【技術實現步驟摘要】
本專利技術涉及軌道安全預警，尤其涉及一種軌道安全光纖智能預警方法和系統。
技術介紹
1、軌道安全保護區的監測對于軌道安全的保護具有十分重要的意義。近些年來，在軌道安全保護區內違法、違規施工導致軌道安全事故的情況層出不窮。為了解決這一隱患，人工巡檢方法成為首選。通過耗費大量的人力、物力、時間，在軌道安全保護區內不斷巡檢是人工巡檢方法的特點。盡管該方法對違法、違規施工的監測起到了一定的積極作用，但是該方法勞苦效微，非長久之計。
2、無人機巡檢方法在人工巡檢方法的基礎之上進行升級的一種方法。該方法相比于傳統的人工巡檢，首先解放了大量的勞動力，將人的巡檢更換為機器的巡檢。然后，該方法結合人工智能技術，對無人機拍攝的視頻智能識別是否存在施工行為，從而提升了軌道安全保護區的監測效率。
3、相比于人工巡檢，無人機巡檢勝在科技創新。然而，無論是人工巡檢還是無人機巡檢，均沒有跳出“巡檢”這一個邏輯框架。所以，無人機巡檢仍具有以下不足：1）難以對軌道安全保護區進行24小時實時監測；2）難以對軌道安全保護區進行無死角監測；3）難以在夜晚對軌道安全保護區進行有效檢測；4）受天氣因素制約較大，面對霧、霾、風、雨等特殊天氣時難以對軌道安全保護區進行有效監測。
技術實現思路
1、為解決
技術介紹
中存在的技術問題，本專利技術提出一種軌道安全光纖智能預警方法和系統。
2、本專利技術提出的一種軌道安全光纖智能預警方法，包括：
3、采集隧道光纖的光纖振動信號；
5、根據振動信號識別結果進行預警。
6、優選地，采集隧道光纖的光纖振動信號，具體包括：
7、向隧道光纖中發射脈沖激光；
8、對光纖后向散射的瑞利散射光進行捕獲；
9、對捕獲的瑞利散射光進行解調；
10、存儲解調的瑞利散射光信息。
11、優選地，在采集隧道光纖的光纖振動信號之前，還包括：
12、預設隧道光纖的長度、隧道位置和地表位置的對應關系。
13、優選地，預設隧道光纖的長度、隧道位置和地表位置的對應關系，具體包括：
14、在隧道內對隧道光纖進行光纖敲擊工作，得到敲擊信號反應；
15、根據敲擊信號反應，得到隧道光纖的長度；
16、將隧道內的不同位置和隧道光纖的長度進行對應；
17、獲取隧道的設計圖和目標監測區域地表的天地圖；
18、根據隧道的設計圖和目標監測區域地表的天地圖將隧道內的不同位置和地表位置進行對應，以得到隧道光纖的長度、隧道位置和地表位置的對應關系。
19、優選地，在采集隧道光纖的光纖振動信號之前，還包括：
20、預設振動事件和對應的光纖振動信號。
21、其中，預設振動事件和對應的光纖振動信號，具體包括：
22、在目標位置放置攝像裝置實時記錄振動事件；
23、當振動事件發生時，根據預設的振動事件和光纖振動信號的對應關系提取不同振動事件的振動信號；其中，預設的振動事件和光纖振動信號的對應關系：當振動事件發生時，對應的光纖振動信號出現；當振動事件消失時，對應的光纖振動信號消失。
24、優選地，對光纖振動信號進行振動信號識別，得到振動信號識別結果，具體包括：
25、基于地球物理方法，從光纖振動信號的時域、頻域、空域、fk域和能量域中提取出振動事件信號特征；
26、利用預先訓練好的人工智能識別模型對振動事件信號特征進行識別，得到振動信號識別結果。
27、優選地，人工智能識別模型包括第一子模型和第二子模型，第一子模型基于隨機森林算法和卷積神經網絡算法，第二子模型基于震源掃描算法，人工智能識別模型用于基于第一子模型和第二子模型獲取振動事件信號的位置和施工器械類型。
28、優選地，利用預先訓練好的人工智能識別模型對振動事件信號特征進行識別，得到振動信號識別結果，具體包括：
29、先利用預先訓練好的人工智能識別模型按照預設周期自動識別振動事件信號特征，得到多個識別結果；其中，識別結果包括光纖長度、振動事件信號距離隧道的橫向距離和施工器械；
30、當不同識別結果對應的光纖長度相差在預設距離及以內時，將多個識別結果融合形成一個識別結果；其中，融合后的識別結果的光纖長度為多個識別結果中的光纖長度的平均值，融合后的識別結果的振動事件信號距離隧道的橫向距離為多個識別結果中的振動事件信號距離隧道的橫向距離的最小值；
31、將融合后的識別結果對應的光纖長度和振動事件信號距離隧道的橫向距離按照坐標系轉換方法轉換為振動事件發生經度和振動事件發生緯度。
32、本專利技術還提出了一種軌道安全光纖智能預警系統，軌道安全光纖智能預警系統，包括：數據采集模塊、信號智能識別模塊和可視化模塊，數據采集模塊用于與隧道光纖連接，數據采集模塊、信號智能識別模塊和可視化模塊依次連接；
33、其中，數據采集模塊用于采集隧道光纖的光纖振動信號；
34、信號智能識別模塊用于對光纖振動信號進行振動信號識別，得到振動信號識別結果；其中，振動信號識別結果包括：振動事件發生經度、振動事件發生緯度和施工器械；
35、預警模塊，用于根據振動信號識別結果進行預警。
36、優選地，數據采集模塊包括：激光發射子模塊、微弱散射光捕獲子模塊、瑞利散射光解調子模塊和數據存儲子模塊；
37、激光發射子模塊與隧道光纖連接，激光發射子模塊與微弱散射光捕獲子模塊連接，微弱散射光捕獲子模塊與瑞利散射光解調子模塊連接，瑞利散射光解調子模塊連接與數據存儲子模塊連接，數據存儲子模塊與信號智能識別模塊連接；
38、激光發射子模塊用于向隧道光纖中發射脈沖激光；
39、微弱散射光捕獲子模塊用于對光纖后向散射的瑞利散射光進行捕獲；
40、瑞利散射光解調子模塊用于對捕獲的瑞利散射光進行解調；
41、數據存儲子模塊用于存儲解調的瑞利散射光信息。
42、優選地，信號智能識別模塊包括地球物理分析子模塊和人工智能分析子模塊；
43、地球物理分析子模塊用于基于地球物理方法，從光纖振動信號的時域、頻域、空域、fk域和能量域中提取出振動事件信號特征，以增強對不同類型信號特征的認識；
44、人工智能分析子模塊預設有訓練好的人工智能識別模型，人工智能分析子模塊用于利用人工智能識別模型對振動事件信號特征進行識別，得到振動信號識別結果。
45、優選地，人工智能識別模型包括第一子模型和第二子模型，第一子模型基于隨機森林算法和卷積神經網絡（cnn）算法，第二子模型基于震源掃描算法，人工智能識別模型用于基于第一子模型和第二子模型獲取振動事件信號的位置和施工器械本文檔來自技高網...
【技術保護點】
1.一種軌道安全光纖智能預警方法，其特征在于，包括：
2.根據權利要求1所述的軌道安全光纖智能預警方法，其特征在于，采集隧道光纖的光纖振動信號，具體包括：
3.根據權利要求1所述的軌道安全光纖智能預警方法，其特征在于，在采集隧道光纖的光纖振動信號之前，還包括：
4.根據權利要求3所述的軌道安全光纖智能預警方法，其特征在于，在采集隧道光纖的光纖振動信號之前，還包括：
5.根據權利要求1所述的軌道安全光纖智能預警方法，其特征在于，對光纖振動信號進行振動信號識別，得到振動信號識別結果，具體包括：
6.根據權利要求5所述的軌道安全光纖智能預警方法，其特征在于，利用預先訓練好的人工智能識別模型對振動事件信號特征進行識別，得到振動信號識別結果，具體包括：
7.一種軌道安全光纖智能預警系統，其特征在于，軌道安全光纖智能預警系統，包括：數據采集模塊、信號智能識別模塊和可視化模塊，數據采集模塊用于與隧道光纖連接，數據采集模塊、信號智能識別模塊和可視化模塊依次連接；
8.根據權利要求7所述的軌道安全光纖智能預警系統，
9.根據權利要求7所述的軌道安全光纖智能預警系統，其特征在于，信號智能識別模塊包括地球物理分析子模塊和人工智能分析子模塊；
10.根據權利要求9所述的軌道安全光纖智能預警系統，其特征在于，人工智能識別模型包括第一子模型和第二子模型，第一子模型基于隨機森林算法和卷積神經網絡算法，第二子模型基于震源掃描算法，人工智能識別模型用于基于第一子模型和第二子模型獲取振動事件信號的位置和施工器械類型。
...【技術特征摘要】
1.一種軌道安全光纖智能預警方法，其特征在于，包括：
2.根據權利要求1所述的軌道安全光纖智能預警方法，其特征在于，采集隧道光纖的光纖振動信號，具體包括：
3.根據權利要求1所述的軌道安全光纖智能預警方法，其特征在于，在采集隧道光纖的光纖振動信號之前，還包括：
4.根據權利要求3所述的軌道安全光纖智能預警方法，其特征在于，在采集隧道光纖的光纖振動信號之前，還包括：
5.根據權利要求1所述的軌道安全光纖智能預警方法，其特征在于，對光纖振動信號進行振動信號識別，得到振動信號識別結果，具體包括：
6.根據權利要求5所述的軌道安全光纖智能預警方法，其特征在于，利用預先訓練好的人工智能識別模型對振動事件信號特征進行識別，得到振動信號識別結果，具體包括：
7.一種軌道安全光纖智能預警系統，...
【專利技術屬性】
技術研發人員：張強，方大為，崔晨豪，馬威，侯成志，陳銘，姜超，葉鵬，
申請(專利權)人：智地感知合肥科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。