[發(fā)明專利]基于空域特征和機器學(xué)習(xí)的光纖預(yù)警模式識別方法

有效

• 申請?zhí)枺?/td>: 202310693273.8
• 申請日: 2023-06-13
• 公開（公告）號: CN116432007B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設(shè)計）人: 孫茜
• 申請（專利權(quán)）人: 天津精儀精測科技有限公司
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06N20/00;G06F18/10;G06F18/2433;G06F18/20;G08C23/06
• 代理公司: 天津合正知識產(chǎn)權(quán)代理有限公司 12229
• 代理人: 呂琦

1.一種基于空域特征和機器學(xué)習(xí)的光纖預(yù)警模式識別方法，其特征在于，包括如下步驟：

S1、通過分布式光纖振動傳感系統(tǒng)，感應(yīng)光纖周圍的二維振動信號，構(gòu)成二維時空圖像，提取特征信號；

S2、對特征信號進(jìn)行預(yù)處理得到多個目標(biāo)特征信號序列；

S3、計算多個目標(biāo)特征信號序列在空域上的距離；

S4、采用平均幅度差函數(shù)提取具有最小距離的目標(biāo)特征信號的異常特征，計算最小距離的目標(biāo)特征信號的平均幅度差函數(shù)，預(yù)測異常特征信號周期；

S5、根據(jù)預(yù)測得到的異常特征信號周期判斷異常特征信號類型，確定光纖預(yù)警模式。

2.根據(jù)權(quán)利要求1所述的光纖預(yù)警模式識別方法，其特征在于，步驟S2中，對特征信號進(jìn)行預(yù)處理，具體步驟如下:

S21、計算t個特征信號序列x（i）的累積差作為一個新的信號序列y(t)：

；

式中,是特征信號序列x(i)的平均值；

S22、將得到的新的信號序列y(t)等分為m個信號序列區(qū)間；

S23、采用最小二乘法對每個信號序列區(qū)間進(jìn)行線性擬合,得到每個信號序列區(qū)間的局部趨勢y_n(t)；

S24、從新的信號序列y(t)中減去y_n(t),并計算均方根誤差X_m：

；

S25、改變區(qū)間長度的大小,重復(fù)步驟S22~?S24,直到得到目標(biāo)特征信號序列。

3.根據(jù)權(quán)利要求1所述的光纖預(yù)警模式識別方法，其特征在于，所述步驟S3中采用最小距離法計算目標(biāo)特征信號序列在空域上的距離，具體包括：

S31、獲取各個目標(biāo)特征信號序列的中心特征信號，得到中心特征信號序列，用Ｃ＝［c₁，…，c_i，…，c_m］表示，其中m表示中心特征信號的個數(shù)；

S32、針對每個中心特征信號計算與它相鄰的目標(biāo)特征信號序列的中心特征信號的最小距離d_min1：

4.根據(jù)權(quán)利要求1所述的光纖預(yù)警模式識別方法，其特征在于，所述步驟S4中：設(shè)周期為Np，樣點相距為周期的K倍，k為周期間隔，將幅值差值d(n)定義為極小值，用公式表示如下：

；

其中，e(n)為各幀n的短時能量，短時能量平均幅度差函數(shù)F_n(k)為：

5.根據(jù)權(quán)利要求1所述的光纖預(yù)警模式識別方法，其特征在于，所述步驟S5包括：

首先定義向量R為異常特征信號周期的模式輸入，RVM的分類模型y(R,w)為：

；

式中：B是類別個數(shù)；w為權(quán)值向量，；為B×（B＋1）的矩陣，，是核函數(shù)，整個數(shù)據(jù)集的似然函數(shù)為：

；

t_i為第i個類別，用稀疏貝葉斯方法對權(quán)值向量ｗ賦予零均值高斯先驗分布：

；

通過求概率參數(shù)的最大后驗概率來預(yù)測最大后驗權(quán)值，從而輸出RVM模型y(R,w)。