本發(fā)明為一種基于相位敏感光時(shí)域反射計(jì)(Φ-OTDR)技術(shù)的鐵軌異物入侵監(jiān)測(cè)方法，具體涉及光時(shí)域光纖傳感技術(shù)和鐵軌沿線安全監(jiān)控領(lǐng)域，尤其是一種監(jiān)測(cè)鐵軌沿線任意位置點(diǎn)發(fā)生異物入侵事件的方法。

背景技術(shù)：

實(shí)時(shí)監(jiān)測(cè)鐵路沿線各個(gè)位置點(diǎn)所發(fā)生的某些異物入侵事件，對(duì)于鐵路運(yùn)行和防災(zāi)安全至關(guān)重要。我國(guó)高速鐵路的防災(zāi)安全通過(guò)防災(zāi)安全監(jiān)控系統(tǒng)來(lái)保證，系統(tǒng)主要包括：地震、滑坡和泥石流等地質(zhì)災(zāi)害監(jiān)測(cè)系統(tǒng)，以及安裝在公跨鐵橋梁上方、部分公鐵并行路段、部分隧道口和高路塹地段的異物侵限監(jiān)測(cè)系統(tǒng)。顯然，針對(duì)特定的異物入侵事件，需要設(shè)置特定的監(jiān)測(cè)系統(tǒng)，這使得鐵路系統(tǒng)運(yùn)營(yíng)復(fù)雜度和成本很高，且只能實(shí)現(xiàn)單點(diǎn)監(jiān)測(cè)。

為解決上述問(wèn)題，本發(fā)明提出一種基于相位敏感光時(shí)域反射計(jì)技術(shù)的鐵軌異物入侵監(jiān)測(cè)方法。該方法僅使用現(xiàn)有軌旁光纜，無(wú)需額外的施工工作量，具有安裝簡(jiǎn)單、使用壽命長(zhǎng)、維護(hù)成本低、抗干擾能力強(qiáng)，可實(shí)現(xiàn)大范圍分布式檢測(cè)等諸多優(yōu)點(diǎn)，能為當(dāng)前列車行駛和防災(zāi)安全監(jiān)測(cè)提供一種可靠的輔助判斷手段，對(duì)鐵路系統(tǒng)的運(yùn)行安全和防災(zāi)安全監(jiān)測(cè)具有重要的潛在應(yīng)用價(jià)值。

技術(shù)實(shí)現(xiàn)要素：

技術(shù)問(wèn)題：本發(fā)明的目的是提供一種基于相位敏感光時(shí)域反射計(jì)的鐵軌異物入侵監(jiān)測(cè)方法，該方法僅使用現(xiàn)有軌旁光纜，無(wú)需額外的施工工作量，具有安裝簡(jiǎn)單、使用壽命長(zhǎng)、維護(hù)成本低、抗干擾能力強(qiáng)，可實(shí)現(xiàn)大范圍分布式檢測(cè)等諸多優(yōu)點(diǎn)，能為當(dāng)前列車行駛和防災(zāi)安全監(jiān)測(cè)提供一種可靠的輔助判斷手段。

技術(shù)方案:相位敏感光時(shí)域反射計(jì)(Φ-OTDR)是近年來(lái)發(fā)展很快的一種檢測(cè)技術(shù)，與常規(guī)OTDR一樣，光脈沖從光纖的一端注入，用光探測(cè)器探測(cè)后向瑞利散射光。不同的是注入光纖中的光是強(qiáng)相干的，因此該傳感系統(tǒng)的輸出就是后向瑞利散射光相干干涉的結(jié)果。

Φ-OTDR通過(guò)測(cè)量注入脈沖與接收到信號(hào)之間的時(shí)間延遲來(lái)得到擾動(dòng)的位置s＝c*t/2n來(lái)確定反射散射光的具體位置，其中其中t為時(shí)間延遲；c是激光在真空中傳輸時(shí)的速度，n為光纖的固有折射率；其折射率在1.50左右，實(shí)際測(cè)量中根據(jù)采用的光纖來(lái)決定。

鋪設(shè)在鐵軌旁的光纖，由于列車行駛而發(fā)生擾動(dòng)時(shí)，相應(yīng)位置光纖的折射率及長(zhǎng)度等參數(shù)將會(huì)發(fā)生變化，這將導(dǎo)致該位置光相位的改變。因?yàn)槿肭治恢玫纳⑸涔鈧鬏數(shù)教綔y(cè)器經(jīng)歷的是周期性的相位變化，因此，最終相位的變化由于干涉作用將導(dǎo)致光強(qiáng)發(fā)生變化，并與入侵的位置相對(duì)應(yīng)。

本發(fā)明以Φ-OTDR為基礎(chǔ)，首先對(duì)一段時(shí)間內(nèi)監(jiān)測(cè)路段上任意位置點(diǎn)的原始散射光信號(hào)進(jìn)行小波去噪處理，然后對(duì)濾波后信號(hào)進(jìn)行短時(shí)傅里葉變換和自回歸模型功率譜能量估計(jì)處理，最后根據(jù)信號(hào)的頻率特征來(lái)判定任意位置點(diǎn)是否有異物入侵事件發(fā)生，主要包括以下步驟：

1)通過(guò)相位敏感光時(shí)域反射計(jì)系統(tǒng)獲得一段時(shí)間內(nèi)鐵軌沿線原始散射光信號(hào)；

2)對(duì)原始散射光信號(hào)進(jìn)行抽取，獲得任意位置點(diǎn)在一段時(shí)間內(nèi)原始散射光信號(hào)；

3)對(duì)一段時(shí)間內(nèi)的原始散射光信號(hào)進(jìn)行濾波去噪處理；

4)對(duì)濾波后信號(hào)進(jìn)行短時(shí)傅里葉變換；

5)對(duì)濾波后信號(hào)進(jìn)行自回歸模型的功率譜估計(jì)；

6)重復(fù)上述1)-5)步驟，通過(guò)發(fā)射探測(cè)脈沖光到接收到散射光的時(shí)間延遲和公式：s＝c*t/2n來(lái)確定反射散射光的具體位置，其中s為相應(yīng)位置點(diǎn)的距離，t為時(shí)間延遲；c是激光在真空中傳輸時(shí)的速度，n為光纖的固有折射率；通過(guò)一段時(shí)間內(nèi)的連續(xù)采集，獲得任意位置點(diǎn)一段時(shí)間內(nèi)連續(xù)的原始散射光信號(hào)；然后對(duì)任意位置點(diǎn)及其前后位置點(diǎn)原始信號(hào)的低通濾波、短時(shí)傅里葉變換和現(xiàn)代譜估計(jì)中的自回歸模型(AR)方法處理，通過(guò)分析處理后信號(hào)的頻率特征，來(lái)判斷一段時(shí)間內(nèi)該位置點(diǎn)是否有異物入侵事件發(fā)生。

其中：

所述通過(guò)一段時(shí)間內(nèi)的連續(xù)采集，獲得任意位置點(diǎn)一段時(shí)間內(nèi)連續(xù)的原始散射光信號(hào)，是通過(guò)一段時(shí)間內(nèi)對(duì)監(jiān)測(cè)路段原始后向散射光信號(hào)的連續(xù)采集、抽取，獲得監(jiān)測(cè)路段任意位置點(diǎn)一段時(shí)間內(nèi)連續(xù)的原始散射光信號(hào)。

所述濾波去噪處理，采用基于db12小波變換的低通濾波算法。

所述短時(shí)傅里葉變換，是對(duì)濾波后信號(hào)進(jìn)行加漢明窗的短時(shí)傅里葉變換。

所述現(xiàn)代譜估計(jì)中的自回歸模型(AR)方法，是對(duì)濾波后信號(hào)采用基于現(xiàn)代譜估計(jì)中自回歸模型(AR)方法的功率譜估計(jì)。

所述對(duì)任意位置點(diǎn)及其前后位置點(diǎn)原始信號(hào)的低通濾波、短時(shí)傅里葉變換和現(xiàn)代譜估計(jì)中的自回歸模型(AR)方法處理，是對(duì)任意位置點(diǎn)及其前后位置點(diǎn)進(jìn)行短時(shí)傅里葉變換和現(xiàn)代譜估計(jì)中自回歸模型的功率能量譜估計(jì)處理，對(duì)處理后的信號(hào)進(jìn)行瞬時(shí)頻率能量的時(shí)頻分析和一段時(shí)間內(nèi)各頻率能量分布的功率譜估計(jì)分析，在時(shí)頻分析和功率譜估計(jì)分析中，如果某一位置點(diǎn)能量值遠(yuǎn)遠(yuǎn)超過(guò)其前后位置點(diǎn)的能量值，則判定該位置點(diǎn)在一段時(shí)間內(nèi)有異物入侵事件發(fā)生，否則認(rèn)為在這段時(shí)間內(nèi)沒(méi)有異物入侵事件發(fā)生。

有益效果：本發(fā)明提出一種基于相位敏感光時(shí)域反射計(jì)技術(shù)的鐵軌異物入侵監(jiān)測(cè)的方法，該方法僅使用現(xiàn)有軌旁光纜，無(wú)需額外的施工工作量，具有安裝簡(jiǎn)單、使用壽命長(zhǎng)、維護(hù)成本低、抗干擾能力強(qiáng)，可實(shí)現(xiàn)大范圍分布式檢測(cè)等諸多優(yōu)點(diǎn)，能為當(dāng)前列車行駛和防災(zāi)安全監(jiān)測(cè)提供一種可靠的輔助判斷手段，對(duì)于鐵路系統(tǒng)的安全運(yùn)行和防災(zāi)安全監(jiān)測(cè)具有重要的潛在應(yīng)用價(jià)值。

附圖說(shuō)明

圖1是基于Φ-OTDR的鐵軌異物入侵監(jiān)測(cè)方法流程圖，

圖2是無(wú)人入侵時(shí)520m處的原始信號(hào)和信號(hào)處理效果圖，

圖3是有人入侵時(shí)520m處的原始信號(hào)和信號(hào)處理效果圖，

圖4是人為模擬滑坡振動(dòng)信號(hào)時(shí)4012m處的原始信號(hào)和信號(hào)處理效果圖，

圖5是人為模擬滑坡振動(dòng)信號(hào)時(shí)3947m處的原始信號(hào)和信號(hào)處理效果圖，

圖6是人為模擬滑坡振動(dòng)信號(hào)時(shí)4049m處的原始信號(hào)和信號(hào)處理效果圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施案例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。

根據(jù)附圖1的方法實(shí)施流程圖所示，本發(fā)明首先利用Φ-OTDR系統(tǒng)在某南方高鐵站采集一段時(shí)間內(nèi)某段高鐵動(dòng)車線路的原始信號(hào)，即鐵軌沿線后向散射光信號(hào)，如附圖2中的原始信號(hào)所示。該信號(hào)反映出鐵軌上距離監(jiān)測(cè)點(diǎn)520m的位置點(diǎn)在8s時(shí)間內(nèi)的振動(dòng)信號(hào)，后面附圖中的原始信號(hào)相類似，僅是位置或時(shí)間上有差別。

本發(fā)明首先對(duì)采集到的原始信號(hào)進(jìn)行小波去噪，采用基于db12小波變換的濾波處理方法。鐵路沿線干擾眾多，原始信號(hào)包含很多噪聲，低通濾波處理可以去除絕大部分噪聲。

db小波是一種具有階層性質(zhì)的小波，本發(fā)明采用db12小波的消失動(dòng)量值為6，濾波器長(zhǎng)度為12。上述過(guò)程可采用MATLAB軟件實(shí)現(xiàn)。

信號(hào)的頻率特征隨著某位置具體如列車通過(guò)、人或牲畜鐵路沿線走動(dòng)、滑坡泥石流等發(fā)生異物入侵事件的不同而不同。短時(shí)傅里葉變換可獲得信號(hào)一段時(shí)間內(nèi)的時(shí)頻特性，可清晰獲得瞬時(shí)頻率的信息。

短時(shí)傅里葉變換方法是在連續(xù)一段時(shí)間內(nèi)，一個(gè)函數(shù)可以先乘上僅在一段時(shí)間不為零的窗函數(shù)再進(jìn)行一維的傅里葉變換，再將該窗函數(shù)沿著時(shí)間軸移動(dòng)，所得到的一系列的傅里葉變換結(jié)果排開(kāi)后的二維表象。數(shù)學(xué)表達(dá)式為：

其中w(t)是窗函數(shù)；x(t)是待變換的信號(hào)；X(t,f)是w(t-τ)x(τ)的傅里葉變換。隨著t的改變，窗函數(shù)在時(shí)間軸上會(huì)有位移。經(jīng)w(t-τ)x(τ)后，信號(hào)只留下窗函數(shù)截取的部分做最后的傅里葉變換。

本發(fā)明窗函數(shù)采用的是Hamming Window漢明窗。漢明窗是余弦窗的一種，漢明窗加權(quán)的系數(shù)能使旁瓣達(dá)到更小。分析表明，漢明窗的第一旁瓣衰減為-42dB，它的頻譜由3個(gè)矩形時(shí)窗的頻譜合成。其表達(dá)式為：

w(n)＝0.53836-0.46164cos(2πn/N-1)；

通過(guò)對(duì)加窗后的信號(hào)進(jìn)行傅里葉變換，然后在時(shí)間軸上移動(dòng)窗函數(shù)，來(lái)實(shí)現(xiàn)對(duì)信號(hào)的短時(shí)傅里葉變換，從而獲得信號(hào)在時(shí)間上的瞬時(shí)頻率的能量特征，如附圖3中時(shí)頻特性所示，橫坐標(biāo)為時(shí)間，縱坐標(biāo)為信號(hào)在很短時(shí)間內(nèi)的所有頻率能量值之和，柱狀越高代表能量越高。上述過(guò)程可通過(guò)MATLAB軟件實(shí)現(xiàn)。

為了提高系統(tǒng)監(jiān)測(cè)的精度和靈敏度，本發(fā)明又采用了基于自回歸模型(AR)的功率譜估計(jì)方法。

自回歸模型功率譜估計(jì)是現(xiàn)代功率譜估計(jì)的一種，現(xiàn)代功率譜估計(jì)主要是利用白噪聲輸入?yún)?shù)模型之后得到輸出序列，當(dāng)改變系統(tǒng)參數(shù)時(shí)得到的序列也不同，這樣當(dāng)改變參數(shù)使得輸出與已知有限序列相同或者近似時(shí)就可以利用下面的公式求得其功率譜。

白噪聲功率譜為Pe(ω)＝σ²；

輸出序列譜估計(jì)：

其中輸入白噪聲序列方差為σ²，a_k從a₁,a₂到a_p為待估參數(shù)，k＝1,2...p，p為所采用自回歸模型的階數(shù)，j為復(fù)數(shù)中虛數(shù)單位，ω為角頻率。本發(fā)明利用利用線性預(yù)測(cè)濾波器系統(tǒng)函數(shù)與AR模型系統(tǒng)函數(shù)的關(guān)系，通過(guò)Burg遞推算法求得AR模型參數(shù)：σ²和a₁,a₂,...,a_p。進(jìn)而可以求得各頻率在一段時(shí)間內(nèi)的能量分布，如附圖3中譜估計(jì)頻率能量分布所示，柱狀越高代表能量越高。上述過(guò)程可通過(guò)MATLAB軟件實(shí)現(xiàn)。

通過(guò)以上視頻特性和頻率功率譜特征的提取，就可以較準(zhǔn)確的判斷出某一位置點(diǎn)在一段時(shí)間內(nèi)是否有事件發(fā)生。

首先對(duì)監(jiān)測(cè)路段沒(méi)有異物入侵事件發(fā)生時(shí)連續(xù)采集了一段時(shí)間內(nèi)的原始信號(hào)，并進(jìn)行上述方法的處理，附圖2為距離監(jiān)測(cè)點(diǎn)520m位置處的效果圖。

接著安排一人在距離監(jiān)測(cè)點(diǎn)520m位置處來(lái)回走動(dòng)，模擬有人或者牲畜入侵鐵軌。采集了連續(xù)一段時(shí)間內(nèi)的原始信號(hào)，并進(jìn)行上述方法的處理，附圖3為處理效果圖。與附圖2相比，可以看到信號(hào)時(shí)頻特性中瞬時(shí)頻率能量之和和具體頻率能量值都有提高。

利用大型工程挖掘機(jī)械人為在距離監(jiān)測(cè)點(diǎn)4010m左右位置點(diǎn)模擬滑坡振動(dòng)信號(hào)。附圖4、附圖5和附圖6分別為距離監(jiān)測(cè)點(diǎn)4012m、3974m、和4049m位置點(diǎn)的處理效果圖。

從附圖4的時(shí)頻特性和頻率能量分布可以看出有異物入侵事件發(fā)生。從附圖5和附圖6的時(shí)頻特性和頻率能量分布分別可以看出在這段時(shí)間內(nèi)，距離監(jiān)測(cè)點(diǎn)3974m和4049m位置點(diǎn)沒(méi)有異物入侵事件發(fā)生。

是否有異物入侵事件發(fā)生主要觀察該位置點(diǎn)的時(shí)頻特性和頻率能量分布，頻率能量很低時(shí)認(rèn)為沒(méi)有事件發(fā)生，相反很高時(shí)則認(rèn)為有事件發(fā)生。發(fā)生事件包括正常列車通過(guò)和異物入侵事件。區(qū)分兩者的方法就是觀察該位置點(diǎn)附近位置點(diǎn)是否有事件發(fā)生。正常列車長(zhǎng)度一般為400m，列車正常通過(guò)該位置點(diǎn)時(shí)，該位置點(diǎn)前后200m位置點(diǎn)至少有一個(gè)位置點(diǎn)有事件發(fā)生，而異物入侵事件發(fā)生位置點(diǎn)前后幾十米位置點(diǎn)已經(jīng)沒(méi)有事件發(fā)生。如附圖4所示，異物入侵事件發(fā)生位置點(diǎn)前后40m位置點(diǎn)已經(jīng)沒(méi)有事件發(fā)生。

上述測(cè)試均表明本方法能夠較好識(shí)別軌道沿線的異物入侵。