一种分布式光纤传感器系统模式识别的方法技术方案

本发明专利技术涉及分布式光纤振动传感应用技术领域，特别涉及一种分布式光纤传感器系统模式识别的方法，分布式光纤传感器系统准备。数据信号采集，构建不同事件的数据集。信号数据进行降噪处理。将信号数据转换到对应事件的时域图和时频域图。构建基于Vision Transformer的深度学习网络。进行识别分类。本发明专利技术预处理步骤简单，对数据没有进行大量的数据出来操作。保证了数据的原始性和防止数据的丢失，首次将算法与分布式光纤传感器事件图像进行结合，用来场景下事件分类。此算法是基于注意力机制的算法，与以往的卷积神经网络不同，其在大规模数据集上识别效果更高，一次能够提取全局特征等多种优点。等多种优点。等多种优点。

【技术实现步骤摘要】
一种分布式光纤传感器系统模式识别的方法


[0001]本专利技术涉及分布式光纤振动传感应用
，特别涉及一种基于Vision Transformer分布式光纤传感器系统模式识别的方法。

技术介绍

[0002]传感器作为信息获取的首要和关键部件，在信息科学技术中占有重要地位。光纤传感器利用光波信号进行传感，利用光纤进行传感信号的传输，对被测参量实现测量。分布式光纤传感技术是指多个传感单元分布在同一条传输光纤上，通过一个通道采集信号。相对于传统的电学传感器，光纤传感器具有一系列独特的优势:屏蔽电磁场干扰；不产生电磁场干扰；损耗低；抗腐蚀；本质安全；灵敏度高；传感光纤全天候大范围监测；具有遥感和分布式传感的能力；复用和多参数传感功能；成本低等。随着信息技术和光纤技术的发展，光纤传感器作为一种新兴传感器正逐步吸引人们的注意。截至目前，分布式光纤传感器被应用到土木工程领域、通信领域、石油化工危险场合领域、电力工业领域等多种应用场景中。
[0003]随着机器学习算法的发展，最初的学者将分布式光纤传感器事件识别与机器学习算法进行结合。首先将应用场景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式光纤振动传感器模式识别的方法，其特征在于，包括以下步骤：S1，分布式光纤传感器系统准备；S2，数据信号采集，构建不同事件的数据集；S3，信号数据进行降噪处理；S4，将信号数据转换到对应事件的时域图和时频域图；S5，构建基于Vision Transformer的深度学习网络；S6，进行识别分类。2.根据权利要求1所述的分布式光纤振动传感器模式识别的方法，其特征在于：所述S1具体为，S11，选择基于光时域反射计方案作为分布式光纤传感器技术方案；S12，准备分布式光纤系统中的窄线激光器、耦合器、声光调制器、第一掺饵放大器、带通滤波器、环形器、第二掺饵放大器、可调谐光衰减器、光电探测器、数据采集卡、个人电脑和单模单侧光纤设备；S13，将分布式光纤传感器系统进行组装，为多种应用场景下事件数据采集做准备。3.根据权利要求1所述的分布式光纤振动传感器模式识别的方法，其特征在于：所述S2具体为，S21，根据要探测和应用的场景，将分布式光纤传感系统布置在场景中，依据不同场景采集场景对应事件数据，在采集数据时依据分布式光纤传感系统设置对应的采样频率、脉冲宽度相关参数；S22，在数据集采集时，记录事件作用下分布式光纤传感通道数据变化情况；S23，将上一步事件作用下发生信号强度变化的通道数据进行保存和备份。4.根据权利要求1所述的分布式光纤振动传感器模式识别的方法，其特征在于：所述S3具体为，S31，将S2采集到的事件数据，从通道中提取出来；S32，将采集到的不同事件数据通过滤波器进行滤波操作；S33，将S32中的数据通过小波去噪进行降噪声处理，通过设置特定的小波基函数，对信号进行小波变换，将信号分解到多个尺度上，根据尺度上噪声和信号取值的不同，剔除或修正部分尺度分量重构信号，可以使用分解后得到的小波系数对噪声进行判定，噪声信号的小波系数通常较小，可以通过设定阈值的方法出去噪声，当小波系数小于阈值时，判定为噪声信号，反之，则判定为有效信号。5.根据权利要求1所述的分布式光纤振动传感器模式识别的方法，其特征在于：所述S4具体为，S41，将S3中经过降噪预处理后的数据，依据事件数据采集时设定的采样频率和时间，批量将数据转换成对应多种事件下的时域图；S42，将S3中经过降噪预处理后的数据，依据事件数据采集时设定的采样频率和时间，经过短时傅里叶变换将数据转换成对应多种事件下的时频域图。6.根据权利要求1所述的分布式光纤振动传感器模式识别的方法，其特征在于：所述S5具体为，S51，将S4中处理好的事件的时域图进行打标签操作，并按照8:1:1的比例划分为训练
集、检验集和测试集；S52，将S4中处理好的事件时频域图进行打标签操作，并按照8:1:1的比例划分为训练集、检验集和测试集；S53，基于事件数据的时域图和时频域图数据集，构建Vision Transformer深度学习图像分类模型，并设置Vision Transformer网络模型参数；S54，训练S53中所得到的Vision Transformer网络模型参数；S55，对训练后的Vision Transformer网络模型进行网络调优，若找到最优参数则保存最好结果的模型作为最终事件识别的模型，否则跳转至S54再进行网络模型的训练。7.根据权利要求6所述的分布式光纤振动传感器模式识别的方法，其特征在于：所述S53中的网络模型，具体包括Embedding层、Transformer Encoder层、MLP Head层；所述Embedding层包括卷积层、线性映射层、Clas s token层、Position Embedding层以及Dropout层；所述Transformer Encoder层包括Layer Norm层、多头注意力层、DropPath层、MLP Blo...

【专利技术属性】
技术研发人员：杨振国，董火民，王金伟，张发祥，王春晓，李传涛，
申请(专利权)人：山东山科控股集团有限公司，
类型：发明
国别省市：