Jun 05, 2025

Diseño de algoritmo de clasificación y reconocimiento de múltiples objetivos basado en la red de sensores de fibra óptica

Dejar un mensaje

Debido a las características del gran rango de detección, la alta sensibilidad y la buena adaptabilidad ambiental, las redes de detección de fibra óptica se han aplicado ampliamente en la seguridad a gran escala y el posicionamiento del objetivo regional. Las funciones tradicionales, como la identificación de la presencia de un objetivo y juzgar aproximadamente su posición, ya no son suficientes para cumplir con los requisitos de detección cada vez más exigentes. Clasificar con precisión múltiples objetivos y múltiples parámetros estatales en un área grande se ha convertido en un punto de acceso de investigación. Entre ellos, la identificación del tipo de objetivo, calculando la posición objetivo e inferir el estado de movimiento del objetivo son las principales tareas de detección de la red de detección.

 

Sidelnikov O et al. Pruebas realizadas en múltiples señales de interferencia anormales dentro de una región, logrando una tasa de detección de 86. 3% mediante el uso de diferentes frecuencias para la clasificación de destino. Sin embargo, este método solo puede realizar una clasificación cualitativa y no puede proporcionar información sobre los parámetros estatales de los objetivos. Tejedor J et al. estableció una red de detección de fibra óptica en tuberías e identificó operaciones potenciales de ingeniería que podrían poner en peligro las tuberías analizando las diferencias en las señales de vibración. También clasificaron diferentes interferencias utilizando umbrales de intensidad. Tian Miao combinó redes neuronales con el método de descomposición del modo de función para analizar cuatro tipos de eventos de intrusión, logrando una tasa de reconocimiento promedio de 85.2%. Zou Boxian et al. Usó tecnología de visualización tridimensional de señales de vibración para clasificar diferentes fuentes de vibración, como ruido blanco, peatones, vehículos y excavadoras. El análisis de simulación mostró una tasa correcta de más del 90%. Sin embargo, la gran cantidad de datos de nubes de puntos tridimensionales redujo significativamente la velocidad de procesamiento. Peng Kuan et al. Fuentes de intrusión regionales probadas basadas en diferencias de dominio de tiempo\/frecuencia, logrando una precisión de clasificación de más del 98% para cuatro tipos de fuentes de interferencia periódica. Jiang Hong et al. Probó cinco interferencias comunes de intrusión utilizando rejillas de fibra ultra wail fibra y las clasificó en función de las características de señal normalizadas. En 500 muestras de prueba, la tasa de reconocimiento fue superior al 98%. Pan Ruizhi et al. Usó la tecnología de detección táctil de rejilla de fibra Bragg para lograr la clasificación objetivo, con una precisión del algoritmo del 96,6%. Sin embargo, este método se usa principalmente para la medición de contacto directo entre el objetivo y el FBG. Aunque tiene una alta precisión, su rendimiento de respuesta disminuye significativamente con el aumento de la distancia. Wei-Hao C et al. Usó la tecnología φ-OTDR para obtener señales objetivo, que tienen las características de alta precisión y buena estabilidad. Suzhen L et al. Usó redes neuronales artificiales para medir las vibraciones de construcción en los datos de detección de fibra óptica, que tienen las características de alta precisión y amplia cobertura. Sin embargo, este método se utiliza principalmente para el reconocimiento de señales de vibración única y no puede lograr la clasificación de múltiples objetivos. Shang Qiufeng et al. descomposición de modo variacional combinado con algoritmos de máquina de vectores de soporte para identificar cuatro tipos de señales anormales, logrando una precisión de identificación de más del 98%. Sin embargo, debido al uso de dos algoritmos, el tiempo de procesamiento de un solo conjunto de datos fue de 169 segundos, lo que fue relativamente lento.

 

Se diseñó un algoritmo de identificación basado en las características de los parámetros de señal de objetivos múltiples. Este algoritmo marca las características de diferentes objetivos en términos de amplitud, duración y frecuencia, logrando el desacoplamiento de la señal en el caso de alias de señal de objetivos múltiples. Se probaron las características de la señal de detección de fibra de cuatro objetivos comunes y se completó el análisis cuantitativo de señales de objetivos múltiples. Los resultados experimentales muestran que la amplitud media de la longitud de onda del objetivo 1 es 1.25 nm, con un período característico de aproximadamente 12 0 ms; Las amplitudes medias de longitud de onda de los objetivos 2 y 3 están entre 150-350 PM, con duraciones que van desde 1 a 3s; La amplitud media de longitud de onda del objetivo 4 supera los 3.2 nm, con una duración de aproximadamente 15s. Estas características tienen una alta precisión de reconocimiento en este algoritmo. En la prueba de alias de objetivo, la tasa promedio de reconocimiento objetivo y la media de la precisión de reconocimiento están por encima del 80.0%, verificando la viabilidad del algoritmo propuesto.

Envíeconsulta