[发明专利]基于相敏光反射和卷积神经网络深度学习的冲击定位方法

说明书

本发明提出了一种基于相敏光反射和卷积神经网络深度学习的冲击定位方法，具体包括以下内容：步骤一：用于冲击载荷定位的两种基于相位敏感光时域反射原理的光纤监测网络拓扑结构；步骤二：用于冲击载荷监测的相敏光时域反射传感探头结构设计；步骤三：分布式相敏光时域反射传感冲击监测系统构建与薄板监测区域网格划分；步骤四：基于时差法的相敏光时域反射技术冲击载荷定位；步骤五：基于Φ‑OTDR传感器的冲击响应样本库生成；步骤六：数据预处理与深度学习卷积神经网络设计；步骤七：使用训练好的深度学习卷积神经网络对Φ‑OTDR传感器冲击响应数据进行识别。

技术领域

本发明属于结构健康监测的冲击监测领域，具体提出了一种基于相位敏感光时域反射(Φ-OTDR)和CNN卷积神经网络的深度学习光纤冲击载荷定位方法。

背景技术

相位敏感光时域反射(Φ-OTDR)技术是一种基于光时域反射(OTDR)技术的光纤传感技术；OTDR是根据光在光纤中产生的后向瑞利散射光和菲涅尔反射光的光强变化来进行故障定位，而Φ-OTDR是一种把强相干，高频稳定性的脉冲光注入光纤，通过光电探测器探测脉冲范围内后向散射的瑞利散射光相干涉的结果，通过光电探测器相邻两次探测结果相减即可得出变化量，再将此变化量除以本身即可得出相对变化量，由此相对变化量来进行故障定位；

目前，在冲击监测技术研究中，由冲击载荷产生的结构响应信号是对冲击源进行识别的信息基础，因此结构响应信号的测量就是需要首先解决的问题。由于结构对冲击载荷的响应信号具有时间短、频带宽的特点，在结构健康监测中常用集中式或分布式压电应变测量方法测量结构的响应信号。压电式传感器具有灵敏度高、使用方便、测量信号频率高等优点，但其易受电磁环境干扰；而对于常规低速采样的光纤光栅传感模式，在实际应用中由于解调仪采样频率较低，将会导致表征冲击响应特征的有效信息大量缺失，无法满足时差定位原理，导致定位精度大幅降低。

目前，本发明所使用的相位敏感光时域反射(Φ-OTDR)技术由于其特殊性，不仅具备了普通光纤的优点，例如抗电磁干扰、传输距离远等，且具有良好的应变-方向敏感特性、较高灵敏度和较高的采样频率，非常适用于针对不同冲击信号的监测；

发明内容

本发明提供了一种新型的冲击载荷位置辨识方法，该方法采用基于Φ-OTDR 相敏光时域反射系统的监测网络配置方法，通过大量冲击响应数据样本方式提取冲击响应信号的特征库。分别采用利用时差法和CNN卷积神经网络深度学习方法进行冲击响应定位，适用于大面积薄板类结构。

一种基于相敏光反射和卷积神经网络深度学习的冲击定位方法，其特征在于包括以下过程：

步骤一：用于冲击载荷定位的基于相位敏感光时域反射原理的监测网络拓扑结构,具体过程为:

将Φ-OTDR应用在材料各向同性的板结构或柱状结构的冲击载荷定位中；若有冲击载荷加载于试件上，冲击引起的应力波沿试件进行传播，此时若试件上适当位置贴有多个Φ-OTDR光纤传感探头，利用Φ-OTDR技术高频采样特点即可检测到应力波到达这些位于在固定位置的光纤传感器探头的先后时间；而各向同性的材料中应力波的传播速度在各个方向上又是一样的，利用位于不同位置光纤传感器探头测量到的振动时间差即可进行冲击载荷的位置识别；根据Φ-OTDR传感特性和监测网络需求，可以将Φ-OTDR监测网络分为光纤传感器探头串联连接方式的拓扑结构或光纤传感器探头并联连接方式的拓扑结构；同时，在基于相位敏感光时域反射原理的冲击定位光纤监测网络系统，影响系统冲击定位效果的主要有Φ-OTDR采样频率f，光在光纤中的传播时间t和振动波在试件中传播的波速 v等三个因素；针对两种不同的拓扑结构，对于以上三个影响因素又分别有若干限定条件

步骤二：用于冲击载荷监测的相敏光时域反射传感探头结构设计,具体过程如下: