Page 21 - 网络电信2021年11月刊下
P. 21
动信号强度会瞬时增大，可直接运用时域指标进行扰动预判。 生，避免了单个因子的误判，如图6所示。
峰值因子C是信号峰值与有效值的比值，反映了峰值在波形中的 2.聚类圈出影响区段
极端程度。波形因子K是有效值与整流平均值的比值，值越大， 一般为了提高分辨率，采样点会相对较多，可以采用PCA
波形越平稳。峭度K+可反映概率密度图像的对称性，概率密度 （主成分分析）对特征点进行降维优化，通过线性变换，压缩
函数分布形态偏移越大，峭度值的绝对值越大。式（3）展示了 数据中相关性较强的成分，删除冗余变量，建立一组各维度线
时域信号X的各指标： 性无关的新变量，通过权重的高低差异化数据特征，实现对
信号特征的筛选优化 ［10］ 。接着采用基于主成分因子载荷矩阵
的聚类方法，对光纤各空间点进行聚类识别，圈出事件影响区
段，如图7所示。
3.能量占比
根据图8绘制的各外破事件的频谱图可知，不同事件影响下
的频率响应特征不一，可以作为不同事件的判别依据，而频率
与能量可用来表征垂直距离的差异性，因此可将信号能量按频
率分段，求取各段的能量占比，构建特征向量。
因此可以凭借时域下的峰值因子、波形因子和峭度进行异 针对监测到的破碎机外破事件样本，挑选不同垂直距离下
常状态预判，以正常状态下的光纤信号时域峰值因子、波形因 的数据进行频谱图绘制，并分频段计算各频段的能量占比，如
子、峭度因子作为参考，设定历史样本统计意义下的阈值进行 图9所示。由图9可见，当垂直距离只有3m时，其高低频能量占
判断，一旦所有指标都满足阈值条件，则判定为异常事件的发 比分布相对均衡，而垂直距离达7m时，则低频显著高于高频；
而且针对高频能量占比，垂直距离为3m的占比远高于7m。这充
分说明施工事件的距离越远，信号在频率上的衰减越快，与图
图 6 扰动下的时域指标
3、4的结论一致。
三、分类识别
光纤传感系统不仅要进行扰动的判别、扰动事件识别，而
且还要对垂直距离进行分类预警，涉及多分类多维度特征。与
图 8 不同外破事件的频率响应特征
图 7 主成分聚类结果
图 9 不同垂直距离下外破事件的能量占比
网络电信 二零二一年十一月 35
