[发明专利]电缆防盗监测方法和系统、计算机可读存储介质在审

专利信息
申请号: 201911360337.2 申请日: 2019-12-25
公开(公告)号: CN111127793A 公开(公告)日: 2020-05-08
发明(设计)人: 罗伟明;符晓洪;范伟松;吴自强;斯荣;孙嘉杰;李炳璋;厉冰 申请(专利权)人: 深圳供电局有限公司
主分类号: G08B13/12 分类号: G08B13/12
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 熊文杰
地址: 518001 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电缆 防盗 监测 方法 系统 计算机 可读 存储 介质
【权利要求书】:

1.一种电缆防盗监测方法,其特征在于,应用于电缆防盗监测系统,所述电缆防盗监测系统包括与待测电缆同步绑定设置的单模光纤,所述方法包括:

向所述单模光纤耦合脉冲光以在所述单模光纤中产生后向瑞利散射;

接收经所述单模光纤反射后的所述后向瑞利散射,并根据所述脉冲光和所述后向瑞利散射获取沿所述单模光纤分布的振动信号;

根据所述脉冲光和所述后向瑞利散射获取所述待测电缆的入侵位置,并将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型;

根据所述入侵位置、入侵类型按照预设报警策略输出相应的报警信息。

2.根据权利要求1所述的方法,其特征在于,所述将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型前,包括:

获取振动信号训练集,所述振动信号训练集包括多个干扰振动信号和多个入侵振动信号;

利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型。

3.根据权利要求2所述的方法,其特征在于,所述利用所述振动信号训练集对循环神经网络模型进行训练获取所述预测模型,包括:

根据所述振动信号训练集中多个干扰振动信号确定所述循环神经网络模型的第一损失函数;

根据所述振动信号训练集中多个入侵振动信号确定所述循环神经网络模型的第二损失函数;

将所述振动信号训练集输入所述循环神经网络模型对LSTM网络层的权重进行优化,直至所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值;

将所述第一损失函数的输出值小于第一预定阈值、所述第二损失函数的输出值小于第二预定阈值对应的循环神经网络模型作为所述预测模型。

4.根据权利要求1所述的方法,其特征在于,根据所述入侵位置、入侵类型按照预设报警策略输出相应的报警信息,包括:

构建入侵位置、入侵类型与预设报警策略的对应关系;

确定与当前入侵位置、入侵类型相对应的预设报警策略;

根据确定的预设报警策略输出警报信号,所述报警信号携带所述入侵位置。

5.根据权利要求4所述的方法,其特征在于,所述方法还包括:

根据所述报警信号生成报警数据库,所述报警数据库至少包括每次执行报警信号的报警时间、入侵位置、入侵类型;

根据所述报警数据库分配管理沿所述待测电路铺设线路的管理资源。

6.根据权利要求1所述的方法,其特征在于,所述根据所述脉冲光和所述后向瑞利散射获取所述待测电缆的入侵位置,包括:

基于光时域反射技术,根据所述脉冲光与所述后向瑞利散射的时延来获取所述待测电缆的入侵位置。

7.根据权利要求1所述的方法,其特征在于,所述预设报警策略包括:

通过声、光或图像的方式呈现所述报警信号;

基于无线网络将将所述报警信息输出至预设账户的移动终端。

8.一种电缆防盗监测系统,其特征在于,用于对待测电缆的温度信号进行检测,所述系统包括:

单模光纤,与所述待测电缆同步绑定设置;

光源模块,与所述单模光纤耦合连接,用于向所述单模光纤耦合脉冲光以在所述单模光纤中产生后向瑞利散射;

光探测模块,与所述单模光纤耦合连接,用于接收经所述单模光纤反射后的所述后向瑞利散射,并根据所述脉冲光和所述后向瑞利散射获取沿所述单模光纤分布的振动信号;

处理模块,分别与所述光源模块、光探测模块连接,用于根据所述脉冲光和所述后向瑞利散射获取所述待测电缆的入侵位置,输出警报指令;

类型获取模块,分别与所述处理模块、所述光探测模块连接,用于将所述振动信号输入至预测模型以获取所述待测电缆的入侵类型;

报警模块,与所述处理模块连接,用于根据所述入侵位置、入侵类型按照预设报警策略输出相应的报警信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳供电局有限公司,未经深圳供电局有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911360337.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top