基于STFT图像特征的天然气管道预警技术研究

摘要：

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20 km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.

关键词：Φ-OTDR、STFT、管道、机器学习、深度学习

所属期刊栏目：31

分类号：TN20(光电子技术、激光技术)

资助基金：国家自然科学基金;榆林市科技局项目

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：83-89