[发明专利]基于改进的隶属度函数结合神经网络的光纤状态评估方法

说明书

基于改进的隶属度函数结合神经网络的光纤状态评估方法，涉及光纤线路状态评估分析技术领域，解决现有技术无法实现对线路状态中的潜在故障进行分析与评估，进而无法规避即将发生的故障等问题，采用本发明所述的评估分析方法采用改进的欧式距离公式对隶光纤状态隶属度综合评价方法的隶属度权值进行优化组合，准确评估分析线路状态健康程度，分析线路是否存在潜在故障，提前制定维护策略，满足光纤通信不间断传输的要求。采用RBF神经网络评估分析模型，使得评估性能具有良好的拟合精度和收敛速度，更好的实现对光线状态的评估。

技术领域

本发明涉及光纤线路状态评估分析技术领域，具体涉及一种基于改进的隶属度函数结合神经网络的光纤状态评估方法。

背景技术

光纤因具有大容量、低损耗、高速率等优点现已成为通信传输的主要媒介，在电力系统中光纤支撑网具有覆盖率高，网络密集、故障频繁、故障影响大的特点，且特殊环境下(如：覆冰、人为损坏等)易导致光纤线路老化等潜在故障，所以电力光纤传输网络运行的可靠性必将是电力系统安全生产、高效运行的重要保障，一旦线路发生故障，造成的通信中断将会给企业和用户带来巨大的经济损失。目前的光纤线路监测系统无法对光纤线路潜在故障进行实时诊断与告警，那么如何根据已有的光纤参数信息来评估分析光纤线路的状态，从而实现光纤线路状态主动管理和维护，保障通信稳定进行具有重大意义。

现有的电力光纤线路维护方法通常是通过实时在线监测光纤线路的光功率信息，当其变化超过所设的阈值时，则立即启动OTDR的测试，通过对OTDR测试曲线分析完成故障诊断及定位，并由现场人员对故障点进行抢修，恢复通信。但该方法仅能对光纤线路中已发生的故障进行告警，当光功率衰减未达到阈值且已发生潜在故障的情况不能及时分析处理，无法规避可能发生的故障。

发明内容

本发明为解决现有技术无法实现对光纤线路状态进行评估与分析，进而无法发现光纤线路中的潜在故障等问题，提供了一种基于改进的隶属度函数结合神经网络的光纤状态评估方法。

基于改进的隶属度函数结合神经网络的光纤状态评估方法，该方法由以下步骤实现：

步骤一、数据预处理：对原始光纤振动参数、温度参数信息数据进行预处理，作为光纤状态隶属度综合评价模型的参数样本；对原始光功率数据进行预处理，作为光纤状态神经网络评估分析模型的样本；

步骤二、构建基于改进隶属度函数的光纤状态隶属度综合评价模型；

步骤二一、获取光纤状态因素集U_i；建立对应评语集V_j；选取隶属度函数，进行单因素评价，建立隶属度关系矩阵R；

步骤二二、确定光纤状态因素权重系数：利用熵权法计算客观权重系数ω′；利用改进的层次分析法计算主观权重系数ω″；利用改进的欧式距离公式组合主观权重系数与客观权重系数构成综合评价权重系数ω；

步骤三、通过隶属度关系矩阵R与综合评价权重系数ω构建基于隶属度函数的光纤状态隶属度综合评价模型B；利用光纤状态隶属度综合评价模型B求取关于表征光纤线路状态的光纤振动参数、温度参数的综合评价隶属度值b；

步骤四、结合光纤状态隶属度综合评价模型建立神经网络评估分析模型：通过对光纤状态隶属度综合评价模型所获取光纤线路状态隶属度参数与相对应光功率数据进行神经网络建模；

步骤四一、构造样本数据：将光功率数据与光纤状态综合评价所得隶属度值构造为样本对，作为神经网络模型的训练输入样本；

步骤四二、确定网络拓扑结构：确定RBF神经网络的输入层、输出层和隐含层的节点数以及初始化学习速率η；

步骤四三、求解RBF神经网络核心参数：选取高斯核函数作为RBF神经网络核函数，利用K-means聚类方法确定核函数中心C_v、隐含层神经元半径利用最小均方误差(LMS)学习法调节隐含层到输出层的连接权重γ；