特征和长时分辨特征，先通过短时分辨特征初步检测出异常事件，然后再将提取该信号的长时分辨特征输入到训练好的多个网络识别分类器，最后将各个网络识别分类器分类识别的结果相融合，最终判断是人为破坏事件还是干扰事件，从而能够降低异常事件信号的误报率，进而提高分布式光纤振动传感系统的识别精度。