典型文献
基于光纤振动传感系统的入侵事件识别
文献摘要：
采用光纤振动传感系统对不同入侵事件(人工敲击、电镐打击、打夯、挖掘)进行现场实验并采集振动信号,分析不同入侵事件振动信号波形的特点,设置1、2、3、4分别代表人工敲击、电镐打击、打夯、挖掘4种入侵事件,将振动平均幅值、峭度、小波包8个频带能量占比共10个量输入BP神经网络模型,输出入侵事件对应的数据,进而对入侵事件进行识别.研究表明:根据不同入侵事件振动信号波形的特点,可基本区分4种入侵事件.连续波形长度由长到短为打夯、电镐打击、挖掘、人工敲击.外界干扰因素产生的振动幅值很小,对入侵事件识别影响较小.研究的BP神经网络模型能够有效地对人工敲击、电镐打击、打夯、挖掘4种入侵事件进行识别,整体识别率为96.43％.在距离管道2 m的位置进行实验信号采集,并采用上述方法对振动信号进行识别,整体识别率达90.20％.
文献关键词：
光纤振动传感系统;振动信号波形;小波包能量占比;BP神经网络;信号识别
中图分类号：
作者姓名：
王艳昌;马晓麟;李鸣欣;韩雪;玉建军
作者机构：
天津泰达滨海清洁能源集团有限公司,天津300384;天津城建大学能源与安全工程学院,天津300380
文献出处：
引用格式：
[1]王艳昌;马晓麟;李鸣欣;韩雪;玉建军-.基于光纤振动传感系统的入侵事件识别)[J].煤气与热力,2022(12):后插38-后插43
A类：
打夯,输出入,小波包能量占比
B类：
光纤振动传感系统,事件识别,敲击,电镐,现场实验,振动信号波形,代表人,峭度,频带能量,本区,连续波,外界干扰,干扰因素,振动幅值,识别率,信号采集,信号识别
AB值：
0.173931
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
