Φ-OTDR型分布式全光纤传感器研究进展

光时域反射型分布式全光纤传感技术相比于其他光纤传感技术,具有探测范围广、定位可靠性好以及定位精度高的优势。其中,相位型光时域反射(Φ-OTDR)技术更是具备了极高的探测灵敏度和动态响应能力,能够实现实时振动信号检测。该技术还具备在长距离管道监测、周界安防和结构健康监测等领域应用的潜质。但是传统的Φ-OTDR系统由于响应频率较低、探测信号失真等问题,无法全面满足实际应用要求。近年来,在国内外广大研究学者的努力下,Φ-OTDR技术实现了多方面的突破,逐渐走向成熟并成功实现现场应用。回顾了近20年来国内外Φ-OTDR技术方面的研究成果,总结和评价了Φ-OTDR技术在频率响应能力提升、动态响应范围提升、相位解调波形还原以及后期数字信号处理等方面所取得的研究进展,并对未来Φ-OTDR技术的应用与发展趋势进行了展望。     

基于Φ-OTDR的煤层气管线外界入侵振动检测系统

为实现长距离煤层气管线外界入侵振动检测,采用基于相位敏感型光时域反射原理(Φ-OTDR)的分布式光纤振动传感系统,融合FPGA与USB2.0技术开展传感数据的实时采集与高速传输,并通过时间-空间二维分析来获得振动信号典型特征,进而实现煤层气输送管道危险源的实时检测。实验结果表明,本系统可借助差分信号波峰位置实现精确定位,系统的频率响应范围是可覆盖入侵振动特征频率的1 Hz～3 k Hz,且在4 km和9 km光纤位置处的定位误差均可保持在20 m范围以内,因此本系统可有效检测到输送管道外界入侵振动。     

基于拉曼放大和掺铒光纤激光器的远程无源传感系统

提出了一种包含拉曼放大和掺铒光纤激光器的远程无源传感系统。该系统中拉曼放大的剩余泵浦功率可用作掺铒光纤激光器的泵浦源,产生的激光信号作为传感信号省略了额外的传感光源。由于拉曼放大作用,可以实现75km长距离无源传感而获得超过40dB的高信噪比。     

小波阈值降噪提高ＢＯＴＤＲ测量精度研究

布里渊光时域反射仪（Brillouin Optical Time Domain Reflectometer, BOTDR）通过单端探测 光纤中的自发布里渊散射来实现布里渊频移测量,存在信噪比较低的缺陷。为此,本文采用小波阈 值降噪对微波外差扫频 BOTDR 测量过程中的每条单频功率曲线进行噪声抑制,最终提高 BOTDR 测量精度。简述了小波阈值降噪原理,构建了基于微波外差扫频测量的 BOTDR 仿真模型,通过仿 真分析不同小波变换参数对测量精度的影响,确定了最佳小波阈值降噪方案。搭建了微波外差扫频 BOTDR 光路及电路实验装置进行温度测量实验,在 10km 传感光纤上对降噪算法进行了实验验证。 实验结果表明,相比于降噪前,降噪后传感光纤末端变温区布里渊频移测量波动极差从 5.8 MHz 降 低至 3.2 MHz,均方根误差由 1.2 MHz 降低至 0.16 MHz,测温精度由±2.545℃提升至±1.4℃。理论仿真和实验研究证明,采用小波阈值 降噪可提升 BOTDR 测量精度。     

基于STFT图像特征的天然气管道预警技术研究

基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤微振动传感系统,使用STFT算法对中石油西南某地20km天然气管道周围发生六类事件(噪声、机械破环、人工挖掘、榔头敲击、人跳跃以及人踏步通行)的振动数据进行时频域图像化,然后通过BP、SVM、GoogLeNet等算法进行六类事件的分类预测。该方法首先利用Φ-OTDR系统采集管道同沟敷设光缆一芯中瑞利后向散射光信号,从中提取出振动事件的振动信号,然后通过STFT对时间-空间图像的采集,最后对图像数据利用算法进行振动事件的识别。现场实时监测获取的数据表明：利用BP神经网络算法对振动事件识别,相较于传统的随机森林、K近邻、SVM算法以及深度学习GoogLeNet算法,机械破坏事件的误报率低至0%,人工挖掘事件的误报率低至0%,适合应用于实际的天然气管道监测。     

分布式光纤拉曼测温系统信噪比优化研究

针对分布式光纤拉曼测温系统(ROTDR)信噪比较低的问题,在传统累加平均算法的基础上,提出利用小波包去噪以及埃尔米特插值算法对后向拉曼散射信号进行处理来提升系统信噪比。该方法首先在数据采集端对散射信号进行累加平均去噪,然后使用埃尔米特插值算法进行色散补偿,最后选取sym6小波基对散射信号进行小波包去噪处理。实验表明,该方法将系统信噪比由27.6159 dB提升至32.6988 dB,而且有效补偿了系统的色散效应。选取8 km光纤进行实验,光纤全程温度波动范围从0.65℃~1.15℃降低至0.36℃~0.75℃,不同温度的测量误差中位数小于0.5℃。综上,本文提出的信号处理方案可有效提升系统信噪比及降低系统测温误差。     

基于小波软阈值降噪的内燃机缸盖振动信号时域识别

针对内燃机缸盖振动信号信噪比低且呈宽带、非平稳、时变特性,本文首先采用了基于软阈值的小波紧缩降噪方法进行处理,从而有效地突出了缸盖在不同时刻所受到激励的响应信号;然后,对降噪后的时域响应信号分别建立二阶AR模型,以模型参数作为模式识别特征参数;最后,采用感知器神经网络对特征参数进行识别与分类.由于缸盖振动信号信噪比的有效提高,使得对缸盖振动信号的时域识别和分类取得了很好的结果.通过对实验数据的处理,进一步验证了方法的有效性.     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

一种改进的小波阈值降噪方法性能分析

结合小波阈值降噪中估计小波系数的软阈值和硬阈值方法的各自特点,提出了一种改进的方案。将该方法用于叠加了噪声的仿真信号进行降噪处理,采用信噪比和均方根误差作为评定降噪结果的标准,结果表明该方法得到了较好的降噪效果。     

基于Bayes阈值估计的小波在转子故障信号降噪中的运用

提出了一种有效的转子故障信号的降噪方法.该方法利用概率统计的最优估计原理对样本信号进行估计,增加了小波阈值参数的可靠性.根据Bayes估计风险最小的原则,对不同子带的小波系数估计小波阈值,通过软阈值函数进行逐层降噪,对降噪后的信号进行重构,达到对转子故障信号降噪.把从多功能振动实验台上取得的转子故障振动信号,利用该方法进行降噪.并将降噪结果与Birge-Massart小波阈值降噪法和Donoho小波阈值降噪法的处理结果进行比较,结果显示使用Bayes(贝叶斯)阈值估计降噪法处理的信号能够很好地保留信号的细节部分,而且信噪比(SNR)也有明显提高.     

水下混沌信号降噪研究

针对传统子空间降噪算法只适用于多通道信号,并且传统子空间降噪算法对低信噪比信号降噪效果不理想.对此进行了相应的改进,提出利用多次迭代降噪的思想实现.首先利用相空间重构技术将单一的混沌信号转换为适用于子空间降噪算法的多通道信号,并且利用信噪比改善量控制迭代次数和用降噪之后的吸引因子相图评估降噪效果.大量试验结果表明,该算法具有运算速度快,失真少,评估可靠的特点并且对低信噪比信号也有较好的效果.     

改进CEEMDAN-小波包阈值降噪在旋转机械轴承中的应用

针对旋转机械滚动轴承振动加速度信号在采集过程中存在大量噪声导致振动信号表征不明显的问题，提出了一种在对自适应噪声完备集合经验模态分解(CEEMDAN)进行改进的基础上与小波包阈值降噪联合的一种数据去噪方法。首先，通过计算分解后得到的各分量的均方根和互相关系数对与原始信号相关性较大的分量进行提取；然后，分别计算提取后每个分量对应的阈值进行小波包阈值降噪处理；最后，将处理后的信号与分量中不存在噪声的分量进行叠加，即为降噪后的信号。经过对比实验验证，改进CEEMDAN-小波包阈值降噪方法的信噪比最大提高6.41,均方根误差降低0.12,证明了本方法的有效性。     

柴油发动机气缸压力和燃烧始点的辨识

在柴油发动机气缸压力的识别过程中，针对缸盖振动信噪比较低的问题，提出了对RBF网络训练样本进行时域统计平均降噪的方法，同时在对燃烧始点的辨识中应用了Kaiser差分器。时域统计平均有效提高了信号的信噪比，对柴油发动机气缸压力的恢复获得了很好的结果；Kaiser差分器有效提高了对燃烧始点的辨识。通过实践证明，该计算方法可以有效地从柴油发动机缸盖振动信号恢复气缸压力，并进一步辩识燃烧始点。     

光纤分布式扰动传感器信号检测系统研究

设计了一种以FPGA作为数据处理核心,基于相位敏感光时域反射计(Φ-OTDR)的光纤分布式扰动传感器信号检测系统。该系统具有数据采集、处理、存储、通信以及液晶显示功能。扰动信号检测算法采用多周期等距累加相减法。通过阈值判定实现扰动信号的判别,并可以同时显示传感光纤长度范围内不同位置的扰动。实验证明,该系统内部数字处理部分可以实现信号检测算法以及扰动阈值判定功能。     

矿用带式输送机驱动滚筒轴承振动信号降噪方法

针对现有振动信号降噪方法中经验模态分解存在模态混叠、独立分量分析要求采集的振动信号数不少于源信号数等问题,提出了一种基于集合经验模态分解(EEMD)和快速独立分量分析(FastICA)的矿用带式输送机驱动滚筒轴承振动信号降噪方法。首先,通过EEMD算法对采集的振动信号进行分解,得到若干不同尺度的包含故障特征频率的本征模态函数(IMF)分量;然后,基于相关系数对IMF分量进行重构,得到特征信号和虚拟噪声信号,将重构的特征信号和虚拟噪声信号组成输入矩阵,并作为FastICA算法的输入;最后,利用FastICA算法实现信号与噪声分离,达到信号降噪的目的。实验结果验证了该方法的可行性和有效性。     

硅谐振微传感器中微弱信号频率的外差式随机共振检测

硅谐振微传感器输出信号的信噪比很低,频率信号往往淹没在噪声之中.论文分析了随机共振系统的功率谱放大率和信噪比特性,提出了外差式随机共振频率检测方法,并将该方法应用于硅谐振微传感器输出信号的频率检测.理论分析和数值仿真结果表明,外差式随机共振能将更多的噪声能量转变为频率信号的能量,通过调节载波信号频率可从共振谱峰的变化中准确测定谐振频率.该方法是可行、有效的.     

脉冲远场涡流检测PCA-ICA联合消噪技术

脉冲远场涡流作为一种新兴的电磁无损检测技术,国内外研究发现其对铁磁性管道检测具有显著的优势.然而在实际检测中,由于磁导率不均等管道自身材质因素的影响,使检测信号信噪比较低,易造成缺陷误判.针对这一问题,提出了主成分分析-独立分量分析(PCA-ICA)联合消噪技术.单通道缺陷扫查信号经过PCA处理后,利用前二阶主成分构建虚拟双通道信号作为ICA输入矩阵,采用扩展特征矩阵联合近似对角化(FJADE)算法实现在单通道信号欠定条件下缺陷信号与噪声信号的分离,达到降噪目的.通过仿真与实验研究证明:PCA-ICA技术可以有效降低磁导率不均等噪声信号对检测结果的影响,提升了检测结果的信噪比.     

天然气压气机械设备故障信号时频分析特征提纯

天然气压气站压气机械设备工作环境恶劣,故障多发,而机械设备的故障状态下的振动噪声信号是研究机械设备故障诊断的有效载体。为有效进行故障诊断,需要对机械设备的故障信号进行提纯分析和特征提取等研究。提出基于时频分析技术的WVD和Hough变换结合的方法对低信噪比的故障信号进行提纯算法。首先分析了非平稳信号处理技术的基本原理,对原始信号的滤波和检测、频谱分析等处理,分析了时频分析特性和对应的条件,提出采用时间均值、频率均值、时间散布和频率散布四个特征值作为时频分析的特征提取量。仿真实验以某天然气压气站某型压缩机故障振动下采集信号样本为研究对象,进行提纯滤波和特征提取仿真,仿真实验得到降噪滤波和WVD及Hough变换算法下的检测结果,表明在强干扰背景SNR为-8dB下,有卓越的滤波降噪和检测性能,特征提纯检测性能相比传统算法提高18％以上。为天然气压缩机故障诊断奠定了可靠的理论基础。     

基于Gabor滤波的引导源目标定位

针对引导源目标定位算法在低信噪比声源信号条件下不能有效定位的问题,在推导了引导源目标定位(GTL,Target localization algorithm using a guide source)算法原理基础上,根据低信噪比条件下GTL算法处理结果的特点,提出了利用Gabor滤波对算法输出条纹图进行降噪处理的方法。利用几组不同信噪比的引导声源和目标声源信号,对基于Gabor滤波降噪处理的GTL算法进行了仿真,并比较分析了其降噪前后引导源目标定位算法的处理结果。仿真结果表明,基于Gabor滤波处理后的GTL算法能准确实现低信噪比条件下的目标声源定位。     

强噪条件下基于小波降噪的陀螺仪声信号处理方法

为了将噪声诊断技术应用于陀螺仪性能分析,针对陀螺仪声音信号信噪比较低的特点,提出了一种小波降噪的新方法,通过尺度系数的比对有效地在复杂强噪声条件下提取出所需的陀螺仪音频信号,为性能分析提供了保证。实验验证降噪取得了较好的效果。