[发明专利]一种结构裂缝分布式光纤监测方法及装置

权利要求书

1.一种采用结构裂缝分布式光纤监测装置的监测方法，其特征在于：结构裂缝分布式光纤监测装置，包括分布式传感光缆、分布式光纤解调仪、监测主机和数据中心，分布式传感光缆安装在结构体表面或内部，分布式光纤解调仪安装在结构体附近，与分布式传感光缆连接，采集结构体表面或内部的特征数据，并传送至监测主机，监测主机对特征数据进行处理后进行指定分发，数据中心管理整个装置，并根据再处理后的数据控制客户终端；

采用分布式光纤对结构进行长时应变监测，通过区域寻峰算法实现裂缝定位，采用人工神经网络算法实现裂缝缝宽分布数据获取，监测周期内环境温度的变化可引起裂缝处应变的剧烈抖动，从而实现裂缝识别；

具体包括如下步骤：

(1)、以固定周期为单位，采集固定周期内的特征数据x(z,t)，z为位置点，t为时刻点；

(2)、对采集的特征数据x(z,t)进行归一化，获得归一化特征数据x_norm(z,t)；

x_norm(z,t)＝{x(z,t)-min[x(z,t)]}/max({x(z,t)-min[x(z,t)]})

(3)、对归一化特征数据x_norm(z,t)采用滑动平均法进行滤波降噪，获得降噪后特征数据x_f；

其中N为位置点数，窗口点数M＝2K+1，K为1～5之间固定自然数；

(4)、根据绝对应变分布的陡变点和端点，对相对应变分布数据进行相应位置标记剔除，获得清洗后数据x_p(z,t)；

(5)、对清洗后数据x_p(z,t)进行时域分析和频域分析，通过区域寻峰获得裂缝位置分布信息z_i，同时满足：

N_T为时刻点数，x_rms0为设置的方差阈值，设定为100，x_pat为设置的抖动阈值；

(6)、根据已建立的裂缝伤损数据库对裂缝位置的清洗后数据进行人工神经网络深度学习，根据处理结果获得缝宽分布数据D_i；

w_ij为经人工神经网络深度学习得出的权值向量；

(7)、对裂缝位置分布、缝宽分布数据进行分类管理以及存储，并根据裂缝伤损数据控制客户终端。

2.根据权利要求1所述的结构裂缝分布式光纤监测方法，其特征在于：所述归一化的具体方法如下：

(1)对t₀时刻单次测量的特征数据x(z,t₀)可以分出直流分量x_dc(z,t₀)和交流分量x_ac(z,t₀)，表示为：

x(z,t₀)＝x_dc(z,t₀)+x_ac(z,t₀)

滤除直流分量x_dc(z,t₀)，得到交流分量x_ac(z,t₀)为：

x_ac(z,t₀)＝x(z,t₀)-x_dc(z,t₀)

(2)对每一时刻t，重复步骤(1)，得到交流分量x_ac(z,t)；

(3)找出最大值

x_max＝max{x_ac(z,t)}

(4)对该组特征数据实现归一化，得出归一化特征数据x_norm(z,t)

x_norm(z,t)＝x_ac(z,t)/x_max

滤波降噪采用滑动平滑，具体方法如下：

(1)设置窗口点数M＝2K+1，K为1～5之间固定自然数；

(2)对于x_norm(z,t)，得到滤波降噪后的处理结果x_f