（计算机应用技术专业论文）基于土壤振动信号识别的管道安全预警系统.pdf

摘要 摘要 油气管道是能源运输的大动脉，管道的安全运行对国家能源战略的实施， 维护社会和谐稳定都具有十分重要的意义。目前国内尚无全天候、长距离、实 时预警的管道监测技术。油气管道安全预警技术代表了智能化周界感知和重要 线路安全保障这类应用的通用技术要求，有着重要的学术价值和产业价值。 本文立足分布式光纤传感平台，利用数字信号处理技术和人工智能技术， 在油气管道主动安全预警技术方面做了深入的研究工作，主要内容及成果如下： 1 设计并实现了针对土壤振动信号的处理方法体系，包括信号去噪与增强 技术、基于频域和时域的特征提取方法、基于人工神经网络的信号分类方法。 该方法体系能有效的实现对土壤振动信号的分析与识别。 2 设计并实现了针对油气管道安全的预警机制，根据土壤振动信号识别结 果进行事件的时间序列分析，实现对非安全事件的实时预警。同时设计并实现 了具有自适应能力的增量学习机制，提高本文工作成果的通用性和稳定性。 3 设计并实现了完整的油气管道安全预警应用系统框架，基于松散耦合原 则进行模块划分和接1 ：3 设计，采用软硬件结合的方式实现了嵌入式的无人值守 安全预警终端，集成了数据采集系统，预警系统和综合服务器等多个子系统， 成功部署一套稳定性高，可用性好的油气管道安全预警系统。 本文工作成果经现场真实运行测试，正确报警率高达9 3 ，漏报率低于3 ， 平均信号处理时间6 8 毫秒，完全满足油气管道安全预警的可靠性和实时性要 求。 本文工作隶属于8 6 3 课题，其研究成果对其他安全防护领域的实时环境监 测问题有重要的借鉴意义，在煤矿安全生产、国防警戒、社会安保等诸多领域 有着极为广阔的应用前景。本文的研究工作覆盖了光学、电子、计算机、人工 智能等多个学科，为多学科交叉解决实际应用问题提供了良好的范例。 关键词：土壤振动信号管道安全预警数字信号处理人工神经网络 a b s t r a c t a b s t r a c t g a s o i lp i p e l i n ei st h ea r t e r yo fe n e r g yr e s o u r c et r a n s p o r t a t i o n t h es a f er u n n i n g o fp i p e l i n ei sq u i t ei m p o r t a n tf o rn o to n l yt h ei m p l e m e n t a t i o no fan a t i o n se n e r g y r e s o u r c e ss t r a t e g y , b u ta l s ot h em a i n t a i n i n go ft h es o c i e t y sh a r m o n ya n ds t a b i l i t y s o f 打t h e r eh a sb e e nn or e a l - t i m ep r e - a l e r tp i p e l i n em o n i t o r i n gt e c h n o l o g ys a t i s f i a b l ei n a l l - w e a t h e ra n dl o n g d i s t a n c ec o n d i t i o ni nc h i n a g a s o i lp i p e l i n es e c u r i t yp r e a l e r t t e c h n o l o g ys t a n d sf o rt h eg e n e r a lr e q u i r e m e n to fm a n ya p p l i c a t i o na r e a ss u c ha s i n t e l l i g e n te n v i r o n m e n ts e n s i n ga n di m p o r t a n tc i r c u i t r ys a f e g u a r d i n g , e t c s o ，i th a s h u g ev a l u ei nb o t ha c a d e m i ca n di n d u s t r i a lf i e l d s i nt h i st h e s i s ，w em a k ead e e pr e s e a r c ho np i p e l i n es e c u r i t yi n i t i a t i v ep r e a l e r t t e c h n o l o g yb yu s i n gd i 西t a ls i g n a lp r o c e s s i n ga n da r t i f i c i a li n t e l l i g e n c et e c h n o l o g y , b a s e do nd i s t r i b u t e df i b e rs e n s i n gp l a t f o r m o u rm a i nt a s ka n dp r o d u c t i o na r ea s f o l l o w s ： 1 d e s i g n e da n di m p l e m e n t e das y s t e mo fp r o c e s s i n gm e t h o d sa i m i n ga ts o i l v i b r a t i o ns i g n a l sa n a l y s a t i o n , w h i c hi n c l u d e sn o i s er e m o v i n ga n ds i g n a li n t e n s i f y i n g t e c h n o l o g y , f e a t u r ee x t r a c t i o nm e t h o db a s e do nt i m e - f r e q u e n c ya n a l y s i s ，s i g n a l c l a s s i f i c a t i o nm e t h o db a s e do na r t i f i c i a ln e u r a ln e t w o r k t h i sm e t h o ds y s t e mc a n a n a l y z ea n dr e c o g n i z es o i lv i b r a t i o ns i g n a l se f f e c t i v e l y 2 d e s i g n e da n di m p l e m e n t e dap r e a l e r tm e c h a n i s mf o rg a s o i lp i p e l i n es e c u r i t y t h i sm e c h a n i s mc a nc a r r yo na c t i v i t i e s t i m es e r i e sa n a l y s i sa n ds e n da l a r ma b o u t u n s e c u r e de v e n t s ，a c c o r d i n gt ot h er e s u l to fs o i lv i b r a t i o ns i g n a lr e c o g n i t i o n w ea l s o d e s i g n e da n di m p l e m e n t e da ni n c r e m e n t a ll e a r n i n gm e c h a n i s mw h i c hh a st h ea b i l i t y o fs e l f - a d a p t a t i o n t h i sc a l li m p r o v et h eg e n e r a l i t ya n ds t a b i l i t yo fo u rp r o d u c t i o n 3 d e s i g n e da n di m p l e m e n t e daw h o l e g a s o i lp i p e l i n es e c u r i t yp r e a l e r t a p p l i c a t i o ns y s t e ma r c h i t e c t u r ea n dp a r t i t i o n e dt h es y s t e mi n t om o d u l e s ，d e s i g n e d t h ei n t e r f a c eb a s e do nl o o s ec o u p l i n gp r i n c i p l e a tt h es a m et i m e ，w ei m p l e m e n t e d a ne m b e d d e ds e l f - s e r v i c es e c u r i t yp r e - a l e r tt e r m i n a l ，u s i n gt h ec o m b i n a t i o no f s o f t w a r ea n dh a r d w a r e w h a t sm o r e ，w ei n t e g r a t e dd a t ac o l l e c t i o ns y s t e m ，p r e - a l e r t i i a b s t r a c t s y s t e ma n dm a n ym o r es u b s y s t e m s ，s u c c e s s f u l l yd e p l o y e d ag a s o i l p i p e l i n e s e c u r i t yp r e a l e r ts y s t e m ，w h i c hh a s ah i g hs t a b i l i t ya n dg o o du s a b i l i t y o u rp r o d u c t i o nh a sb e e nt e s t e di nr e a lf i e l d w o r k i t sc o r r e c t a l e r tr a t ei su pt o 9 3 ，a n dt h ef a i l - t o - a l e r tr a t ei sb e l o w3 t h ea v e r a g et i m eu s e db ys i g n a l p r o c e s s i n gi s6 8 m s s o ，i tc a na b s o l u t e l yf u l f i lt h ed e m a n do fs e c u r i t yp r e - a l e r t s y s t e mi nt h es e n s eo f r e l i a b i l i t ya n dr e a l - t i m ec a p a b i l i t y o u rw o r ki ss u b j e c tt oan a t i o n a l8 6 3p r o j e c t i t sp r o d u c t i o nh a sa ni m p o r t a n t r e f e r e n c em e a n i n gf o ro t h e rs a f e g u a r da r e a sr e a l - t i m ec o n d i t i o nm o n i t o r i n ga n dh a s av e r yw i d ea p p l i c a t i o nf o r e g r o u n di nc o a lm i n i n gs a f e t y , n a t i o n a ld e f e n c eg u a r d i n g , c o m m u n i t ys a f e g u a r d i n ga n dm a n yo t h e ra r e a s o u rr e s e a r c hw o r kc o v e r sm a n y s u b j e c t ss u c ha so p t i c s ，e l e c t r o n i c s ，c o m p u t e rs c i e n c e ，a r t i f i c i a li n t e l l i g e n c e ，e t c i t s e t sag o o de x a m p l ef o r s o l v i n ga p p l i c a t i o np r o b l e mu s i n gm u l t i - c r o s s i n g k n o w l e d g e 。 k e yw o r d s ：s o i lv i b r a t i o ns i g n a l ，p i p e l i n es e c u r i t yp r e a l e r t ，d i g i t a ls i g n a l p r o c e s s i n g , a r t i f i c i a ln e u r a ln e t w o r k i i i 南开大学学位论文版权使用授权书 本人完全了解南开大学关于收集、保存、使用学位论文的规定， 同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版 本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、 扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供 本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有 关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前 提下，学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者虢互绎呼 如多年5 月习日 经指导教师同意，本学位论文属于保密，在年解密后适用 本授权书。 指导教师签名：学位论文作者签名： 解密时间：，年月 日 各密级的最长保密年限及书写格式规定如下： 南开大学学位论文原创性声明 、本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行 研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文 的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的 作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集 体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任 由本人承担。 学位论文作者签名： 互耀呼 2 0 d 8 年占月力日 第一章绪论 第一章绪论 第一节课题的研究背景 油气管道是能源运输的大动脉，管道一旦泄漏极易发生燃烧爆炸，不仅影响 管道的安全生产，还将给国家和人民群众的生命与财产造成巨大损失。我国现 有管道5 万多公里，在管道上打孔盗油、盗气造成的事故十分频繁。随着管道 沿线经济的快速发展，沿线施工、动土随处可见，这些都威胁着管道的生产安 全。管道行业每年投入了大量的人力物力来保障管道的安全运行，仍然无法预 防和阻止破坏。“十一五期间将建设3 万多公里的油气管道，管道行业的安 全生产形势非常严峻，寻找确保管道运输安全生产的手段和方法已迫在眉蒯1 1 。 2 0 0 4 年以来，中国石油天然气管道局联合南开大学联合攻关，采用分布式 干涉技术进行光纤管道安全预警技术研究，成功开发出一套分布式光纤管道安 全监测系统，并先后在中国石油天然气管道局光纤预警试验场5 6 公里长传感试 验系统、西气东输管道苏浙沪3 4 公里的管线进行了现场测试。但是该系统要想 实现现场应用还需要解决定位精度、模式识别、提高灵敏度，以及管道沿线威 胁事件的识别和安全预警等技术难点。 本课题在先期工作的基础上，针对分布式光纤管道采集的土壤振动信号进 行处理和识别，并根据土壤振动信号的特征确定各种破坏事件的严重性，进行 预测性的安全预警，从而实现保障油气管道安全，防患于未然的目的。 本课题预期成果的推广将大大推动油气管道安全监测技术的发展，加快适 合我国国情的油气管道运行安全保障技术体系的建立，显著提升我国油气管道 运行安全管理水平，可以大大降低管道事故发生率，避免不必要的管道维修和 更换，从而带来显著的经济效益和社会效益。本项目研究成果还可推广应用到 国防及其它重要设施和重要区域的安全防范与预警，提高安全保障水平。 同时本课题的推广还将推动光纤传感技术的发展，加快光纤传感技术在油 气管道、油气田开发、测井测控等领域的应用，提升油气生产的技术水平。 第一章绪论 第二节国内外研究现状 1 2 1 油气管道安全预警技术的现状与趋势 国内对管道安全的维护通常采用人工巡检的方法【2 】，定期巡查管道沿线情 况，由于间隔时间长，无法实时监测管道安全状态，不能及时发现对管道的破 坏，一旦发生泄漏也不能及时发现和处理。 目前应用于管道安全监测的方法主要是泄漏监测，如压力梯度法【3 】【4 】、负压 力波法 5 - s 】、流量平衡法【9 。1 1 】、超声波检测法 1 2 - 1 4 1 等，这些方法共同特点是油气 管道破坏发生泄漏后的监测报警，不能在管道遭到破坏前对破坏事件进行预报， 且报警准确度和定位精度不能满足油气管道安全生产的要求，尤其不能满足对 大口径、微漏、渐漏的监测，所以没有得到有效推广。 随着能源安全形势的变化，国外出现了基于声波传感器的检测技术，采用 多点定位的点状分布结构，工程施工复杂、造价十分昂贵，不适合中国管道安 全生产的要求。 随着激光和光纤技术的发展，国内外在光纤传感技术领域进行了大量研究， 比如：布里渊技术【1 5 1 7 】( 用于测量应力和温度) 、拉曼技术1 8 】【1 叼( 用于测量温 度) 、光纤光栅技术2 0 】( 用于测量应力) ，但是这些项技术的监测长度受到本 身固有的技术限制而只能达到十几公里或者采用布点的方式，且对土壤振动不 灵敏，不适用于油气管道安全预警工程应用。澳大利亚f f t 公司采用激光长距 离干涉仪监测技术，在管道安全预警技术方面进行了研究，并在一些技术方面 取得一些进展【2 3 】，但是由于监测灵敏度、监测长度( 2 0 公里左右) 、定位精 度和系统噪声等方面不能满足油气管道安全预警的工程要求。 中国石油天然气管道局与南开大学以及国内其他科研机构开展合作，已经 在实验室成功开发出了5 6 公里长的光纤干涉仪【冽【2 5 1 ，并在增敏和降噪技术方 面取得了实质性进展，能够对土壤振动信号进行有效的获取、抗干扰滤波和定 位，但是由于缺少对土壤振动信号的自动分析和准确识别，尚无法投入到油气 管道安全预警的现实应用中。 2 第一章绪论 1 2 2 土壤振动信号处理的现状与趋势 近几年来，在周界防范预警领域，除了视频分析报警外，鲜有重大突破， 原因正在于视频分析报警方法适时引入了智能信号处理方法，而其他基于各种 电缆、光纤传感器的周界预警系统则仍局限于以阈值方式来判断是否发生破坏 行为( 或入侵行为) ，缺乏对采集信息的进一步智能处理，或者只是将采集信息 经预处理后提交给专家作进一步分析【2 6 - 2 8 3 ，这样系统整体缺乏对周界环境的自 动化智能感知，难以在提高对破坏( 威胁) 事件敏感度的同时有效降低虚报率。 针对油气管道土壤振动信号的分析和处理，国内多家科研机构进行了各种 尝试。如采用统计模式识别方法【2 9 】对土壤振动信号进行精确的模式比对。因为 油气管道的土壤振动信号存在多种特征交迭、背景噪音杂乱、不同信号特征相 似度较大等特点，传统模式识别方法无法实现有效的信号分析和安全预警。 近年来，计算机技术、控制理论、信号处理、模式识别、人工神经网络等 学科的发展促进了以软件为主的油气管道安全预警技术的发展，这种方法能实 现实时的在线监测，及时给出报警信号，因此这方面的监测预警技术将是研究 的热点和趋势。 在数据挖掘、时间序列分析、自学习智能分类系统的设计方面，人工神经 网络和支持向量机等方法得到了极为广泛的应用。南开大学信息学院的科研人 员近年来在各种复杂的信号处理与分析、模式分类问题、人工神经网络与支持 向量机等领域取得了很多科研成果，这些技术积累将极大的保证本课题各项目 标的顺利实现。 第三节本文主要工作及创新点 1 3 1 本文主要研究内容 本文主要开展以下研究工作： 1 3 1 1土壤振动信号的分析与识别方法研究 土壤振动信号的特征交迭性和相似性使得基于比对患想的模式分类方法根 本不能满足要求。单纯依靠专家经验提取信号特征并进行分类又无法满足未来 3 第一章绪论 不断发展变化的应用环境。利用人工神经网络、s v m 等技术建立特征分类系统 是实现本课题目标的必经途径。 1 3 1 2 预警事件分析与自主学习方法研究 信号片断的识别仅能提供以短时片断为单位的振动信息，而割裂了信号片 断之间的联系。土壤振动信号片断序列具有很强的时间演化特性，利用该特性 进行整个破坏事件过程的分析，能够更加准确的分析和判断出非安全事件的类 型以及过程，并更加合理地从应用层面为管道安全监测人员提供判断依据。 此外，油气管道所经过的地质结构会随着自然环境的变化和社会环境的变 化而发生改变，由此会影响土壤振动信号的特征发生变化，新的破坏手段的出 现又会引入新的土壤振动信号。这就要求安全预警系统必须具有良好的自学习 能力，在利用已知的信号特征和环境信息进行分类的同时，又可根据石油部门 管理人员对安全预警信号的标定和决策，自动的修正现有的特征分类系统。这 种自学习能力是油气管道安全预警必须具备的重要功能。 1 3 1 3 应用系统结构设计与应用流程搭建 本文以人工神经网络为核心技术思想，并与事件综合分析判断机制有机融 合，从而实现对土壤振动信号的多层次处理和多维度特征分析，并建立结构开 放、功能完整、具有高鲁棒性和自适应性的安全预警系统。 本课题的成果实现后，还需要与石油管理部门的现有信息化环境进行有效 的整合，完成数据的完整流通和人机交互，将安全预警应用流程和企业管理流 程相互结合，最大限度地发挥安全预警系统的价值。 1 3 1 4 调试评测与技术支持方法研究 本课题的成果必须经过实验场和真实管道现场的实验检测，需要采集现场 的各种信号特征，研究环境因素的各种干扰。同时还需要通过实用情况检验研 究成果，研究系统的现场运行情况，同时接受用户的反馈意见，并进行不断地 改进和完善，从而满足现实需求。 1 3 2拟解决的技术难点 1 3 2 1 土壤振动信号的分析与识别 4 第一章绪论 不同信号源产生的土壤振动信号在振幅、频率等方面存在一定的相似性和 差异性，采用自动聚类的方法对信号片断进行分析，可建立较为宏观的破坏事 件信号分类机制，同时为基于人工神经网络的信号分类机制提供初始权值、特 征种类等重要的先验信息。 破坏事件的土壤振动信号存在极为明显的时间演化特征，体现在振动信号 的变化趋势、持续时间等方面。与单一信号片断的振幅、频率等特征相比，信 号的时间演化特征具有更为明显的可分类性。 本课题将针对信号片断的自身特征和信号片断序列的时间演化特征进行综 合分析，在两者结合的基础上进行自动化、智能化的信号分类。 1 3 2 2 安全预警事件分析与自主学习机制 以人工神经网络技术为主体，融合事件综合分析判定机制，实现对信号片 断和信号片断序列的自动分类。判断产生信号的事件类型，并给出相应的可信 度数据，为安全预警提供数据支持。 信号分类的结果将在安全预警系统中接受操作人员的决策和修正，操作人 员的决策结果可作为分类系统的自学习数据源，以“增量学习”的方式来进一 步训练现有的分类系统，采用这样的工作模式，可在无人工干预的情况下不断 地提高分类系统的性能。 1 3 2 3 应用系统架构与解决方案部署 油气管道安全预警系统以信号的分类和识别为核心内容，需要依托多种数 据通信技术，同时要考虑人机交互机制的实用性。为保证数据处理的实时性和 准确性，需要解决多线程的调度，同步与互斥，内存共享文件映射，数据结构 和接口的一致性等一系列问题。 安全预警系统还要与管道局现有的g i s 系统、g p s 系统、数字视频和安全 监控系统、通信系统和管理调度系统集成，实现对油气管道沿线和场站设备的 无缝监测，提供完全满足现实应用需求的商业化系统，为企业的信息化运作服 务。 1 3 3本文主要创新点 本课题的主要创新点如下： 5 第一章绪论 1 提出超长距离分布式光纤传感器的管道沿线土壤振动信号识别与分类技 术。本课题对各类破坏事件的发生机理和发展规律进行总结分析，对土壤振动 信号的单元特征和时间演化特征进行聚类和分类，进而实现对破坏事件的类型、 性质进行精确识别。 2 提出并实现超长距离油气管道的自适应、自学习安全预警系统。本课题 设计并实现具有自主学习能力、自动适应油气管道环境的安全预警系统，以人 机结合的方式对各类破坏事件进行实时监测和及时预防。该系统经过简单的训 练和学习，可满足不同地质结构和地理环境下超长距离油气管道的安全预警需 求。 第四节本文主要内容 本文共分五章，具体组织结构安排如下： 第一章介绍论文题目的背景，现有研究现状，存在的技术难点和本文的主 要工作，创新点。 第二章首先介绍土壤振动信号产生过程和特点，并说明了人工神经网络和 支持向量机两种分类器在土壤振动信号处理上的优势。其次讲述了信号的预处 理过程和特征提取工作，并针对特定的信号特征讨论了分类器的设计过程，最 后对各种类型的振动信号进行分类实验。 第三章从系统应用的层面，分析了事件的逻辑结构层次，依此设计安全预 警事件的分析机制。本章同时讨论了分类器自适应学习机制的设计，以及软件 应用系统的流程、架构设计和调试维护方法。 第四章对系统的功能和性能进行综合评测。 第五章是对本文工作的总结和对该系统未来应用前景的展望。 6 第二章土壤振动信号的分析与识别 第二章土壤振动信号的分析与识别 第一节土壤振动信号特征分析 2l1 土壤振动信号的采集机制 本系统利用沿管道铺设的光纤束感应并传输土壤振动信号1 闭。信号采集 机制见图2 1 。 计算机 信号处理系统 户 管道附近施工f 一一 匹= 豆= 0_ 汇= 二= = = 其中，光纤沿输油管线铺设，两者间保持一定距离，当有破坏行为( 如镐 刨) 发生时，土壤会首先感受到振动，从而光纤受到挤压变形，产生谐振，此 时光纤中的激光受到干扰，相当于被振动信号进行了相位调制。经过理论推导， 我们可以得到调制公式为： 口( f ) ：竺型s i n ( 2 2 z r v t l 埘 ( 2 1 ) 其中，m ( f ) 为光电信号的频率，丑为光源波长，为光纤长度，v 和a 分别 为外部振动频率和振幅。可见，光电信号频率幅值本身不仅与 、，、y 和a 有 翟 第二章土壤振动信号的分析与识别 关，还被y 所调制。所以并不能简单地通过计算光电信号的频率而识别破坏行 为，而要经过一系列的处理流程。 产生的光电信号以浮点数据的格式被信号采集系统接收，数值范围在1 到 + 1 之间，其大小表示电平信号的高低( 伏特) 。因而，采集到的信号在形式上 表现为一个1 至l j + l 之间的浮点数字序列。 本采集系统与目前研究较多的通过直接在管道上安装传感器的声信号采集 系统相比，具有如下优点 3 0 】：1 ) 由于光纤与管道间存有一定距离，光纤的感应 范围增加，相应的系统预警范围也得以扩大。2 ) 由于管线首先感受土壤振动， 所以当破坏尚未触及管道时，系统便可发现信号的异常并及时报警，降低了管 道受损的几率。而直接在钢管上安装传感器存在反应时间短、信号片断不完整 等缺陷。3 ) 一旦破坏发生在管道上，会引起管道强烈振动，由于光纤与管道平 行，会感受到来自管道外表面的振动，调制信号加强，特征更加明显。4 ) 分布 式光纤适合远距离传输信号，可适应超长距离安全监测要求，而基于声信号的 系统由于监测距离的限制，需要在管道沿线安装大量的传感器等装置，而这些 装置本身容易成为破坏分子盗取破坏的目标。综上所述，对基于分布式光纤的 安全预警系统的研究具有重要的意义。 2 1 2 土壤振动信号的处理难点 相对于一般的信号处理和模式识别系统，本文在土壤振动信号处理方面具 有以下难点： 1 ) 信号处理的实时性要求高。某些振动会在瞬时对管道产生极强的破坏作 用( 如在钢管上打电钻) ，这就需要预警系统能在振动产生的瞬间检测到信号， 并正确判断出信号的类别和破坏程度，输出预警信号。而每一种振动信号的持 续时间少则几十毫秒，多则几分钟，目前采用2 5 k h z 的采样率，使得每个样本 的数据量很大，从几百个数据点到几万个数据点之间。如此大的数据量对信号 的实时处理提出了严峻的要求。 2 ) 信号处理的准确性要求高。信号采集系统实时将信号发送到识别系统， 其中包括平静状态，噪声状态下的信号，以及振动发生时的信号。为保证分类 器训练和识别的正确性，信号处理阶段必须将振动时的信号从整个时域信号中 准确的切分出来，作为信号识别的对象，这是保证信号分类正确的前提，也是 8 第二章土壤振动信号的分析与识别 减少运算量，保证信号处理实时性的重要步骤。 3 ) 信号识别的鲁棒性要求高。土壤所处环境内含有大量的背景噪声，各种 振动信号和噪声会混叠在一起，造成信号类内差别大，类间差别小，特征不明 显。此外，同一种事件在不同的地理，气候等条件下产生的振动作用也具有较 大的差别，这就要求分类器对振动信号的判别具有很高的鲁棒性。 2 1 3 土壤振动信号的处理方法选择 基于土壤振动信号的特点以及处理的实时性，准确性和鲁棒性的要求，本 文在数据预处理阶段采用了多种方法，包括带通滤波，下采样，小波降噪等， 减少数据的运算量，降低噪声对信号特征的影响。 在关键的模式分类阶段，本文采用人工神经网络和支持向量机两种分类器 进行分类实验。 支持向量机是已知分类器中，对两类模式的分类效果最好的一种。支持向 量机根据有限的样本信息在模型的复杂性( e p 对特定训练样本的学习精度) 和学 习能力( 即无错误地识别任意样本的能力) 之间寻求最佳折衷，以期获得最好的 推广能力。用支持向量机做信号的分类实验，可以检验提取的信号特征是否有 效，也可以辅助我们对各种类型的振动信号进行逻辑划分和归类。 人工神经网络特有的非线性适应性信息处理能力【3 l 】，克服了传统人工智能 方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神 经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用【3 2 1 。 人工神经网络具有以下优点： 1 ) 鲁棒性好 人工神经网络分类器对训练数据中的错误有很好的鲁棒性，能够很好地消 除或减弱噪声数据对训练结果的影响。 2 ) 能够处理复杂的规则 人工神经网络分类器适于处理那些特征复杂，难于找出明显对应关系的分 类问题。输入的特征属性之间可以高度相关，也可以相互独立。 3 ) 快速求出目标函数值 神经网络虽然训练过程复杂，耗时，但是分类过程只是几次简单的数学运 算，能够短时间内求出目标值。 9 第二章土壤振动信号的分析与识别 从分类性能上考虑，人工神经网络和支持向量机的这些优点都能够很好地 满足正确分类土壤振动信号的要求。但考虑到分类器设计的复杂性，以及将来 由于应用需求的改变而导致分类器结构改变和模式个数增加，以及由此所带来 的软件开销，两种分类器相比，人工神经网络更容易满足系统现实应用的需求。 因此，本文采用人工神经网络作为最终系统实现的分类器，而使用支持向量机 来衡量特征选择的有效性，并用于衡量人工神经网络分类器的分类性能。 第二节土壤振动信号的特征提取 在模式分类技术中，特征提取的重要性不言而喻。本文在对信号提取特征 之前首先进行了多重预处理操作，并基于频域信号提取了事件特征，得到了良 好的实验结果。具体操作过程如图2 2 ： ? 囊壤糍砖织譬强处薅， 。土壤簌动镌譬将鍪e 握联： 匝丽垂面葛叠蠡i 运虱 l t ；鹄。? 。? 一。一。磊、t ? 。，? 。? 。，。j 。，。逸 图2 2 土壤振动信号特征提取流程 2 2 1 土壤振动信号预处理方法设计 通过对采集到的信号做预处理，可以极大地减少数据运算量，保证系统的 处理实时性。同时，降噪过程可以抑制噪声对信号特征的影响，增强分类器的 鲁棒性能，提高正确识别率。 2 2 1 1 带通滤波 原始信号当中包含着大量的背景噪声，比如低频地质振动噪声、交流电频 率噪声、高斯白噪声以及一些未知的非白噪声。为了滤除低频地质振动噪声、 交流电频率噪声以及部分高频噪声，依据领域专家的经验，我们令信号通过h r 带通滤波3 3 1 ，通带带宽为5 0 h z 3 0 0 0 h z 。 2 2 1 2 数据下采样 1 0 第二章土壤振动信号的分析与识别 信号采集系统传送的数据采样率是2 5 k h z ，较高的采样频率可以给振动源 定位模块以足够的数据以便处理，但大量的数据也严重影响系统的实时性。依 据香农定理，采样频率大于信号固有频率的2 倍即可保证信号不失真。因此， 在数据预处理阶段，本文将数据均匀下采样至6 2 5 k h z 。 2 2 1 3小波降噪 在来自土壤的振动信号中，振动源产生的振动混杂在大量的高频噪声中。 由于小波变换具有很强的去数据相关性【3 钙6 】，所以系统中，我们选用小波阈值 收缩的理论消除信号片段中的噪声。 在实际应用中，我们采用了d l d o h o n o 提出的一种非常简洁的小波阈值去 噪方法【3 。该方法在最小均方差意义上是有效的并且达到较好的视觉效果。该 方法的基本思路是：对含噪信号f ( k ) 连续做几次小波分解后，由空间分布不均 匀原始信号4 k ) 所对应的各尺度小波系数w ，。在某些特定的位置有较大的值， 这些点对应于原始信号s ( k ) 的奇变位置和重要信息，而其他大部分位置的小波 系数w ，。值较小：对于白噪声刀( 尼) ，它所对应的小波系数w ，。在每一尺度上的分 布是均匀的，并随着尺度的增加，小波系数w ，。的幅值有所减小。于是可以找 到一个合适的数力作为阈值( 门限) ，当w ，。小于该阈值时，认为这时的w ，。主 要由噪声引起的，并置为零，予以舍弃，当w ，。大于该阈值时，认为这时的w ，。 主要是由信号引起的，则把这一部分的w ，。直接保留下来或者按某一固定向量 向零收缩，从而得到估计小波系数影，。，然后由新的小波系数访“进行小波重构 得到去噪后的信号。在实验中，我们选用启发式s t e i n 无偏风险估计阈值的方法 【3 8 】确定阈值，并采用了一种改进的阈值处理方法来估计小波系数，使用4 阶 d a u b e c h i e s 小波分解降噪，大大降低信号的噪声。 2 2 2 土壤振动信号的特征提取 2 2 2 1 土壤振动信号片断的切分 本文设计的分类器只对有效信号进行处理。所谓有效信号，是指监测到的 振动事件的信号，而信号采集系统传递进来的实时信号中，绝大多数是没有振 动事件发生时的平稳信号。这些平稳信号在预处理阶段就直接扔掉，不进入分 类器。这样有利于减少运算量，保证系统的实时性，并且明确分类器的处理对 第二章土壤振动信号的分析与识别 象，准确提取目标振动信号的特征。 通过对土壤振动信号的分析可知，有效信号片段的切分同语音处理中的端 点检测极为相似，因此，可以借助于语音处理方面的知识来解决信号片断切分 的问题。 信号片断切分的目的之一是要减少系统的运算量，因此，切分这一步本身 不宜引入过于复杂的计算，我们权衡切分精度与实时性的要求，选用计算简单 的基于时域窗口能量的方法，但能量的阈值和窗口的大小都是根据经验设定的。 由信号的频谱分析以及信号的子带能量理论计算可得，振动信号的能量主要集 中在5 0 h z 4 0 0 h z 之间，因此，我们仅对信号频域内5 0 h z 4 0 0 h z 这个频段的 频谱进行处理。在5 0 h z 4 0 0 h z 的频段内，以8 0 个采样点( 0 0 1 2 8 秒) 作为 一个窗口进行快速傅里叶变换，并统计在该窗口内，信号频谱在5 0 h z - 4 0 0 h z 频段内的能量值，当能量值超过阈值则记为一个振动，振动至少持续3 个( 包 括3 个) 窗口方被作为正式的振动片段分割出来。在初步分割后，对振动片段 进行后处理，根据相邻振动片段的时间间隔及各自的时间长度判断是否可以合 并为同一振动片段，同时也可以除掉一些噪声。 2 2 2 2 土壤振动信号的特征抽取 选择一个具有明显分类意义的特征，是模式识别过程中至关重要的一步。 一个好的分类特征，应该能够使不同类别信号之间的类间差别较大，同类别信 号之间的类内差别较小。这样可以极大地减轻分类器的工作压力。我们总是优 先选择那些提取过程相对容易，对不相关变形保持不变，对噪声不敏感的特征。 特征的选择高度依赖于具体的领域，该领域的先验知识对特征的选择至关 重要。此外，掌握一批真实的实验数据，也有助于提取有效的分类特征。 对于振动的信号来说，信号的频率谱也可以成为描述信号的一个重要特征。 对切分过的时域信号进行傅立叶变换，观察其频谱，可以看到各种振动信号之 间存在较为明显的差异( 见图2 3 ) 。 1 2 第一章t 嚷振动信号的分析与识别 匦口四 打舟信号拯昔圈 因四 电钻信号拯谱翻 匹四 挖鲁机董呜侣号拯谱圈 圈2 3 各种典型振动信号频谱酎 从波形图卜直观分析信号的频谱图之间差别非常明显，以信号的频谱作 为特征，应该可以较好的分类各种不同的振动事件。 从信号的产生原理来分析，以频谱作为特征也符合物理学的原理。对于一 个振动事件来说，频率和振幅是它的内在属性和本质特征，能够清晰刻画事件 的振动状态。由于本文中的光纤传感信号经过了调制，振动事件的振幅以频率 的形式体现，因此，信号的频率能够更加有效地区分不同的振动事件。 第二章土壤振动信号的分析与识别 2 2 2 3 特征维度的统一 不同的破坏事件对土壤和管道的作用形式不同，因此振动持续的时间长短 不同，对于切分后的振动信号片断来说，信号的长短也就不一，通过频域方法 提取出来的特征维度也各有不同。分类器要求分类对象的特征长度是统一的， 因此，需要对信号的特征做一次统一。 一种常用的方法是对时域信号做定长的傅立叶变换。根据信号长度的普遍 分布，选取一个固定的数据点数( 例如2 的整数次幂，这样有利于提高快速傅 立叶变换的运算速度) ，对所有的时域信号做该固定点数的傅立叶变换。但是， 这样做会造成信息的丢失。假设选取1 0 2 4 作为固定长度，则对于较短的信号( 有 些间断性振动信号片断的长度只有几十个数据点) ，因为在后面大量的补0 而削 弱了有效信号在整个信号段中的影响，弱化了信号的本身特征；而对于较长的 信号( 有些持续性信号的长度可达几万个数据点) ，由于1 0 2 4 之后所有的数据 被截断剔除，大量的有效数据随之丢失，信号已无法反映出振动事件的特征。 因此，这种方法只适用于那些数据长度相对差别不大的数据集合。 本文采用等分的方法，将时域信号做快速傅立叶变换，得到的频谱数据平 均分割为固定数量的数据段，对每一段数据求其能量的平均值，以此平均值的 序列作为分类器的输入特征向量。至于将频谱数据分割为多少段，要根据信号 频谱图像中尖峰的宽度占整个信号宽度的比例来决定，段数过少会将尖峰中集 中的能量分配到其周围的平稳波形中而削弱其明显特征。 以频域能量的平均值序列作为信号的特征，既能够保留振动信号的频率特 征，又能降低特征向量的维数【3 9 1 ，减少分类器的复杂性和运算压力。同时，对 能量值的取平均操作，消除了信号频谱细微变化所引发的特异性，更能体现振 动信号的本质特征。 2 2 2 4 特征相似度的衡量 选定特征以后，可以使用余弦定理检验特征向量之间的相似度，看其是否 符合分类的条件：相同类型的样本的特征向量之间的相似度较高，不同类型的 样本的特征向量之间的相似度较低。 用余弦定理检验特征相似度的方法来源于网络搜索引擎对新闻文本的分 类。在搜索引擎当中，用一维向量来描述一则新闻的特征，用余弦定理计算各 条新闻特征之间的相似度，从而实现新闻的分类。 1 4 第二章土壤振动信号的分析与识别 向量实际上是多维空间中有方向的线段。如果两个向量的方向一致，即夹 角接近零，那么这两个向量就相近。而要确定两个向量方向是否一致，这就要 用到余弦定理计算向量的夹角了。 余弦定理对我们每个人都不陌生，它描述了三角形中任何一个夹角和三个 边的关系，换句话说，给定三角形的三条边，我们可以用余弦定理求出三角形 各个角的角度。假定三角形的三条边为a ，b 和c ，对应的三个角为a ，b 和c ， 那么角a 的余弦为 b 2 + c 2 一a 2 c o sa ：- - 一 2 b c ( 2 2 ) 如果我们将三角形的两边b 和c 看成是两个向量，那么上述公式等价于 c 0 s a = 二一 l b0 c i ( 2 3 ) 其中分母表示两个向量b 和c 的长度，分子表示两个向量的内积。举一个 具体的例子，假如特征向量x 和特征向量y 分别为 x 1 ，x 2 ，x 4 0 和y 1 ，y 2 ，y 4 0 ，那么它们夹角的余弦等于 c o s 乡：乍些丝丝# 兰垫坠一# + + + 五订+ 以+ + 届 ( 2 4 ) 当两个特征向量夹角的余弦接近于一时，这两个特征向量相似，从而可以 归成一类；夹角的余弦越小，两个特征向量越不相似( 参见图2 4 ) 。 图2 4 特征向量相似度示意图 随机抽取一组特征向量，计算各个向量之间的夹角，结果如表2 1 所示。 由表2 1 可以看出，相同类别的信号，其特征向量之间的夹角较小( 一般 在2 5 。以内) ，不同类别的信号，特征向量之间的夹角较大( 一般在3 5