[發明專利]一種隧道異物入侵事件在線識別方法及系統

有效

• 申請號: 202011560037.1
• 申請日: 2020-12-25
• 公開（公告）號: CN112541480B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 孫琪真;賀韜;劉懿捷;張世雄;胡蝶;田彬;閆志君;劉德明
• 申請（專利權）人: 華中科技大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T17/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種隧道異物入侵事件在線識別方法，其特征在于，包括以下步驟：

S1，獲取整個隧道內的聲波信號；

S2，計算所述聲波信號的時域底噪值D_t和頻域底噪值D_f，若時域底噪值D_t大于閾值TH，則判定該信號為壞道信號或第一類異常信號，并通過分類器進行區分；否則，進入S3；

計算所述聲波信號的時域底噪值D_t包括：

S21，設置一個寬度為m的時域滑動窗，對時域滑動窗內的時域信號幅值取絕對值，通過移動時域滑動窗，依次找出時域滑動窗內的最大幅值；

S22，找出S21中所有最大幅值中的最小值，并將所述最小值對應的時域滑動窗切分為n份，對每份切片中的最大幅值取平均值，得到信號時域底噪值D_t；

計算所述聲波信號的頻域底噪值D_f包括：

S23，對時域聲波信號進行快速傅里葉變換，得到頻譜能量信息，取頻譜中所有點的能量均值為信號頻域底噪值D_f；

通過分類器區分壞道信號和第一類異常信號，包括：

S24，設置一個寬度為M的頻域滑動窗，依次對每個頻域滑動窗內的能量進行積分求和，得到每個頻域滑動窗積分后的能量；

S25，基于所有頻域滑動窗積分后的能量中的最大值，確定頻譜能量閾值G；

S26，找出超過頻譜能量閾值G的能量峰個數f₁以及對應的頻率值，并分別計算出所有超過頻譜能量閾值G的能量峰對應的頻率值的平均數f₂和方差f₃，將特征矩陣[f₁，f₂，f₃]作為分類器的識別依據，以區分壞道信號和第一類異常信號；

S3，計算其余信號的時域最大幅值Y_s和頻域最大能量峰值Y_f，若時域最大幅值Y_s大于時域幅度閾值T1，且頻域最大能量峰值Y_f大于頻域能量閾值T2，則判定該信號為第二類異常信號；否則，判定該信號為背景噪聲信號；其中，T1＝αD_t，T2＝βD_f，α、β為倍數因子；

S4，獲取所述第一類異常信號和第二類異常信號的時空特征信息以及主頻帶能量隨時間分布的特征信息，以識別出所述第一類異常信號和第二類異常信號中的破壞性入侵事件；

獲取所述第一類異常信號和第二類異常信號的時空特征信息，包括：

S41，通過時間-空間重構技術對聲場分布數據進行量化，按照時間順序構成多幀隧道聲場空間分布灰度圖；

所述時空特征信息σ表示為：

其中，N為第一類異常信號和第二類異常信號點數，(X_k,Y_k)為第k幀隧道聲場空間分布灰度圖中最大灰度級對應的空間區域坐標，為所有幀對應最大灰度級的空間區域坐標點的平均值；

獲取所述第一類異常信號和第二類異常信號的主頻帶能量隨時間分布的特征信息，包括：

S42，對所述第一類異常信號和第二類異常信號進行頻譜分析，得到信號對應的主頻帶分布Δf＝f_H-f_L，其中f_H為主頻帶的上截止頻率，f_L為主頻帶的下截止頻率；

所述主頻帶能量隨時間分布的特征信息E(t)表示為：

其中，S(t,f)為信號經S變換得到的時頻二維矩陣，且x(t)為聲波信號，t為時刻，τ用來控制S變換中高斯窗口在時域上的位置；

識別出所述第一類異常信號和第二類異常信號中的破壞性入侵事件，包括：

S43，將所述第一類異常信號和第二類異常信號的特征參量矩陣[σ,E(t)]送入BP神經網絡模型中進行訓練，得到最優模型；

S44，基于所述最優模型，識別出所述第一類異常信號和第二類異常信號中的破壞性入侵事件。

2.根據權利要求1所述的隧道異物入侵事件在線識別方法，其特征在于，所述步驟S1包括：

獲取隧道內每個傳感器探測的外界聲波信號；對實際隧道結構進行三維建模，并計算出每個傳感器對應的空間坐標；根據空間坐標信息將所述外界聲波信號映射到所述三維模型中，最終得到整個隧道內的聲場分布數據。