2024年02月02日 02:48
分布式光纤振动监测系统对防护区域的保护过程是:通过系统监测光缆的振动并实时采集振动信号,然后对振动信号行为进行识别,识别出具有破坏性的行为后,系统进行预警或告警,前往现场处置破坏行动。所以对振动信号进行准确识别,是目前市场的一个强需求。
对于振动信号的识别方法有很多,有通过对振动信号幅值的强弱,频率,持续时间进行识别的,也有通过支持向量机SVM进行的,还有通过卷积神经网络模型(简称CNN)进行AI识别的。
在当前一切都想往AI靠的大环境下,CNN神经网络模型倍受欢迎。那么如何通过CNN对振动信号进行识别呢?
我们在用CNN做识别前,需要先搭建自己的CNN模型。我们首先需要对振动点进行特征采样,例如安静环境下的样本,有挖掘机挖掘等破坏行为时候的样本,采样时长我们设置为3秒,这样我们就可以获取到一系列的3秒钟时长的不同行为下的振动样本数据。
我们把这3秒钟的振动数据读取,其实就是一个一维的数组,我们把该数据可视化到图形上,可以得到一系列的波形图。
在神经网络中,我们一般都是输入二维的tensor矩阵,所以我们可以把3秒钟的一维数组,假设10000个数,可以转换成一个100*100的二维数组。
二维卷积(nn.Conv2d)是最常用的卷积,我们可以多次二维卷积,然后最大池化(MaxPool2d)等操作,搭建自己的模型。
剩余的即是训练数据,及修改参数调整模型准确度的工作了。
当数据样本足够多,理论上模型更精准。这样当现场一个3S的振动数据数据到模型库后,立即可以识别是否具有破坏性。