-
公开(公告)号：CN111222743A
公开(公告)日：2020-06-02
申请号：CN201911125636.8
申请日：2019-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种光纤感知事件的垂直偏移距离及威胁级别判断方法，通过分布式光纤振动传感系统感知和采集埋地光缆沿线的振动信号，对事件影响范围内沿埋地光纤分布各个空间点的纵向时间信号进行频域信号处理构建能量衰减特征序列，并用机器学习方法学习在不同威胁程度下能量衰减的空间分布特征差异，识别地面上振动源与光缆的垂直偏移距离，从而判断振动源对光缆的威胁程度并给予精准预警。
-
公开(公告)号：CN110995339B
公开(公告)日：2022-08-19
申请号：CN201911174857.4
申请日：2019-11-26
Applicant: 电子科技大学
IPC: H04B10/071 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种分布式光纤传感信号时空信息提取与识别方法，属于光缆安全监测技术领域；利用分布式光纤振动传感系统采集通信光缆沿线的振动信号，将振动源附近的时空信号样本贴事件类型标签，建立典型事件数据库；基于时空信号结构构建CNN‑BiLSTM深度学习模型，利用CNN网络挖掘时空信号各空间点信号的时间结构信息，同时利用双向长短期记忆模型挖掘时空信号中各空间点信号的相关性，基于典型事件数据库对模型进行训练，得到最优模型；最后利用最优模型对待测事件的时空信号进行识别；本发明利用CNN‑BiLSTM深度学习模型，同步提取分布式光纤振动传感时空信号的时间结构信息及空间分布特点并进行识别，其效果上优于该领域以提取信号时间特征为主的信号识别方法。
-
公开(公告)号：CN111222743B
公开(公告)日：2022-07-29
申请号：CN201911125636.8
申请日：2019-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种光纤感知事件的垂直偏移距离及威胁级别判断方法，通过分布式光纤振动传感系统感知和采集埋地光缆沿线的振动信号，对事件影响范围内沿埋地光纤分布各个空间点的纵向时间信号进行频域信号处理构建能量衰减特征序列，并用机器学习方法学习在不同威胁程度下能量衰减的空间分布特征差异，识别地面上振动源与光缆的垂直偏移距离，从而判断振动源对光缆的威胁程度并给予精准预警。
-
公开(公告)号：CN110135645B
公开(公告)日：2022-06-28
申请号：CN201910421875.1
申请日：2019-05-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种架空输电线路全光纤动静态监测和趋势预测系统及方法，使用全光纤监测技术实现对架空输电线路多参数监测预警，实现对电力线路周边环境气温、气压等准静态环境数据和输电线路动态风舞数据等动态参数的全方位连续时空在线监测，方法在监测动静态数据的同时，利用前期采集的监测数据并基于LSTM网络模型能够实现对气温、气压等环境变化参数、线路舞动等动态变化参数的预测，及时防范可能发生的气象灾害和以便于对异常舞动线路区段进行有针对性的巡检和重点防护。监测手段属于非电气手段，传感器无源且本质安全，系统具备天然的抗电磁干扰及抗雷击能力，适用于长距离输电线路的野外恶劣环境及极端复杂气候条件。
-
公开(公告)号：CN108932480B
公开(公告)日：2022-03-15
申请号：CN201810590114.4
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于1D‑CNN的分布式光纤传感信号特征学习与分类方法。解决现有分布式光纤传感系统采用人工提取的事件可分辨特征对复杂变化的环境适应能力差，耗时、费力的问题。本发明对获取的各空间点的分布式光纤传感声音、振动信号进行时间分割，建立典型事件信号数据集；构建一维卷积神经网络(1D‑CNN)模型，利用典型事件信号数据训练集对网络进行迭代更新训练得到最优网络参数，利用最优网络学习并提取不同类型事件的1D‑CNN可分辨特征，得到典型事件信号特征集；利用典型事件信号特征集训练不同类型分类器后，筛选出最佳分类器。测试时将测试数据输入最优1D‑CNN网络得到事件可分辨特征，再输入最佳分类器得到分类结果。
-
Patent Agency Ranking
公开(公告)号：CN109344195A
公开(公告)日：2019-02-15
申请号：CN201811251182.4
申请日：2018-10-25
Applicant: 电子科技大学
Abstract: 本发明公开了基于HMM模型的管道安全事件识别及知识挖掘方法，属于管道安全事件监测领域；其方法包括步骤1：提取各空间点采集的信号的多域特征，获取信号的特征矢量序列；步骤2：将特征矢量序列输入HMM模型进行离线训练，完成组建典型事件HMM模型库；步骤3：将待识别信号经步骤1获取当前特征矢量序列后，将其输入典型事件HMM模型库进行识别并输出事件判断类型，同时计算最优隐状态序列作为事件状态序列演化过程信息进行输出，完成知识挖掘；本发明的HMM模型基于特征时序进行分析和识别，有效提高事件识别率；同时对事件状态序列演化过程实现了知识挖掘，以此可进行短期预测。
-
公开(公告)号：CN110995339A
公开(公告)日：2020-04-10
申请号：CN201911174857.4
申请日：2019-11-26
Applicant: 电子科技大学
IPC: H04B10/071 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种分布式光纤传感信号时空信息提取与识别方法，属于光缆安全监测技术领域；利用分布式光纤振动传感系统采集通信光缆沿线的振动信号，将振动源附近的时空信号样本贴事件类型标签，建立典型事件数据库；基于时空信号结构构建CNN-BiLSTM深度学习模型，利用CNN网络挖掘时空信号各空间点信号的时间结构信息，同时利用双向长短期记忆模型挖掘时空信号中各空间点信号的相关性，基于典型事件数据库对模型进行训练，得到最优模型；最后利用最优模型对待测事件的时空信号进行识别；本发明利用CNN-BiLSTM深度学习模型，同步提取分布式光纤振动传感时空信号的时间结构信息及空间分布特点并进行识别，其效果上优于该领域以提取信号时间特征为主的信号识别方法。
-
公开(公告)号：CN109344195B
公开(公告)日：2021-09-21
申请号：CN201811251182.4
申请日：2018-10-25
Applicant: 电子科技大学
Abstract: 本发明公开了基于HMM模型的管道安全事件识别及知识挖掘方法，属于管道安全事件监测领域；其方法包括步骤1：提取各空间点采集的信号的多域特征，获取信号的特征矢量序列；步骤2：将特征矢量序列输入HMM模型进行离线训练，完成组建典型事件HMM模型库；步骤3：将待识别信号经步骤1获取当前特征矢量序列后，将其输入典型事件HMM模型库进行识别并输出事件判断类型，同时计算最优隐状态序列作为事件状态序列演化过程信息进行输出，完成知识挖掘；本发明的HMM模型基于特征时序进行分析和识别，有效提高事件识别率；同时对事件状态序列演化过程实现了知识挖掘，以此可进行短期预测。
-
公开(公告)号：CN110135645A
公开(公告)日：2019-08-16
申请号：CN201910421875.1
申请日：2019-05-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种架空输电线路全光纤动静态监测和趋势预测系统及方法，使用全光纤监测技术实现对架空输电线路多参数监测预警，实现对电力线路周边环境气温、气压等准静态环境数据和输电线路动态风舞数据等动态参数的全方位连续时空在线监测，方法在监测动静态数据的同时，利用前期采集的监测数据并基于LSTM网络模型能够实现对气温、气压等环境变化参数、线路舞动等动态变化参数的预测，及时防范可能发生的气象灾害和以便于对异常舞动线路区段进行有针对性的巡检和重点防护。监测手段属于非电气手段，传感器无源且本质安全，系统具备天然的抗电磁干扰及抗雷击能力，适用于长距离输电线路的野外恶劣环境及极端复杂气候条件。
-
公开(公告)号：CN108932480A
公开(公告)日：2018-12-04
申请号：CN201810590114.4
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于1D-CNN的分布式光纤传感信号特征学习与分类方法。解决现有分布式光纤传感系统采用人工提取的事件可分辨特征对复杂变化的环境适应能力差，耗时、费力的问题。本发明对获取的各空间点的分布式光纤传感声音、振动信号进行时间分割，建立典型事件信号数据集；构建一维卷积神经网络(1D-CNN)模型，利用典型事件信号数据训练集对网络进行迭代更新训练得到最优网络参数，利用最优网络学习并提取不同类型事件的1D-CNN可分辨特征，得到典型事件信号特征集；利用典型事件信号特征集训练不同类型分类器后，筛选出最佳分类器。测试时将测试数据输入最优1D-CNN网络得到事件可分辨特征，再输入最佳分类器得到分类结果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
