[發明專利]一種基于微分進化神經網絡的OTDR故障特征判斷方法

有效

• 申請號: 201910362524.8
• 申請日: 2019-04-30
• 公開（公告）號: CN110212975B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 韓偉;張峰;孔圣立;李瓊林;劉磊;時晨;喬利紅;蔡得雨;吳春紅;黨一奇;段文巖
• 申請（專利權）人: 國網河南省電力公司電力科學研究院;鄭州創展科技有限公司;國家電網有限公司
• 主分類號: H04B10/071
• 分類號: H04B10/071
• 代理公司: 蘇州知途知識產權代理事務所(普通合伙) 32299
• 代理人: 張錦波

本申請涉及一種基于微分進化神經網絡的OTDR故障特征判斷方法，先采集充分多的OTDR故障特征診斷數據，對診斷數據進行去噪并剪斷操作處理后，輸入神經網絡中進行訓練，訓練好的神經網絡即可以應用到對OTDR的故障點判斷。本申請的方法將OTDR的故障點判斷問題轉換為神經網絡的模式識別，利用神經網絡的模式識別優勢，高精度地判斷故障點的位置和類型。

技術領域

本發明提供一種基于微分進化神經網絡的OTDR故障特征判斷方法，有別于傳統的故障判斷方法，能高精度的判斷OTDR故障類型，屬于電力通信測試領域。

背景技術

目前,光纖通信中廣泛使用光時域反射儀(OTDR)對光纖斷裂等故障進行判斷，其原理是通過往光纖中注入高強度光脈沖，利用光的瑞利散射和菲涅耳反射，對散射信號進行抽樣和量化處理，形成原始的數據曲線。并通過自動判斷算法，從曲線中找到光纖故障點。

當前廣泛使用的故障判斷算法有最小二乘法、五點法、小波算法等。其中最小二乘法和五點法實現起來較為容易，但是精度不高；而利用小波算法來進行處理，需要針對每個曲線找到合適的閾值，用來分離低頻分量，不適合實際工程應用，當前主要用小波算法來對數據進行濾波處理等操作。

神經網絡具有并行處理、信息綜合、優化計算、自學習和非線性映射等能力，目前已廣泛應用于諸如圖像識別、短期預測、故障診斷等各領域。神經網絡的性能主要取決于神經網絡的權值訓練和結構優化。而微分進化算法具有魯棒性好，控制參數少，全局搜索能力強等特點，適合用來訓練神經網絡，以求得權值最優解。

基于此，本發明提供了一種基于微分進化神經網絡的光時域反射儀(OTDR)的故障特征判斷方法，能夠基于智能算法訓練神經網絡，以智能識別光纖故障點，提高故障識別精度。

發明內容

本發明要解決的技術問題是：為解決現有技術中的不足，從而提供一種用于對對光時域反射儀(OTDR)所測量的數據信息進行智能判斷光纖故障點的基于微分進化神經網絡的OTDR故障特征判斷方法。

本發明解決其技術問題所采用的技術方案是：

一種基于微分進化神經網絡的OTDR故障特征判斷方法，包括以下步驟：

S1：構建特征數據集，使用OTDR對多條種類的光纖進行測試，每個測試包含多條測試原始數據，形成初始原始數據集N1；對初始原始數據集N1進行分析，獲得每條測試原始數據對應的故障類型，去除噪聲數據后形成特征數據集N2；

S2：將特征數據集N2進行剪斷，對每條特征數據集N2，每隔M個點來進行剪斷，建立子樣本矩陣[a_i1,a_i2……a_in]，其中i～1-X，X為特征數據集N2的總條數，將每個子樣本矩陣與故障類型進行對應，故障類型為剪斷前測試原始數據的故障類型，共形成N2/M個數據樣本；

S3：對數據樣本進行歸一化處理，形成測試數據集；

S4：形成測試數據集之后，使用訓練算法和測試數據集來對人工神經網絡進行訓練；

S5：利用微分進化算法對神經網絡進行結構優化和權值訓練，權值訓練和結構優化同時進行；

S6：獲取待判斷的OTDR測試數據，對OTDR測試數據以每隔M個點對待判斷的OTDR測試數據進行剪斷，建立子樣本矩陣[a_i1,a_i2……a_in]，將每個建立子樣本矩陣[a_i1,a_i2……a_in]中的數據進行S3步驟中的歸一化操作后輸入到S5步驟中訓練好的神經網絡中；

S7：根據神經網絡的輸出值確定故障類型。