本發(fā)明涉及振動源識別技術(shù)領(lǐng)域，具體涉及一種基于時域二維特性的振動源識別方法及系統(tǒng)。

背景技術(shù)：

近年來，隨著全球經(jīng)濟的迅猛發(fā)展，人們對能源的需求越來越大，管道運輸成為輸送能源的主要方式。其主要風(fēng)險之一為管道泄漏，這不僅導(dǎo)致能源浪費、環(huán)境污染，還可能給人民生命、財產(chǎn)安全造成巨大威脅，因此保護(hù)與光纜伴行的油氣管道稱為目前光纖預(yù)警系統(tǒng)的首要任務(wù)。

光纖振動安全預(yù)警系統(tǒng)可以采集這些重要區(qū)域周邊的各種振動信號，通過分析周邊振動信號特征，得出振源類型，若監(jiān)測出對區(qū)域有害的振源出現(xiàn)，可以及時進(jìn)行預(yù)警，并報告危害事件的具體位置，達(dá)到對重要區(qū)域如軍事區(qū)域或其區(qū)域周邊的實時保護(hù)、減少財產(chǎn)損失的目的。

通過光纖傳感系統(tǒng)探測光纜周邊的振動事件，采集石油管道周邊的各種振動信號，提取信號特征參數(shù)，實現(xiàn)目標(biāo)的分類與識別。面對大量復(fù)雜的振動信號，如何準(zhǔn)確識別目標(biāo)振源是安全預(yù)警系統(tǒng)研究的難點。振源識別是基于振源的行為及其屬性特征，以計算機為工具，采用模式識別理論，建立振動信號和振源對應(yīng)關(guān)系的一門技術(shù)。系統(tǒng)對光纖管道采集到的振動信號進(jìn)行預(yù)處理、特征提取和識別，并根據(jù)其特征確定破壞事件的類型并進(jìn)行安全預(yù)警，從而實現(xiàn)保障油氣管道安全，防患于未然的目的。

現(xiàn)有的研究存在的主要問題是缺乏合適的振動源識別方法，因此，需要建立一種有效的振動源識別方法來實現(xiàn)振動信號的識別，以降低振源識別的錯誤率。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于時域二維特性的振動源識別方法及系統(tǒng)，能夠根據(jù)時域二維特性準(zhǔn)確的識別出行車振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

為解決上述技術(shù)問題，本發(fā)明提供以下技術(shù)方案：

一方面，本發(fā)明提供了一種基于時域二維特性的振動源識別方法，所述方法包括：

步驟1.對當(dāng)前振動源在多個報警點的振動信號進(jìn)行去噪處理；

步驟2.對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，并根據(jù)門限檢測的結(jié)果確定各振動信號的占空比；

步驟3.根據(jù)平均幅度差函數(shù)獲取所述振動信號的過均值頻數(shù)；

步驟4.根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量，并將所述時域二維特征向量作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)；

步驟5.對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，并根據(jù)所述參數(shù)訓(xùn)練的結(jié)果判斷當(dāng)前振動源是否為行車振動源。

進(jìn)一步的，所述步驟1包括：

步驟1-1.在光纖傳感系統(tǒng)的各報警點檢測到振動源時，接收各報警點發(fā)送的振動信號，其中，各報警點的設(shè)置位置不同；

步驟1-2.對各所述振動信號進(jìn)行小波去噪處理。

進(jìn)一步的，所述步驟2包括：

步驟2-1.對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，得到振動信號超過第一門限值的全部振動信號所在的報警點；

步驟2-2.根據(jù)所述振動信號超過第一門限值的全部振動信號所在的報警點的個數(shù)，計算各所述振動信號的占空比ratio：

式(1)中，r為所述振動信號超過第一門限值的全部振動信號所在的報警點的個數(shù)，d為各所述振動信號的長度。

進(jìn)一步的，所述步驟3包括：

步驟3-1.對所述振動信號進(jìn)行濾波處理；

步驟3-2.根據(jù)平均幅度差A(yù)MDF函數(shù)計算得到經(jīng)濾波處理后的振動信號的平均幅度差；

步驟3-3.根據(jù)所述振動信號的平均幅度差，確定所述振動信號的過均值頻數(shù)。

進(jìn)一步的，所述步驟3-2包括：

根據(jù)平均幅度差A(yù)MDF函數(shù)計算得到經(jīng)濾波處理后的振動信號的平均幅度差F(k)：

式(2)中，x為所述振動信號，M為滑窗長度，m為M中的某一值；k為平均幅差函數(shù)的第k位。

進(jìn)一步的，所述步驟3-3包括：

步驟3-3a：根據(jù)振動信號的平均幅度差值的數(shù)量p確定所述振動信號的平均幅度差序列的平均值μ；

步驟3-3b：根據(jù)所述平均幅度差序列的平均值μ，確定過均值序列d_m；

步驟3-3c：根據(jù)所述過均值序列d_m，獲取所述振動信號的過均值頻數(shù)freq：

式(3)中，α_m為判斷過均值序列第m個與第m+1個數(shù)值的乘積，當(dāng)乘積小于0時，則α_m為1，否則α_m為0。

進(jìn)一步的，所述步驟4包括：

步驟4-1.根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量e：

e＝[ratio freq]^T (4)

式(4)中，ratio為各所述振動信號的占空比；freq為所述振動信號的過均值頻數(shù)；

步驟4-2.將所述時域二維特征向量e作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)。

進(jìn)一步的，所述步驟5包括：

步驟5-1.根據(jù)激活函數(shù)φ(e)對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，其中，所述激活函數(shù)φ(e)為：

式(5)中，φ為隱含層的輸出參數(shù)：e為待訓(xùn)練分類樣本數(shù)據(jù)，w為網(wǎng)絡(luò)中輸入層到隱層的權(quán)值，b為網(wǎng)絡(luò)中輸入層到隱層的偏置b，w和b是同分布的隨機變量，在[-200,200]之間隨機賦值；

步驟5-2.根據(jù)下式(6)計算得到隱含層到輸出層的參數(shù)量β：

式(6)中，λ為常數(shù)量，I為單位對角陣，Y為不同振動信號的標(biāo)簽且Y＝[y₁,y₂,…,y_N]^T，δ為隱含層的輸出參數(shù)矩陣，L為隱層個數(shù)即維度，N為數(shù)據(jù)個數(shù)；

步驟5-3.將隱含層到輸出層的參數(shù)量β帶入輸出函數(shù)G(e)中，計算得到當(dāng)前振動源的輸出值，其中，所述輸出函數(shù)G(e)為：

步驟5-4.根據(jù)當(dāng)前振動源的輸出值判斷當(dāng)前振動源是否為行車振動源。

進(jìn)一步的，所述步驟5-4包括：

判斷當(dāng)前振動源的輸出值是否大于預(yù)設(shè)閾值；

若是，則將當(dāng)前振動源判定為行車振動源；

否則，將當(dāng)前振動源判定為人工信號。

另一方面，本發(fā)明還提供了一種基于時域二維特性的振動源識別系統(tǒng)，所述系統(tǒng)包括：

去噪處理單元，用于對當(dāng)前振動源在多個報警點的振動信號進(jìn)行去噪處理；

占空比獲取單元，用于對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，并根據(jù)門限檢測的結(jié)果確定各振動信號的占空比；

過均值頻數(shù)獲取單元，用于根據(jù)平均幅度差函數(shù)獲取所述振動信號的過均值頻數(shù)；

時域二維特性獲取單元，用于根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量，并將所述時域二維特征向量作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)；

振動源判定單元，用于對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，并根據(jù)所述參數(shù)訓(xùn)練的結(jié)果判斷當(dāng)前振動源是否為行車振動源。

由上述技術(shù)方案可知，本發(fā)明所述的一種基于時域二維特性的振動源識別方法及系統(tǒng)，方法對當(dāng)前振動源在多個報警點的振動信號進(jìn)行去噪處理及門限檢測，確定各振動信號的占空比，并獲取振動信號的過均值頻數(shù)；根據(jù)占空比及過均值頻數(shù)生成時域二維特征向量，并將時域二維特征向量輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練，根據(jù)參數(shù)訓(xùn)練結(jié)果判斷當(dāng)前振動源是否為行車振動源；能夠根據(jù)時域二維特性準(zhǔn)確的識別出行車振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實施例一的一種基于時域二維特性的振動源識別方法的流程示意圖；

圖2是本發(fā)明實施例二的識別方法中步驟100的一種具體實施方式的流程示意圖；

圖3是本發(fā)明實施例三的識別方法中步驟200的一種具體實施方式的流程示意圖；

圖4是本發(fā)明實施例四的識別方法中步驟300的一種具體實施方式的流程示意圖；

圖5是本發(fā)明實施例五的識別方法中步驟303的一種具體實施方式的流程示意圖；

圖6是本發(fā)明實施例六的識別方法中步驟400的一種具體實施方式的流程示意圖；

圖7是本發(fā)明實施例七的識別方法中步驟500的一種具體實施方式的流程示意圖；

圖8是本發(fā)明具體應(yīng)用例中的識別方法總流程圖；

圖9是本發(fā)明具體應(yīng)用例中的時域特征提取流程圖(1)；

圖10是本發(fā)明具體應(yīng)用例中的時域特征提取流程圖(2)；

圖11是本發(fā)明具體應(yīng)用例中的RVFL網(wǎng)絡(luò)原理圖；

圖12a是本發(fā)明具體應(yīng)用例中的鎬刨原始信號振動圖；

圖12b是本發(fā)明具體應(yīng)用例中的過車原始信號振動圖；

圖13a是本發(fā)明具體應(yīng)用例中的鎬刨信號小波去噪后圖；

圖13b是本發(fā)明具體應(yīng)用例中的過車信號小波去噪后圖；

圖14a是本發(fā)明具體應(yīng)用例中的鎬刨信號占空比圖；

圖14b是本發(fā)明具體應(yīng)用例中的過車信號占空比圖；

圖15a是本發(fā)明具體應(yīng)用例中的鎬刨信號64HZ濾波后圖；

圖15b是本發(fā)明具體應(yīng)用例中的過車信號64HZ濾波后圖；

圖16a是本發(fā)明具體應(yīng)用例中的鎬刨信號AMDF圖；

圖16b是本發(fā)明具體應(yīng)用例中的過車信號AMDF圖；

圖17a是本發(fā)明具體應(yīng)用例中的鎬刨信號AMDF過均值頻數(shù)圖；

圖17b是本發(fā)明具體應(yīng)用例中的過車信號AMDF過均值頻數(shù)圖；

圖18是本發(fā)明實施例八的一種基于時域二維特性的振動源識別系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明的實施例一提供了一種基于時域二維特性的振動源識別方法的具體實施方式。參見圖1，所述識別方法具體包括如下內(nèi)容：

步驟100：對當(dāng)前振動源在多個報警點的振動信號進(jìn)行去噪處理。

在本步驟中，在光纖傳感系統(tǒng)的各報警點檢測到振動源時，接收各報警點發(fā)送的振動信號，且各報警點的設(shè)置位置不同，并對各所述振動信號進(jìn)行小波去噪處理。

步驟200：對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，并根據(jù)門限檢測的結(jié)果確定各振動信號的占空比。

在本步驟中，對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，得到振動信號超過第一門限值的全部振動信號所在的報警點，以及根據(jù)所述振動信號超過第一門限值的全部振動信號所在的報警點的個數(shù)，計算各所述振動信號的占空比。

步驟300：根據(jù)平均幅度差函數(shù)獲取所述振動信號的過均值頻數(shù)。

在本步驟中，對所述振動信號進(jìn)行濾波處理，根據(jù)平均幅度差A(yù)MDF函數(shù)確定所述振動信號的過均值頻數(shù)。

步驟400：根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量，并將所述時域二維特征向量作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)。

在本步驟中，根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量，并將所述時域二維特征向量作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)。

步驟500：對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，并根據(jù)所述參數(shù)訓(xùn)練的結(jié)果判斷當(dāng)前振動源是否為行車振動源。

在本步驟中，根據(jù)激活函數(shù)對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，以及計算得到隱含層到輸出層的參數(shù)量，將隱含層到輸出層的參數(shù)量帶入輸出函數(shù)中，計算得到當(dāng)前振動源的輸出值，根據(jù)當(dāng)前振動源的輸出值判斷當(dāng)前振動源是否為行車振動源。

從上述描述可知，本發(fā)明的實施例能夠根據(jù)時域二維特性準(zhǔn)確的識別出行車振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

本發(fā)明的實施例二提供了上述識別方法中步驟100的一種具體實施方式。參見圖2，所述步驟100具體包括如下內(nèi)容：

步驟101.在光纖傳感系統(tǒng)的各報警點檢測到振動源時，接收各報警點發(fā)送的振動信號，其中，各報警點的設(shè)置位置不同。

步驟102.對各所述振動信號進(jìn)行小波去噪處理。

從上述描述可知，本發(fā)明的實施例有效實現(xiàn)了對當(dāng)前振動源在多個報警點的振動信號的去噪處理，使得后續(xù)對數(shù)據(jù)的處理更為準(zhǔn)確。

本發(fā)明的實施例三提供了上述識別方法中步驟200的一種具體實施方式。參見圖3，所述步驟200具體包括如下內(nèi)容：

步驟201：對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，得到振動信號超過第一門限值的全部振動信號所在的報警點。

步驟202：根據(jù)所述振動信號超過第一門限值的全部振動信號所在的報警點的個數(shù)，計算各所述振動信號的占空比ratio：

式(1)中，r為所述振動信號超過第一門限值的全部振動信號所在的報警點的個數(shù)，d為各所述振動信號的長度。

從上述描述可知，本發(fā)明的實施例能夠?qū)?jīng)去噪處理后的振動信號進(jìn)行門限檢測，并根據(jù)門限檢測的結(jié)果快速且準(zhǔn)確的確定各振動信號的占空比。

本發(fā)明的實施例四提供了上述識別方法中步驟300的一種具體實施方式。參見圖4，所述步驟300具體包括如下內(nèi)容：

步驟301：對所述振動信號進(jìn)行濾波處理。

步驟302.根據(jù)平均幅度差A(yù)MDF函數(shù)計算得到經(jīng)濾波處理后的振動信號的平均幅度差。

在本步驟中，根據(jù)平均幅度差A(yù)MDF函數(shù)計算得到經(jīng)濾波處理后的振動信號的平均幅度差F(k)：

式(2)中，x為所述振動信號，M為滑窗長度，m為M中的某一值；k為平均幅差函數(shù)的第k位。

步驟303.根據(jù)所述振動信號的平均幅度差，確定所述振動信號的過均值頻數(shù)。

從上述描述可知，本發(fā)明的實施例實現(xiàn)了根據(jù)平均幅度差函數(shù)，準(zhǔn)確的獲取所述振動信號的過均值頻數(shù)，為后續(xù)步驟400提供了數(shù)據(jù)處理的基礎(chǔ)。

本發(fā)明的實施例五提供了上述識別方法中步驟303的一種具體實施方式。參見圖5，所述步驟303具體包括如下內(nèi)容：

步驟303a：根據(jù)振動信號的平均幅度差值的數(shù)量p確定所述振動信號的平均幅度差序列的平均值μ。

步驟303b：根據(jù)所述平均幅度差序列的平均值μ，確定過均值序列d_m。

步驟303c：根據(jù)所述過均值序列d_m，獲取所述振動信號的過均值頻數(shù)freq：

式(3)中，α_m為判斷過均值序列第m個與第m+1個數(shù)值的乘積，當(dāng)乘積小于0時，則α_m為1，否則α_m為0。

從上述描述可知，本發(fā)明的實施例能夠根據(jù)所述振動信號的平均幅度差，準(zhǔn)確計算得到所述振動信號的過均值頻數(shù)。

本發(fā)明的實施例六提供了上述識別方法中步驟400的一種具體實施方式。參見圖6，所述步驟400具體包括如下內(nèi)容：

步驟401.根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量e：

e＝[ratio freq]^T (4)

式(4)中，ratio為各所述振動信號的占空比；freq為所述振動信號的過均值頻數(shù)。

步驟402.將所述時域二維特征向量e作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)。

從上述描述可知，本發(fā)明的實施例能夠根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量，并將所述時域二維特征向量作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)。

本發(fā)明的實施例七提供了上述識別方法中步驟500的一種具體實施方式。參見圖7，所述步驟500具體包括如下內(nèi)容：

步驟501.根據(jù)激活函數(shù)φ(e)對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，其中，所述激活函數(shù)φ(e)為：

式(5)中，φ為隱含層的輸出參數(shù)：e為待訓(xùn)練分類樣本數(shù)據(jù)，w為網(wǎng)絡(luò)中輸入層到隱層的權(quán)值，b為網(wǎng)絡(luò)中輸入層到隱層的偏置b，w和b是同分布的隨機變量，在[-200,200]之間隨機賦值。

步驟502.根據(jù)下式(6)計算得到隱含層到輸出層的參數(shù)量β：

式(6)中，λ為常數(shù)量，I為單位對角陣，Y為不同振動信號的標(biāo)簽且Y＝[y₁,y₂,…,y_N]^T，δ為隱含層的輸出參數(shù)矩陣，L為隱層個數(shù)即維度，N為數(shù)據(jù)個數(shù)。

步驟503.將隱含層到輸出層的參數(shù)量β帶入輸出函數(shù)G(e)中，計算得到當(dāng)前振動源的輸出值，其中，所述輸出函數(shù)G(e)為：

步驟504.根據(jù)當(dāng)前振動源的輸出值判斷當(dāng)前振動源是否為行車振動源。

在本步驟中，判斷當(dāng)前振動源的輸出值是否大于預(yù)設(shè)閾值；若是，則將當(dāng)前振動源判定為行車振動源；否則，將當(dāng)前振動源判定為人工信號。

從上述描述可知，本發(fā)明的實施例對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，并根據(jù)所述參數(shù)訓(xùn)練的結(jié)果判斷當(dāng)前振動源是否為行車振動源。

為更進(jìn)一步的說明本方案，本發(fā)明還提供一種基于時域二維特性的振動源識別方法的具體應(yīng)用例。以行車信號為過車信號、以及標(biāo)準(zhǔn)信號為模板為例說明該應(yīng)用例，該識別方法的具體應(yīng)用例包括的內(nèi)容如下：

圖8是該識別方法的具體應(yīng)用例的總體流程。識別的對象包括：人工信號，其為由于使用非電動類工具而產(chǎn)生的振動信號，如鎬刨，挖地等；過車信號，其為由于車輛經(jīng)過而產(chǎn)生的振動信號。

如圖8所示的實施例的時域二維識別算法包括：

S101：提取信號時域特征，計算振動數(shù)據(jù)占空比值；

S102：提取信號時域特征，對振動信號計算AMDF并算出AMDF過均值頻數(shù)；

S103：將提取到的時域二維特征作為RVFL的輸入進(jìn)行光纖振動信號振源識別。

根據(jù)本發(fā)明的一個實施例的對信號進(jìn)行時域特征——占空比提取的過程如圖9所示，其包括：

S201：對經(jīng)過小波去噪處理的振動信號進(jìn)行檢測，將檢測出的振動位置的數(shù)據(jù)置1，原始信號振動圖如圖12a及圖12b所示，經(jīng)過小波去噪后的人工信號和過車信號如圖13a及圖13b所示；

S202：統(tǒng)計每段數(shù)據(jù)中1的個數(shù)r；

S203：計算占空比并將將計算得到的占空比數(shù)值存入矩陣先生成時域特征一維向量e＝[ratio],人工信號和過車信號的占空比結(jié)果如圖14a及圖14b所示。

根據(jù)本發(fā)明的一個實施例的時域特征提取過程如圖10所示：

S301：對振動信號進(jìn)行64HZ低通濾波，人工信號和過車信號的濾波結(jié)果如圖15a及圖15b所示

S302：計算各類振動信號的AMDF：

其中，F(xiàn)為平均幅差函數(shù)，M為滑窗長度，k為平均幅差函數(shù)的第k位，x為所述振動信號。人工信號和過車信號的AMDF如圖16a及圖16b所示。圖中th-m表示AMDF均值。

S303：計算振動信號的AMDF過均值頻數(shù)，先求出AMDF序列的平均值：

其中，μ為AMDF的平均值，p為AMDF序列數(shù)量。

再求出AMDF序列減去平均值的過均值序列：

d_m＝F(m)-μ； (9)

其中，d_m為AMDF序列減去平均值之后的過均值序列。

最后，求出AMDF過均值頻數(shù)：

其中，freq為過均值頻數(shù)，α_m為判斷過均值序列第m個與第m+1個數(shù)值的乘積，當(dāng)乘積小于0時，則α_m為1，否則為0。人工信號和過車信號的AMDF過均值頻數(shù)如圖17a及圖17b所示，將其存入S203步驟中的矩陣生成時域二維向量e＝[ratio freq]^T；

將上述得到的時域二維特征向量作為RVFL網(wǎng)絡(luò)的輸入進(jìn)行分類。根據(jù)本發(fā)明的一個實施例的分類流程如圖11所示，其包括：

首先，將占空比、AMDF過均值頻數(shù)兩特征生成二維特征向量作為分類器輸入層的待分類樣本，即e＝[ratio freq]^T。

其次，計算出隱含層的輸出參數(shù)φ：

其中，φ(e)為激活函數(shù)，e為待訓(xùn)練分類的二維特征樣本數(shù)據(jù)，w為網(wǎng)絡(luò)中輸入層到隱層的權(quán)值，b為網(wǎng)絡(luò)中輸入層到隱層的偏置b，w和b是同分布的二維隨機變量，在[-200,200]之間隨機賦值。

然后，利用以下公式計算獲得隱含層到輸出層的參數(shù)量β：

β＝(δ^Tδ+λI)^-1δ^TY (13)

其中，λ為一常數(shù)量，在本實施例中設(shè)定為0.05，I為單位對角陣，Y為不同振動信號的標(biāo)簽Y＝[y₁,y₂,…,y_N]^T，設(shè)置過車信號的標(biāo)簽為0，人工信號的標(biāo)簽為1，δ為隱含層的輸出參數(shù)矩陣，L為隱層個數(shù)即維度，N為數(shù)據(jù)個數(shù)。

最后，根據(jù)訓(xùn)練好的β計算輸出函數(shù)：

本發(fā)明人針對上述基于時域二維特征的RVFL網(wǎng)絡(luò)識別方法，對實測人工信號與過信號進(jìn)行分類識別仿真。本發(fā)明中設(shè)定閾值為0.4，對于輸出中大于0.4的信號判定為過車信號，小于0.4的信號判定為人工信號。從該仿真結(jié)果可以看出，通過時域二維識別方法可以有效地將人工信號與過車信號區(qū)分開，識別準(zhǔn)確率達(dá)到98.88％，標(biāo)明本發(fā)明具有顯著的效果。

與現(xiàn)有檢測方法相比，本發(fā)明的優(yōu)點包括：

(1)本發(fā)明的方法能夠有效實現(xiàn)光纖入侵識別；

(2)本發(fā)明的方法利用RVFL網(wǎng)絡(luò)，學(xué)習(xí)過程權(quán)值不需要迭代；

(3)本發(fā)明的方法經(jīng)過小波去噪、占空比和AMDF等方法提取特征再輸入到RVFL網(wǎng)絡(luò)中，可有效地將人工信號與過車信號區(qū)別開，準(zhǔn)確性較高。

本發(fā)明的實施例八提供了一種基于時域二維特性的振動源識別系統(tǒng)的具體實施方式。參見圖18，所述識別系統(tǒng)具體包括如下內(nèi)容：

去噪處理單元10，用于對當(dāng)前振動源在多個報警點的振動信號進(jìn)行去噪處理。

占空比獲取單元20，用于對經(jīng)去噪處理后的振動信號進(jìn)行門限檢測，并根據(jù)門限檢測的結(jié)果確定各振動信號的占空比。

過均值頻數(shù)獲取單元30，用于根據(jù)平均幅度差函數(shù)獲取所述振動信號的過均值頻數(shù)。

時域二維特性獲取單元40，用于根據(jù)所述振動信號的占空比及過均值頻數(shù)生成時域二維特征向量，并將所述時域二維特征向量作為待分類樣本輸入隨機向量函數(shù)連接RVFL網(wǎng)絡(luò)。

振動源判定單元50，用于對所述RVFL網(wǎng)絡(luò)中的所述待分類樣本進(jìn)行參數(shù)訓(xùn)練，并根據(jù)所述參數(shù)訓(xùn)練的結(jié)果判斷當(dāng)前振動源是否為行車振動源。

從上述描述可知，本發(fā)明的實施例能夠根據(jù)時域二維特性準(zhǔn)確的識別出行車振動信號，且識別過程快速且有效，為控制中心提供了可靠地振動源判定基礎(chǔ)，使得控制能在能夠根據(jù)振動源的類型，做出準(zhǔn)確且及時的響應(yīng)。

最后應(yīng)說明的是：以上各實施例僅用以說明本發(fā)明的實施例的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明的實施例進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明的實施例各實施例技術(shù)方案的范圍。