分布式光纖振動傳感器檢測技術及應用

第1章 緒論 1
1.1 光纖傳感器簡介 1
1.1.1 光纖傳感器的歷史 1
1.1.2 光纖傳感器的優(yōu)點 2
1.1.3 光纖傳感器的分類 3
1.2 分布式光纖傳感器基本原理 4
1.2.1 分布式光纖傳感器的概念 4
1.2.2 基于光時域反射的分布式光纖傳感 5
1.2.3 基于干涉技術的分布式光纖傳感 6
1.3 干涉型分布式光纖傳感系統(tǒng)定位技術 6
1.3.1 基于Sagnac干涉原理的定位技術 6
1.3.2 基于雙波長Sagnac干涉原理的定位技術 8
1.3.3 基于雙Mach-Zenhder干涉原理的定位技術 9
參考文獻 10
第2章 基于波分復用的分布式光纖振動傳感器及定位原理 13
2.1 基于波分復用的分布式光纖傳感器的基本結構 13
2.1.1 波分復用技術 13
2.1.2 波分復用系統(tǒng)基本結構 13
2.1.3 3×3光纖耦合器對系統(tǒng)的影響 15
2.2 基于波分復用的分布式光纖傳感器的定位原理 19
2.3 相位載波解調在系統(tǒng)中的作用分析 25
2.3.1 相位載波解調在系統(tǒng)中的應用 25
2.3.2 相位生成載波的消散射作用分析 30
2.4 系統(tǒng)光路穩(wěn)定性研究 33
2.4.1 光纖中光波的偏振態(tài) 33
2.4.2 系統(tǒng)的偏振穩(wěn)定性分析 35
參考文獻 41
第3章 基于時延估計的分布式光纖振動傳感系統(tǒng)及定位原理 43
3.1 單芯分布式光纖振動傳感系統(tǒng)結構 43
3.2 單芯分布式光纖振動傳感系統(tǒng)定位原理 45
3.3 自適應時延估計 48
3.3.1 理論依據(jù) 49
3.3.2 LMSTDE的結構與算法 51
3.3.3 時延估計的性能 51
3.3.4 計算機仿真 52
參考文獻 54
第4章 分布式光纖傳感系統(tǒng)的定位試驗研究 56
4.1 分布式光纖傳感系統(tǒng)的定位試驗系統(tǒng)開發(fā) 56
4.1.1 分布式光纖傳感系統(tǒng) 56
4.1.2 擾動發(fā)生位置標定系統(tǒng) 57
4.2 基于波分復用的分布式光纖傳感定位試驗研究 57
4.2.1 試驗方案設計 58
4.2.2 試驗結果與分析 59
4.3 基于時延估計的分布式光纖傳感定位試驗研究 70
4.3.1 試驗方案設計 70
4.3.2 試驗結果與分析 71
第5章 分布式光纖傳感的振動信號處理方法 79
5.1 端點檢測 79
5.1.1 基于短時能量的端點檢測方法 79
5.1.2 基于譜質心的端點檢測方法 84
5.1.3 基于能量、譜熵相結合的端點檢測方法 90
5.1.4 基于小波變換的端點檢測方法 95
5.1.5 四種端點檢測方法的比較和分析 99
5.2 去噪分析 101
5.2.1 系統(tǒng)噪聲分析 101
5.2.2 小波去噪 102
5.3 相位還原算法 106
5.3.1 相位還原方法理論分析 106
5.3.2 試驗仿真 109
5.3.3 實際擾動信號的相位還原 110
5.3.4 微弱信號的處理 111
5.4 頻譜分析 112
參考文獻 117
第6章 基于經驗模態(tài)分解的光纖振動信號特征提取 120
6.1 分布式光纖傳感系統(tǒng)中的非平穩(wěn)隨機信號處理技術 120
6.1.1 非平穩(wěn)隨機信號的基本概念 120
6.1.2 非平穩(wěn)隨機信號分析方法 120
6.2 經驗模態(tài)分解 122
6.2.1 經驗模態(tài)分解瞬時頻率 122
6.2.2 固有模態(tài)函數(shù) 123
6.2.3 時間特征尺度 124
6.3 分布式光纖振動信號的經驗模態(tài)分解 125
6.3.1 經驗模態(tài)分解的基本原理 125
6.3.2 經驗模態(tài)分解步驟 125
6.4 基于經驗模態(tài)分解光纖振動信號的仿真及特征提取 127
6.4.1 仿真信號經驗模態(tài)分解研究 127
6.4.2 檢測信號的特征提取研究 129
參考文獻 136
第7章 基于多維特征的光纖振動信號識別 138
7.1 基于Mel頻率倒譜系數(shù)的光纖振動信號特征提取 138
7.1.1 Mel頻率倒譜系數(shù)算法及倒譜分析 138
7.1.2 試驗結果與分析 139
7.2 基于注意力機制的顯著性特征提取 144
7.2.1 注意力機制 144
7.2.2 顯著性特征提取算法 144
7.2.3 試驗與結果分析 150
7.3 卷積神經網(wǎng)絡 152
7.3.1 基本結構 152
7.3.2 卷積神經網(wǎng)絡分類網(wǎng)絡模型 154
7.4 基于多維特征的光纖振動信號識別 157
7.4.1 多維特征輸入模型設計 157
7.4.2 損失函數(shù)設計 157
7.4.3 卷積神經網(wǎng)絡模型改進 158
7.5 試驗和分析 160
7.5.1 試驗環(huán)境和數(shù)據(jù)集 160
7.5.2 試驗結果與分析 163
7.6 系統(tǒng)測試 169
參考文獻 171
第8章 基于Self-AM-BiLSTM的光纖傳感振動信號識別 173
8.1 基于BiLSTM的光纖振動信號識別 173
8.1.1 長短時記憶網(wǎng)絡 173
8.1.2 雙向長短時記憶網(wǎng)絡 175
8.1.3 網(wǎng)絡模型搭建與訓練 175
8.2 基于Self-AM-BiLSTM的光纖振動信號識別 178
8.2.1 基于自注意力機制的光纖振動信號處理 178
8.2.2 自注意力機制 178
8.2.3 網(wǎng)絡模型搭建與訓練 179
8.3 試驗與結果分析 182
8.3.1 試驗環(huán)境和數(shù)據(jù)集 183
8.3.2 試驗結果分析 185
參考文獻 196