Page 42 - 网络电信2020年1/2月刊下

解 决 方 案

图2 模式识别技术的分段式光缆智能诊断方法 (3)对r 1 (t)继续进行分解，当剩余部分为一单调信号时，
停止分解，那么此时的全部IMF分量及余量为:
r 2 =r 1 －C 2 ，…，r n =r n－1 －C n (6)
光缆工作状态的振动信号X(t)可表示为:
X(t)=C 1 (t)+C 2 (t)+，…，+C n (t)+Ｒ n (t) (7)
经验分解算法可以将光缆工作状态的振动信号中的分量从
高频到低频依次分离出来，更加有效地反映了光缆工作状态的
振动信号的内部特征，可以采用前几个IMF分量作为光缆故障诊
断特征。
（3）建立光缆故障诊断的分类器
设光缆故障诊断训练集{(x i ，y i )}，i=1，2，…，m，m表示
光缆故障诊断的样本数，x i 表示光缆工作状态的振动信号IMF特
缆故障智能诊断，具体如图2的所示。 征，那么光缆故障诊断分类函数为:
T
f(x)=sgn(w φ(x)+b) (8)
2、基于模式识别技术的分段式光缆智能诊断方法具 式中，ω和b为权值和偏置量。
体设计 为了简化式(1)的求解过程，加快执行速度，采用松弛变量
*
（1）采集光缆工作状态的振动信号 ξ i 、ξ i 和惩罚参数C对式(8)进行变换，产生下式:
当前光缆工作状态的振动信号的工具很多，相对其它工
具，无线网络传感器节点的工作性能更加稳定，不仅采集数据
T
信号的质量更优，而且具有一定的去噪能力，因此本文采用无 y i －w φ(x)+b=e i (9)
线网络传感器节点对光缆工作状态的振动信号进行采集。 引入拉格朗日乘子(α i )建立拉格朗日乘函数，得到式(9)
（2）提取光缆故障诊断特征 对偶形式，具体如下:
光缆工作状态的振动信号是一种非平稳随机信号，当前
提取光缆故障诊断特征方法有小波变换、傅里叶变换等，它们 (10)
虽然可以对非平稳随机信号进行处理，但是它们的自适应性能
差，易导致能量的扩散。经验分解算法可以根据光缆工作状态 由于 ，那么可以建立如下形式的等式:
的振动信号进行自适应分解，可以从光缆工作状态的振动信号
中提取光缆故障诊断特征。经验分解算法提取光缆故障诊断特 (11)
征的步骤具体如下:
(1)设原始光缆工作状态的振动信号为:X(t)，对X(t)的全 光缆故障特征向量与光缆故障类型具有一定的非线性，因
T
部极值点进行识别，并找到全部极大值点，根据极大值点和极 此K(x i ，x j )=φ(x i ) φ(x j )，光缆故障诊断的非线性分类函数
小值点分别得到光缆工作状态的振动信号的上包络线μ(t)和下 为:
包络线v(t)，且有v(t)≤X(t)≤μ(t)，μ(t)和v(t)的平均曲
线m(t)计算公式为: (12)
K(x i ，x j )具体定义如下
(1)
设h 1 (t)=X(t)－m(t)，其表示经验分解算法的IMF。 (13)
(2)通常情况下，由于其它因素的影响，h 1 (t)不能完全符 式中，σ为宽度参数。
合IMF条件，为此采用h 1 (t)代替X(t)，h 1 (t)的上、下包络线分
别为u 1 (t)和v 1 (t)，不断执行步骤的过程，一直到h k (t)符合IMF 三、分段式光缆智能诊断性能测试
条件。具体如下: 1、测试环境及样本数据
(2) 为了分析基于模式识别技术的分段式光缆智能诊断效果，
仿真实验的测试环境为:Intel酷睿i38100CPU，三星860EVO
(3) 500G SDD硬盘，金士顿骇客神条FuryDDＲ424008G内存，Linux
操作系统，光缆的工作状态为:线路中断，供电系统故障，光纤
(4) 接头松动，正常状态，它们的样本数据具体如表1所示。分段式
光缆智能的参数C=100.89，σ=17.65。
(5) 2、分段式光缆诊断结果的分析
当得到第一个IMF时，C 1 (t)和信号的剩余部分r 1 (t)分别可 选择神经网络的分段式光缆诊断技术、聚类分析算法的分
以表示为:C 1 (t)=h k (t)，r 1 (t)=X(t)－C 1 (t)。 段式光缆诊断技术进行对比实验，分段式光缆诊断正确率和误

66 网络电信 二零二零年一、二月