[发明专利]一种基于光纤振动传感系统的自学习装置及方法

权利要求书

1.一种基于光纤振动传感系统的自学习装置，其特征在于包括：电机、机械扰动装置和与电机相连的可编程脉冲驱动器，

通过可编程脉冲驱动器来驱动电机，进而驱动机械扰动装置对光纤振动传感系统引出的传感光缆进行扰动，通过对驱动脉冲的扰动特征进行调节控制，实现对于光纤振动传感系统采集的振动信号的周期、频率、强度的特征控制；光纤振动传感系统对采集到的振动信号进行识别和匹配，完成自学习；

光纤振动传感系统引出的传感光缆绕制成环状，机械扰动装置对该环状光缆进行扰动；

对驱动脉冲的扰动特征进行调节控制，具体是指：对脉冲驱动器的输出脉冲的强度、速度、周期特性进行编程控制；

光纤振动传感系统对采集到的振动信号进行识别和匹配，完成自学习，具体为：

(1)光纤振动传感系统对采集到的振动信号进行特征提取；

(2)将提取出的特征与预设样本库进行比对识别；

(3)如果该提取出的特征与样本库中的特征匹配，则可以确定该提取出的特征的对应行为，该提取出的特征为已知样本；如果该取出的特征与样本库中的特征无法匹配，则对该提取出的特征进行分类，并存储在样本库中；

所述步骤(1)光纤振动传感系统对采集到的振动信号进行特征提取，通过如下方式实现：

(1.1)将振动信号分解为周期、频率以及强度特征分量，记为A_i、A_ii、A_iii；

(1.2)采集同一事件的多个可确认的振动信号，A₁、A₂…、A_N，则每个振动信号分解得到的特征分量分别为，A_1i、A_1ii、A_1iii、A_2i、A_2ii、A_2iii、…、A_Ni、A_Nii、A_Niii；

(1.3)对步骤(1.2)中得到的特征分量进行分类，具体为：

计算机学习各特征分量进行统计分析，找出特征最集中的值作为该事件的标准值，特征量的集合作为标准事件，标准事件记为A₀，其周期、频率以及强度特征分量分别记为A_0i、A_0ii、A_0iii，从而完成该事件的特征提取。

2.根据权利要求1所述的一种基于光纤振动传感系统的自学习装置，其特征在于：绕制成的环状光缆具体为：圈数为10圈，直径为30cm，光缆连续绕制，相邻圈之间无间隔。

3.根据权利要求1中任一项所述的一种基于光纤振动传感系统的自学习装置，其特征在于：机械扰动装置对光纤振动传感系统引出的传感光缆进行触碰，从而进行扰动。

4.根据权利要求1所述的一种基于光纤振动传感系统的自学习装置，其特征在于：还包括固定辅助装置，光纤振动传感系统引出的传感光缆固定在该固定辅助装置上，该固定辅助装置的拉伸强度不小于1000N，且探测光缆同辅助装置之间为刚性连接。

5.一种基于权利要求1～4中任一项所述自学习装置实现的基于光纤振动传感系统的自学习方法，其特征在于：

(a)从光纤振动传感系统引出传感光缆，部分位置绕制成环状，圈数为10圈，直径为30cm，光缆无间隔连续绕制；

(b)在环状光缆旁设置机械扰动装置；

(c)通过可编程脉冲驱动器来驱动电机，进而驱动机械扰动装置触碰环状光缆，对传感光缆进行扰动；通过对可编程脉冲驱动器编程，控制振动信号的周期、频率、强度特征；

(d)光纤振动传感系统采集振动信号，对采集到的振动信号进行识别和匹配，完成自学习；具体为：

(d1)光纤振动传感系统对采集到的振动信号进行特征提取；

(d1.1)将振动信号分解为周期、频率以及强度特征分量，记为A_i、A_ii、A_iii；

(d1.2)采集同一事件的多个可确认的振动信号，A₁、A₂…、A_N，则每个振动信号分解得到的特征分量分别为，A_1i、A_1ii、A_1iii、A_2i、A_2ii、A_2iii、…、A_Ni、A_Nii、A_Niii；

(d1.3)对步骤(d1.2)中得到的特征分量进行分类，具体为：

计算机学习各特征分量进行统计分析，找出特征最集中的值作为该事件的标准值，特征量的集合作为标准事件，标准事件记为A₀，其周期、频率以及强度特征分量分别记为A_0i、A_0ii、A_0iii，从而完成该事件的特征提取；

(d2)将提取出的特征与预设样本库进行比对识别；

(d3)如果该提取出的特征与样本库中的特征匹配，则可以确定该提取出的特征的对应行为，该提取出的特征为已知样本；如果该取出的特征与样本库中的特征无法匹配，则对该提取出的特征进行分类，并存储在样本库中。