一种分布式点式融合的多参量深远海智能网箱监测系统

    公开(公告)号:CN116625431A

    公开(公告)日:2023-08-22

    申请号:CN202310535594.5

    申请日:2023-05-12

    Applicant: 吉林大学

    Abstract: 本发明属于深远海网箱状态监测技术领域,具体为一种分布式点式融合的多参量深远海智能网箱监测系统,监测系统包括由分布式光纤应变传感网络和加速度传感器组成的传感网络监测系统;对测试信号进行采集、解调、滤波、同步等初步处理的数据处理系统;对预处理后数据,进行损伤部位判别以及结构剩余寿命评估,并对结果进行可视化显示以及对危险状况预警的安全评估预警系统。本发明相比于传统的深远海网箱监测系统,采用多参量点式传感技术和分布式光纤应变传感技术相结合手段,不仅对网箱拥有更高密度的监测点,实现对网箱结构全覆盖实时监测,还通过多参量点式传感器,通过各种参量监测,完善了智能网箱结构监测体系,提高了网箱监测精度,使网箱监测结果更加准确可靠。

    一种基于变分模态分解改进的DAS信号去噪方法

    公开(公告)号:CN116183013A

    公开(公告)日:2023-05-30

    申请号:CN202310179106.1

    申请日:2023-02-28

    Applicant: 吉林大学

    Abstract: 本发明属于信号处理技术领域,为一种基于变分模态分解改进的DAS信号去噪方法,利用分布式光纤声波传感系统采集实测含噪数据;从中提取需要处理的数据段,并利用提出的基于遗传算法优化的变分模态信号分解方法,根据采集信号的特征,优化得到分解过程中所涉及到的模态数量参数K值和惩罚因子参数α值;并依据优化得到的K参数值和α参数值,对含噪信号进行分解,得到K组模态函数IMF。计算每组模态函数IMF的样本熵数值;利用各组模态函数IMF样本熵数值的大小从中选取出有效信号组;通过对有效信号组进行信号重构,得到降噪后的信号。可以有效抑制模态混叠、端点效应,参数选取复杂等问题,并且不受DAS系统采集信号的平稳性和外部噪声类型的影响。

Patent Agency Ranking