基于STFT图像特征的天然气管道预警技术研究

来源：计算机测量与控制杂志2023年第4期北京时间：

作者：姚瑞煦,李俊,张訢炜,张家瑞,张鼎博,范斌斌,马天,王伟峰,翟小伟

单位：西安科技大学 安全科学与工程学院

摘要：基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤微振动传感系统,使用STFT算法对中石油西南某地20km天然气管道周围发生六类事件(噪声、机械破环、人工挖掘、榔头敲击、人跳跃以及人踏步通行)的振动数据进行时频域图像化,然后通过BP、SVM、GoogLeNet等算法进行六类事件的分类预测。该方法首先利用Φ-OTDR系统采集管道同沟敷设光缆一芯中瑞利后向散射光信号,从中提取出振动事件的振动信号,然后通过STFT对时间-空间图像的采集,最后对图像数据利用算法进行振动事件的识别。现场实时监测获取的数据表明：利用BP神经网络算法对振动事件识别,相较于传统的随机森林、K近邻、SVM算法以及深度学习GoogLeNet算法,机械破坏事件的误报率低至0%,人工挖掘事件的误报率低至0%,适合应用于实际的天然气管道监测。

关键词：Φ-OTDR;STFT;管道;机器学习;深度学习

基金资助：国家自然科学基金青年科学基金项目