多芯光纤安防工程一体化同步感知系统

冯谦 马天骄 欧进萍

冯谦, 马天骄, 欧进萍. 多芯光纤安防工程一体化同步感知系统 [J]. 工程科学与技术, 2022, 54(4): 208-217. doi: 10.15961/j.jsuese.202100564
引用本文: 冯谦, 马天骄, 欧进萍. 多芯光纤安防工程一体化同步感知系统 [J]. 工程科学与技术, 2022, 54(4): 208-217. doi: 10.15961/j.jsuese.202100564
FENG Qian, MA Tianjiao, OU Jinping. Multicore Fibre Based Monolithic Sensing System of Security Engineering [J]. Advanced Engineering Sciences, 2022, 54(4): 208-217. doi: 10.15961/j.jsuese.202100564
Citation: FENG Qian, MA Tianjiao, OU Jinping. Multicore Fibre Based Monolithic Sensing System of Security Engineering [J]. Advanced Engineering Sciences, 2022, 54(4): 208-217. doi: 10.15961/j.jsuese.202100564

多芯光纤安防工程一体化同步感知系统

基金项目: 国家自然科学基金项目(51878628)
详细信息
    • 收稿日期:  2021-06-17
    • 网络出版时间:  2022-07-11 02:54:16
  • 作者简介:

    冯谦(1982—),男,正高级工程师,博士生导师,博士. 研究方向:智能材料与结构健康监测. E-mail:fengqian@eqhb.gov.cn

    通信作者:

    欧进萍, E-mail: oujinping@hit.edu.cn

  • 中图分类号: TU198+.2;TN253

Multicore Fibre Based Monolithic Sensing System of Security Engineering

  • 摘要: 光纤传感技术可用于安防工程中的各类扰动探测。然而,常规单模光纤安防系统无法同步实现感知入侵模式、量化扰动强度、火灾预警等重要功能。本研究提出基于空分复用多芯光纤的一体化同步感知系统,将多种光纤传感技术复用于一根7芯光纤,其中,光纤光栅纤芯监测结构点式应变与细部温度,相位敏感纤芯实现扰动定位与强度定量,同时拉曼纤芯测量分布式温度场。面向安防实际需求,在后处理阶段通过高阶中心矩、信号极差、空间平均峰度与特征频率等4种方法实现了多参量入侵定位;提出多指标扰动定量方法,其中,面向瑞利散射信号的扰动量化算法利用瑞利散射模型与多参数优化方法,根据光强信号图样求解分布式应变场,搭配光栅纤芯的应变时程,以此构建扰动强度指标,实现多指标扰动定量评估及模式区分;通过拉曼温度场实现火灾(过热)预警,同时提供温度补偿。在防护围栏上通过7种模拟工况测试了系统的工作性能,结果表明:本系统的4种定位方法得到了各工况事件的不同时空频特征,能准确定位各事件(定位误差<1 m),其中特征频率法还能有效识别出微小地面振动;定量识别15种强度的冲击荷载,各量化指标与扰动强度的正相关性较好;可同步感知光纤沿线温度场并定位过热点,光栅纤芯与拉曼测温纤芯的结果相符合。本系统解决了传统安防系统监测信息单一、容易误漏报、可信度不足的问题,突破了温度应变交叉敏感、缺乏定量感知能力等技术瓶颈。

     

    Abstract: Optical fibre sensing techniques have been applied in security engineering to detect disturbances. However, most of the conventional single-mode-fibre based distributed security monitoring systems fail to simultaneously implement important functions such as recognizing intrusion patterns, quantifying the intensities and warning early fire. In this study, a monolithic multi-parameter sensing system using a multicore fibre based on spatial-division-multiplex sensing was developed to meet the expanding demands in security engineering. In the system, the local strains and temperatures were monitored by the core with fibre Bragg gratings (FBG), the external disturbances were localized and quantified by the phase-sensitive core, and the temperature field was measured and the overheated was identified by the Raman core. In the post-process, 4 intrusion localization methods were adopted for multi-level intrusion identification, namely the high-degree central moment, signal range, spatial average kurtosis and eigen-frequency method. The multi-index disturbance quantitative evaluation method was proposed, the strain field was calculated according to the signal patterns by the subsidiary disturbance quantification algorithm for Rayleigh backscattering signal, and the strain histories of FBG core were considered as well, such that the quantitative disturbance indices could be derived and utilized to quantify intrusion intensities as well as recognize the patterns; the fire alarms were released based on the real-time temperature field that also contributed to compensating strain measurement. The performance of the proposed system was evaluated by 7 practical tests on a steel fence structure. The results demonstrated that features of each intrusion event were acquired in time, space and frequency domain through 4 localization methods, intrusions were localized accurately (errors <1 m), and the moderate ground vibration could be identified through the eigen-frequency method; in the weight-impact test, 15 disturbance intensities were correctly quantified and the quantitative indices presented positive correlation with impact intensities; the temperature field along the fibre was synchronously obtained with the heated region localized, and the result of FBG agreed well with that of Raman core. The developed system serves as a novel method to overcome drawbacks of conventional systems, including monitoring parameter deficiency and poor reliability, and solves typical problems in security monitoring such as temperature-strain cross-sensitivity and disturbance quantification.

     

  • 安防工程的主要监测内容之一是外部入侵扰动,包括各类人为、车辆、施工及环境作用导致的结构振动、变形、失稳及温度异常。扰动类型和强度的识别对施工安全、建筑结构运维管养及灾害预警至关重要。分布式光纤传感器感知传输一体化、耐久性强及监测范围广的特点使其在安防监测领域具有得天独厚的优势[1]。现阶段的分布式光纤安防监测系统主要采用相位敏感光时域反射仪(phase-sensitive optical time domain reflectometry,φ-OTDR)技术。φ-OTDR主要用于入侵定位和频率提取[2-3],现已应用于周界安防、边坡防护和长距离管线的安全监测[4]

    目前,φ-OTDR的扰动探测方法主要以时频特征提取为核心,借助分类算法实现定位与模式识别。例如:Xu等[5]提出了扰动事件的多特征识别方法,利用信号的时频信息构造了短时能量比、电平通过率、振动持时和功率谱能量比等特征,通过支持向量机实现了90%准确率的扰动入侵分类。Wang等[6]利用小波能量谱分析从原始振动信号中提取特征向量,利用相关向量机实现扰动定位与模式分类。Zhao等[7]针对提高信噪比与定位精度的问题,在小波高频分量定位的基础上,提出了分段平均差分法,获得了9.348 3 dB的信噪比,且减少了扰动定位的计算体量。Sun等[8]为提高计算时效性,设计散射矩阵从时空域信号图样中提取特征向量进行扰动识别。该方法在1 s以内的识别准确率达到97.8%。

    上述分布式安防监测系统在扰动定位与模式识别方面取得了较好成果,但大多基于普通单模光纤,监测指标单一,可用于后处理的信息量不足,特征分析局限在时频域,不能同步感知温度、应变等参量,难以区分时频特征相似的事件,未能实现精细化火灾(过热)预警等功能,更无法定量识别扰动,进而无法评估入侵强度。

    近年来,多芯光纤的传感研究为实现传统分布式感知测量技术的突破提供了可靠途径[9]。多芯光纤在一根光纤中集成了多个纤芯,彼此相互独立,具有低串扰、高通量的优势[10]。通过在各纤芯中形成干涉结构或配置不同感测模块,光纤布拉格光栅(fiber Bragg grating,FBG)、布里渊光时域反射仪(Brillouin optical time domain reflectometry,BOTDR),以及拉曼光时域反射仪(Raman optical time domain reflectometry,ROTDR)等(准)分布式传感技术可以整合至同一根光纤,实现3维曲率重构[11]、多物理场同步测量[12-14]、温度应变解耦[15]等功能。因此,多芯光纤空分复用技术兼顾分布式传感系统在测点密度和覆盖范围上优势的同时,能有机结合各传感子模块,实现多参量同步感知。这使得多芯光纤在安防工程中能提供更全面的监测数据,由此提取更丰富的扰动特征以满足多样化功能需求,实现综合分析评估。

    本研究以多芯光纤空分复用技术为支撑,面向安防工程提出了一套多芯光纤一体化同步感知系统,将φ-OTDR、ROTDR、FBG等光纤传感技术复用于7芯光纤,可同步监测频率、分布式及点式的应变和温度、扰动范围及持时等多个参量,基于此实现了多参量入侵定位、多指标扰动定量评估及模式区分、精细化火灾预警和温度补偿等功能。在防护围栏上布设该系统,通过7种模拟工况测试了上述功能的实用效果。

    为同步采集多个环境和结构响应参量,本系统采用的主要传感技术包括:

    1)相位敏感光时域反射仪技术(φ-OTDR)。外界扰动会导致光纤对应位置折射率发生变化,从而改变散射点间的相位差[16],φ-OTDR采用强相干光源,所以相位波动会引起瑞利散射光干涉光强的变化,由此可以捕捉扰动的位置及时频信息。

    2)拉曼分布式测温技术(Raman distributed temperature sensing,RDTS)。拉曼散射最主要的应用是长距离分布式温度测量[17]。拉曼散射中的反斯托克斯光只对温度敏感,其强度受温度调制,而斯托克斯光没有这个特征,所以两者的强度比仅为温度的函数[18]。通过分路器得到两种光,再经解调即可获得光纤沿线的温度场。

    3)光纤布拉格光栅(FBG)。当宽光谱光源入射到光纤时,FBG将反射回一个中心波长为其布拉格波长的窄带光波,反射波长漂移量与应变或温度增量呈线性关系[19],经标定后可以精确反映被测对象的点式应变。本系统定制的7芯光纤刻写有10个间隔约2 m的准分布式FBG,以此满足重点监测部位的精确应变测量需求,辅助φ-OTDR定量评估扰动。在拉制成纤后,对7芯裸纤指定位置清除涂覆层,使用不同周期相位掩膜板刻写光栅,依次完成后整体再以Hytrel紧套管封装。此工艺会对所有纤芯引入光栅,但实测时仅使用中间纤芯作为FBG通道,φ-OTDR与RDTS则使用了不同响应带宽的光电探测器,与FBG反射信号互不干扰。

    4)多芯光纤空分复用。多芯光纤的每个纤芯可作为独立通道进行感知测量,借助扇入扇出耦合器可与不同采集解调模块相适配[20],在时间和空间上做到同步传感、传输。本系统将上述技术复用于7芯光纤(空余纤芯为后续功能补充所用),其配置见图1[21]。此外,本系统设计了同步触发采集电路,统一发放触发信号至各光源模块、脉冲和频移调制模块、采集卡等,保证各传感通道时间坐标一致。

    图  1  7芯光纤通道配置
    Fig.  1  Channel configuration of the 7-core fibre
    下载: 全尺寸图片

    在扰动定位阶段,对于光栅覆盖范围内的入侵事件可同时根据FBG应变时程与φ-OTDR信号予以定位,较单模光纤传感器更具可靠性。对于长距离大范围的定位需求,则主要依靠φ-OTDR纤芯。为进一步降低误报率、提高扰动定位精度,本系统采用4种扰动定位方法。

    1)高阶中心矩法。该方法对φ-OTDR信号按式(1)计算各位置l处的信号高阶中心矩D1作为第1类定位参量:

    $$ {D_1}(l,t) = \max \{ |S ^T_l(t) - {\text{mean[}}S ^T_l(t),T]{|^n}\} $$ (1)

    式中:max为取最大值; $S ^T_l(t)$ t时刻光纤位置l处在时间窗T内的瑞利散射信号(Rayleigh backscattering signal,RBS)时间序列;mean(,T )为在T内取均值;次幂n为增强信噪比,本文取4。信号中心矩的计算过程本质上利用了系统和环境噪声围绕信号真值小幅波动的特点,在高阶放大作用下可直观区分出突变点位。

    2)极差法。该方法计算时间窗内各位置点的信号极差D2作为第2类定位参量:

    $$ {D_2}(l,t) = \max [S ^T_l(t)] - \min [S ^T_l(t)] $$ (2)

    式中,min为取最小值运算。信号极差为差分定位参量的一种,尽管理论上以初始RBS作为基准即可得到差分峰值,但由于相位噪声、光源频漂和温度波动的影响,很多情况下效果并不理想。搜索动态时间窗内的信号极差,能较好地捕捉短时间内信号的起伏,不受基线漂移影响,且计算量较小。

    3)空间平均峰度法。该方法计算空间平均峰度[22]作为第3类定位参量D3t时刻位置l处的D3由式(3)得到:

    $$ {D_3}(l,t) = {\text{mean[}}{S _K}(l,t),{\delta _l}] $$ (3)

    式中:δl为光脉冲宽度; ${S _K}\left( {l,t} \right)$ 为位置l处的空间峰度值,且:

    $$ {S _K}\left( {l,t} \right) = - 3 + \frac{{{\text{mean}}\left\{ {{{\left[ {S ^T_l(t) - {\text{mean}}\left( {S ^T_l(t)} \right)} \right]}^4}} \right\}}}{{{\text{mea}}{{\text{n}}^2}\left\{ {{{\left[ {S ^T_l(t) - {\text{mean}}\left( {S ^T_l(t)} \right)} \right]}^2}} \right\}}} $$ (4)

    空间平均峰度为4阶统计量,其优势在于对不同信号类型的区分能力[22]:随机噪声的 $ S ^T_l(t) $ 服从正态分布,故D3在0值附近波动;谐波噪声的 $ S ^T_l(t) $ 在短时间内具有稳定频谱,故D3为负且幅值较低;扰动作用的 $ S ^T_l(t) $ 波动持时短、变化剧烈,故D3呈明显正向增量峰。空间平均峰度还能有效避免衰落效应的影响。

    4)特征频率法。对于管线泄漏、工程振动等具有一定频谱但强度较弱的扰动,上述3类参量信噪比可能过低,为此本系统使用特征频率法进行定位。首先,对各位置点的RBS时间维信号进行带通滤波;然后,移动时间窗逐步作短时傅里叶变换,取窗格内响应最大的频率作为特征频率;最后,对其乘以此频率的信号幅值形成最终的定位热点图像。

    考虑到不同定位参量对外界作用类型的敏感程度各异,因此多参量定位方法可有效提高识别精度。故在决策时取上述参量中吻合度最高的两类定位图像的热点展宽中心之均值作为定位结果。此外,结构或环境局部异常温度变化也属于一类特殊的扰动形式,本系统通过拉曼测温纤芯可实时测量沿纤温度场,通过OTDR原理能直接定位异常点位,且不受变形、振动等因素的影响。

    由于直检型φ-OTDR的光强信号与光纤变形之间具有随机的非线性、多值映射关系,无法定量监测扰动强度,因此不具备危险性的外部作用会导致误报。扰动量化分析可剔除干扰事件,进一步为模式识别、预警评估等提供更丰富的量化特征。

    本系统采用多指标扰动定量方法,以FBG纤芯的应变时程为依据,计算扰动发生2 s内的应变时程包络线均值(average strain envelope,ASE),以此作为第1类指标;但FBG所得为点式应变且刻写数量有限,难以反映整体结构响应,如果扰动处在光栅串组之外,则无法求得ASE。为此,本文提出RBS扰动量化算法,以φ-OTDR纤芯的RBS振动信号为依据进一步构建扰动指标,其计算流程见图2

    图  2  RBS扰动量化计算过程
    Fig.  2  Overall flowchart of the perturbation quantification based on RBS
    下载: 全尺寸图片

    该算法包含3个计算阶段。第1阶段,预处理。设置系统已知参数,根据第1.2节的定位方法确定扰动位置,提取该区段的RBS图样。第2阶段,建立实用散射模型。读取RBS图样,以瑞利散射模型[23]为内嵌物性方程,建立光纤变形与光强信号图样的数组映射关系,设计了模拟RBS生成器和多参数优化求解器以实现模型关键参数优化与应变–光强非线性方程组求解[24],由此建立可供实际应用的实用散射模型。该阶段运算会对实测RBS集进行迭代学习,计算出模型最优关键参数和等效初始应变,其中,关键参数指光纤的平均折射率、瑞利损耗系数、等效散射点间隔和功率因子4项,确定关键参数的原则为尽可能使瑞利散射模型具备与真实系统一致的信号响应。如果人为设定或计算不佳得到次优解,会导致模型偏离真实系统,致使后续应变计算失准,产生误差传递,因此需采用多参数优化方法予以求解。第3阶段,扰动量化分析。读取扰动时的RBS图样,以第2阶段所得数学模型为函数媒介,通过自然计算方法[25]近似求解每条RBS对应的1维应变场并沿时间轴、长度轴张成应变时空分布矩阵,随后导出该矩阵的最大应变能均方根(square root of the maximum strain energy,RMSE)、时均应变(time-averaged strain,TAS)和应变变异系数(strain deviation,SD)即矩阵标准差,此三者分别与结构的最大动力响应、宏观变形程度和荷载性质相关。将上述3种指标归一化构成3维基矢量,取其模长为综合量化指标(disturbance index,DI),可进一步减少光源频漂、温度波动及局部拟合欠佳导致的求解误差。最后,综合评估FBG与φ-OTDR所得定量指标,实现对扰动强度的多指标量化分析。

    基于上述多芯光纤传感机理与扰动定位定量方法,本系统的功能组成如图3所示。

    图  3  多芯光纤安防工程一体化同步感知系统框架
    Fig.  3  Framework of the multicore fibre based monolithic sensing system of security engineering
    下载: 全尺寸图片

    具体系统功能设计如下:

    1)多参量扰动定位与多指标扰动定量识别。通过φ-OTDR光强时序信息和FBG应变时程提取扰动特征,构建多种定位、定量指标。φ-OTDR通道采用的RBS扰动量化算法在求解分布式应变场时,依靠同一时刻各FBG的应变值确定应变求解域,提高其可解范围和计算精度;反之,φ-OTDR的结果更能反映整体结构对扰动的响应,所得指标可以弥补FBG单点测量对扰动评估的不足。该设计充分发挥了分布式与点式测量各自的优势,实现相互补充、结果互佐的效果。

    2)关键区域点式应变与细部温度监测。覆盖光栅串组的区域由FBG传感纤芯监测局部结构响应,配合其他纤芯定位并量化扰动;同时可根据拉曼温度场的定位结果针对性地测量细部温度。

    3)精细化火灾(过热)预警与温度补偿。拉曼分布式测温纤芯RDTS实时测量环境和结构温度,实现过热预警功能;与每个FBG空间位置、采集时间对应的拉曼温度时程乘以相应热敏系数后得到FBG波长漂移的温度增量并予以剔除(所有FBG均事先通过水浴实验标定了其热敏系数),实现应变测量的温度补偿。

    4)预警发布和报告生成。开发可视化交互界面及监测程序,具备实时呈现各监测指标动态图像、自主分析并发布预警信息、生成监测报告书等功能。

    本系统已布设于武汉地震工程研究院边界防护围栏。该单位存放有大量贵重精密仪器,对人员干扰、周边振动较为敏感,亟需布置一套入侵扰动监测系统以防安全事故发生。本研究受业主委托,针对其办公楼南侧周界铁制围栏布设多芯光纤安防工程一体化同步感知系统。边界总长约122 m,高1.8 m。共由27个单元组成,节间长度3.2 m,含常开门1处。

    监测路径共包含3种类型。1)标准围栏:遵循U型布设原则,增加单位跨度上的光纤感知区域以提高识别率,如图4(a)所示。用502胶水分段张拉固定后,每30 cm用扎带绑扎至围栏上,再涂覆环氧胶固定,凝固后涂覆防锈漆。两个重点监测单元各覆盖有4组FBG。2)东侧门禁:布设方法与前者类似,其路径见图4(b),光纤经过东侧门禁后向西绕回,并沿围栏下方地面沟槽内部敷设80 m。3)机房围墙:沿顶端直线布设。监测区域光纤总长约340 m。

    图  4  光纤布设路径
    Fig.  4  Deployment path of the optical fibre
    下载: 全尺寸图片

    为评估本系统的工作性能,布设完成后模拟真实扰动事件进行工况测试,工况设计见表1,包括门禁开关、非法逾越、人为入侵(3种形式,即摆锤冲击围栏、铁棍敲击围栏、质量块冲击围栏)、工程振动、火灾(过热)预警等工况。

    表  1  模拟扰动工况
    Table  1  Disturbance tests
    工况名称 测试方法
    门禁开关 开门、步行通过、关门
    非法逾越 晃动围栏
    人为入侵1 摆锤冲击围栏
    人为入侵2 铁棍敲击围栏
    人为入侵3 质量块冲击围栏
    工程振动 激振器振动地面
    火灾(过热)预警 暖风源加热围栏光纤

    进行扰动定位测试,先后实施门禁开关、工程振动、非法逾越、人为入侵1、人为入侵2等5个工况,实施方式如表1所列。

    以门禁开关工况为例,图5展示了光强信号图样及定位结果的可视化监测界面。定位参量识别结果见图6,其中,D1D2直观反映了两次出入事件的位置与持时(17~33 s、55~71 s)。

    图  5  门禁开关工况可视化监测界面
    Fig.  5  Visual UI of the access control test
    下载: 全尺寸图片
    图  6  门禁开关工况下定位参量特征图像
    Fig.  6  Feature maps of the localization parameters in theaccess control test
    下载: 全尺寸图片

    图6可知:D1的信噪比最佳,达到16.56 dB;D2噪点较多但峰值中心与D1相符;同时D3也在对应位置出现明显突增;三者峰值定位结果为265.8 m(图6中红色虚线),符合门禁所在的实际位置260~273 m。

    在工程振动工况(图7)中,通过定频马达激励地面,经沥青和混凝土基质后振动会急剧衰减,沟槽内光纤响应较弱,故采用特征频率法进行定位。以40 Hz激振为例,工程振动工况的特征频率和信号中心矩的定位结果见图8。从图8(a)可知,其特征频率的热点呈现明显的连续窄带图样,集中在327 m处,实测值为42.55 Hz,定位和频率结果与实际工况相符。由于扰动过小,D1等3种定位参量的信噪比较低,图8(b)D1结果为例,可见振动信号几乎被噪声淹没。因此,特征频率法可与前述方法相互补充,多种定位参量发挥各自优势,进一步扩展了本系统的扰动感知域。

    图  7  工程振动工况
    Fig.  7  Engineering vibration test
    下载: 全尺寸图片
    图  8  工程振动工况定位参量特征图像(40 Hz)
    Fig.  8  Feature maps of the engineering vibration at 40 Hz
    下载: 全尺寸图片

    人为入侵1(摆锤冲击围栏)、非法逾越、人为入侵2(铁棍敲击围栏)工况的D1D2D3计算结果见图9图9(a)(c)中,为了验证多点定位能力同步施加了门禁开关工况。由图9可知,各工况定位误差<1 m,且定位指标的时域图像展现出不同特征。例如:如图9(a)(c)所示,对围栏102 m处施加摆锤冲击的同时开合门禁,两处扰动均可被同时识别,门禁D1的热点展宽和持时恒定,摆锤冲击的热点则随时间呈明显指数型塌缩。如图9(e)所示,150 m处非法逾越工况造成带状片段式的D2热点,与人为晃动的作用形式吻合。如图9(g)(i)所示,铁棍敲击185 m处时,D1D2的热点展宽达到约55 m,而D3则呈现明显单点峰值,定位效果更好。由此可见,本系统使用多种参量协同定位,不仅提高了定位精度,还可从热点图像中得到丰富的特征信息以供模式识别使用。

    图  9  不同工况下各定位参量特征图像
    Fig.  9  Feature maps of the localization parameters in different tests
    下载: 全尺寸图片

    实施人为入侵3工况(质量块冲击围栏)测试系统的扰动定量评估能力。该工况通过自由下摆形式对围栏施加5种质量块所致的冲击荷载,质量块分别为0.05、0.50、1.00、1.50和2.00 kg,实验装置见图10,冲击距离依次为10、15、20 cm,共产生15个冲击强度,每个冲击强度重复3次并对结果取平均。先以高阶中心矩法进行扰动定位,再计算FBG应变时程的ASE,定位及定量结果见图11。定位参量首先锁定扰动中心为111 m,定位结果见图11(a)。提取冲击位置临近2个FBG的应变时程,其中距离冲击点最近的FBG2应变时程见图11(b),其振幅随冲击质量同步增大。FBG1和FBG2应变时程的ASE见图11(c)(d)。对比图11(c)(d)可以看出:FBG2整体动力响应更大,FBG1所得ASE则更小;随着冲击距离或冲击质量的增加,ASE也逐步增大,反映了冲击荷载的递增趋势,由此可直观区分不同扰动的强度。

    图  10  质量块冲击实验装置图
    Fig.  10  Experimental configuration of the weight-impact test
    下载: 全尺寸图片
    图  11  人为入侵3工况中多指标扰动定量分析FBG纤芯监测结果
    Fig.  11  Disturbance quantification results through multi-index analysis via channel FBG in the manual intrusion test 3
    下载: 全尺寸图片

    采用RBS扰动量化算法,对φ-OTDR纤芯的监测结果进行量化分析。为避免起始应变过大而超出算法可解范围,选择每次冲击后4.5 ~ 6.0 s之间的RBS作为学习集,每个学习集包含625×3个信号图样。由于冲击起始时刻的信号(包含计算RMSE所必需的信号)未被选为学习集,故不使用RMSE,而是采用TAS、SD与DI这3类指标进行扰动定量评估。完成定位计算后,通过多参数优化模块确定瑞利散射模型中未知关键参数的最优值(即RBS扰动量化算法的第2步),所得最优关键参数见表2

    表  2  质量块冲击实验中瑞利散射模型的最优关键参数
    Table  2  Optimal core parameters of the Rayleigh scattering model in the weight-impact test
    参数类型 最优值
    平均折射率 1.463 12
    瑞利损耗系数/m–1 1.578 95×10–5
    等效散射点间隔/m 0.293 65
    功率因子 0.539 10×10–3

    以优化后的瑞利散射模型为函数关系,根据扰动RBS反解应变场,得出人为入侵3工况15种冲击强度的扰动指标,结果见图12。由图12可知:沿冲击质量增大方向,TAS的正相关性更明显,在本例中的量化效果较好;而SD在1.5 kg附近出现跌落,并导致模量指标DI也在此处减小。将SD与两组FBG的ASE(图11(c)(d))对比可知,该冲击质量造成的ASE也存在低于趋势线的情况,因此可能是由于扰动工况本身的施加强度未达到预期导致SD减小。沿冲击距离增大方向,3类扰动指标在0.5 kg冲击质量以上的工况中均与冲击距离呈良好正相关性,说明扰动强度过低时会影响方法的识别效果。此外,质量块冲击本身存在一定不可控性,可能造成部分冲击强度的扰动指标不稳定。

    图  12  人为入侵3工况中多指标扰动定量分析φ-OTDR纤芯监测结果
    Fig.  12  Disturbance quantification results through multi-index analysis via Channel φ-OTDR in the manual intrusion test 3
    下载: 全尺寸图片

    由此可见,本文提出ASE、TAS、SD、DI等4类量化指标协同评估的多指标扰动定量方法可有效避免单一指标不稳定的弊端,使得本系统更具鲁棒性。综上,4类定量指标彼此佐证,成功区分了不同大小的冲击荷载,监测结果表明本系统提出的扰动定位/定量方法在实际结构上具有较高的可靠性,解决了普通单模光纤安防系统无法量化入侵强度的问题。

    测试系统的温度监测与过热点定位能力。本系统在两根不同纤芯中复用RDTS与FBG,前者用于整体温度场测量和局部异常温度定位,后者可在其定位基础上提取局部精确温度结果,从而实现长距离分布式火灾(过热)预警。工况测试中使用暖风源均匀加热围栏。

    图13为光纤沿线温度场随时间的动态过程。由图13可明显看到:从1 min开始,110 m附近出现热点并持续升温。此外,由于光纤沿程敷设介质不同且部分区段处于背阴面,因此所得温度场并非均匀分布。提取热点位置临近FBG的波长时间序列得到其温度时程,可见随着持续加热光栅附近温度逐步递增,在达到峰值(约14.4 ℃)后有小幅回落,整个过程与拉曼温度图像中110.8 m处的热点时程特征高度吻合,验证了本系统对温度场的异常点定位能力与细部测量能力。

    图  13  火灾(过热)预警工况下温度监测结果
    Fig.  13  Monitoring results of the temperature field in the fire (overheating) test
    下载: 全尺寸图片

    多芯光纤安防工程一体化同步感知系统通过空分复用φ-OTDR、RDTS和FBG 3种传感技术实现了分布式应变、温度、频率、响应持时多参量同步传感。通过在防护围栏上实施7种扰动工况验证了系统在感知测量和扰动特征识别上的性能,可得如下结论:

    1)本系统采用高阶中心矩、信号极差、空间平均峰度及特征频率等多种参量实现扰动定位,准确识别了各类工况作用位置,误差<1 m。

    2)提出了多指标扰动定量方法,其中的RBS扰动量化算法解决了直检型φ-OTDR无法定量识别扰动的问题。结合FBG扰动量化结果,所提出的4类扰动量化指标在质量块冲击测试中成功识别出15个强度的冲击荷载。

    3)RDTS测温纤芯能监测围栏动态温度场,成功识别了局部加热点位,其结果与FBG纤芯高度吻合。

    综上,本系统实现了多参量扰动定位、多指标强度量化分析、温度补偿、分布式温度测量等功能。多参量混合传感使得本系统可以基于多类型的同步信息建立更复杂的模式特征。引入不同扰动定位/定量指标有效提高了系统的识别成功率、信息利用率,具有比传统安防监测系统更高的可靠性、鲁棒性。本系统是多芯光纤在安防工程领域传感化应用的成功实践,有效解决了传统安防系统监测信息单一、可信度不足的问题,突破了温度应变交叉敏感、缺乏定量感知能力等技术瓶颈,从而能服务于更复杂的工程应用场景。同时也应注意到,本系统在功能集成和计算/测量精度方面还有进一步完善的空间。例如:可在空余纤芯中复用马赫增德干涉仪等技术,弥补系统在高频测量上的短板;优化光组模块和解调算法,提高RDTS的测温速率及精度,满足时变温度场监测需求;此外,宜设计岩土扰动、管道泄漏监测等更多类型的工程应用场景以检验系统的适用范围。本研究将围绕上述内容开展后续工作。

  • 图  1   7芯光纤通道配置

    Fig.  1   Channel configuration of the 7-core fibre

    下载: 全尺寸图片

    图  2   RBS扰动量化计算过程

    Fig.  2   Overall flowchart of the perturbation quantification based on RBS

    下载: 全尺寸图片

    图  3   多芯光纤安防工程一体化同步感知系统框架

    Fig.  3   Framework of the multicore fibre based monolithic sensing system of security engineering

    下载: 全尺寸图片

    图  4   光纤布设路径

    Fig.  4   Deployment path of the optical fibre

    下载: 全尺寸图片

    图  5   门禁开关工况可视化监测界面

    Fig.  5   Visual UI of the access control test

    下载: 全尺寸图片

    图  6   门禁开关工况下定位参量特征图像

    Fig.  6   Feature maps of the localization parameters in theaccess control test

    下载: 全尺寸图片

    图  7   工程振动工况

    Fig.  7   Engineering vibration test

    下载: 全尺寸图片

    图  8   工程振动工况定位参量特征图像(40 Hz)

    Fig.  8   Feature maps of the engineering vibration at 40 Hz

    下载: 全尺寸图片

    图  9   不同工况下各定位参量特征图像

    Fig.  9   Feature maps of the localization parameters in different tests

    下载: 全尺寸图片

    图  10   质量块冲击实验装置图

    Fig.  10   Experimental configuration of the weight-impact test

    下载: 全尺寸图片

    图  11   人为入侵3工况中多指标扰动定量分析FBG纤芯监测结果

    Fig.  11   Disturbance quantification results through multi-index analysis via channel FBG in the manual intrusion test 3

    下载: 全尺寸图片

    图  12   人为入侵3工况中多指标扰动定量分析φ-OTDR纤芯监测结果

    Fig.  12   Disturbance quantification results through multi-index analysis via Channel φ-OTDR in the manual intrusion test 3

    下载: 全尺寸图片

    图  13   火灾(过热)预警工况下温度监测结果

    Fig.  13   Monitoring results of the temperature field in the fire (overheating) test

    下载: 全尺寸图片

    表  1   模拟扰动工况

    Table  1   Disturbance tests

    工况名称 测试方法
    门禁开关 开门、步行通过、关门
    非法逾越 晃动围栏
    人为入侵1 摆锤冲击围栏
    人为入侵2 铁棍敲击围栏
    人为入侵3 质量块冲击围栏
    工程振动 激振器振动地面
    火灾(过热)预警 暖风源加热围栏光纤

    表  2   质量块冲击实验中瑞利散射模型的最优关键参数

    Table  2   Optimal core parameters of the Rayleigh scattering model in the weight-impact test

    参数类型 最优值
    平均折射率 1.463 12
    瑞利损耗系数/m–1 1.578 95×10–5
    等效散射点间隔/m 0.293 65
    功率因子 0.539 10×10–3
  • [1] Lu Ping,Lalam N,Badar M,et al.Distributed optical fiber sensing:Review and perspective[J].Applied Physics Reviews,2019,6(4):041302. doi: 10.1063/1.5113955
    [2] Juarez J C,Maier E W,Choi K N,et al.Distributed fiber-optic intrusion sensor system[J].Journal of Lightwave Technology,2005,23(6):2081–2087. doi: 10.1109/JLT.2005.849924
    [3] Juarez J C,Taylor H F.Polarization discrimination in a phase-sensitive optical time-domain reflectometer intrusion-sensor system[J].Optics Letters,2005,30(24):3284–3286. doi: 10.1364/ol.30.003284
    [4] Allwood G,Wild G,Hinckley S.Optical fiber sensors in physical intrusion detection systems:A review[J].IEEE Sensors Journal,2016,16(14):5497–5509. doi: 10.1109/JSEN.2016.2535465
    [5] Xu Chengjin,Guan Junjun,Bao Ming,et al.Pattern recognition based on enhanced multifeature parameters for vibration events in φ-OTDR distributed optical fiber sensing system[J].Microwave and Optical Technology Letters,2017,59(12):3134–3141. doi: 10.1002/mop.30886
    [6] Wang Yu,Wang Pengfei,Ding Kai,et al.Pattern recognition using relevant vector machine in optical fiber vibration sensing system[J].IEEE Access,2019,7:5886–5895. doi: 10.1109/ACCESS.2018.2889699
    [7] Zhao Zhanfeng,Liu Shujun,Liu Duo.Pipeline intrusion detection and location based on phase-sensitive optical time domain reflectometer[C]//Proceedings of the 2018 14th IEEE International Conference on Signal Processing.Beijing:IEEE,2018:32–36.
    [8] Sun Qian,Feng Hao,Yan Xueying,et al.Recognition of a phase-sensitivity OTDR sensing system based on morphologic feature extraction[J].Sensors,2015,15(7):15179–15197. doi: 10.3390/s150715179
    [9] 苑立波.多芯光纤特性及其传感应用[J].激光与光电子学进展,2019,56(17):170612. doi: 10.3788/LOP56.170612

    Yuan Libo.Multi-core fiber characteristics and its sensing applications[J].Laser & Optoelectronics Progress,2019,56(17):170612 doi: 10.3788/LOP56.170612
    [10] 涂佳静,李朝晖.空分复用光纤研究综述[J].光学学报,2021,41(1):0106003. doi: 10.3788/AOS202141.0106003

    Tu Jiajing,Li Zhaohui.Review of space division multiplexing fibers[J].Acta Optica Sinica,2021,41(1):0106003 doi: 10.3788/AOS202141.0106003
    [11] Zhao Zhiyong,Soto M A,Tang Ming,et al.Distributed shape sensing using Brillouin scattering in multi-core fibers[J].Optics Express,2016,24(22):25211–25223. doi: 10.1364/OE.24.025211
    [12] Zhao Zhiyong,Dang Yunli,Tang Ming,et al.Enabling simultaneous DAS and DTS through space-division multiplexing based on multicore fiber[J].Journal of Lightwave Technology,2018,36(24):5707–5713. doi: 10.1109/JLT.2018.2878559
    [13] Zhao Zhiyong,Dang Yunli,Tang Ming,et al.Spatial-division multiplexed hybrid Raman and Brillouin optical time-domain reflectometry based on multi-core fiber[J].Optics Express,2016,24(22):25111–25118. doi: 10.1364/OE.24.025111
    [14] Zhao Zhiyong,Tang Ming,Wang Liang,et al.Distributed vibration sensor based on space-division multiplexed reflectometer and interferometer in multicore fiber[J].Journal of Lightwave Technology,2018,36(24):5764–5772. doi: 10.1109/JLT.2018.2878450
    [15] Feng Qian,Tang Ming,Ou Jinping.Monolithic multicore fiber based multi-parameter measurement based on spatial-division-multiplex sensing mechanisms[J].Measurement,2020,151:107128. doi: 10.1016/j.measurement.2019.107128
    [16] Masoudi A,Newson T P.Analysis of distributed optical fibre acoustic sensors through numerical modelling[J].Optics Express,2017,25(25):32021–32040. doi: 10.1364/OE.25.032021
    [17] Bolognini G,Park J,Soto M A,et al.Analysis of distributed temperature sensing based on Raman scattering using OTDR coding and discrete Raman amplification[J].Measurement Science and Technology,2007,18(10):3211–3218. doi: 10.1088/0957-0233/18/10/s24
    [18] Laarossi I,Quintela–Incera M Á,López–Higuera J M.Comparative experimental study of a high-temperature Raman-based distributed optical fiber sensor with different special fibers[J].Sensors,2019,19(3):574. doi: 10.3390/s19030574
    [19] 欧进萍,周智,武湛君,等.黑龙江呼兰河大桥的光纤光栅智能监测技术[J].土木工程学报,2004,37(1):45–49. doi: 10.3321/j.issn:1000-131X.2004.01.008

    Ou Jinping,Zhou Zhi,Wu Zhanjun,et al.Intelligent monitoring of Heilongjiang Hulan River bridge based on FBGs[J].China Civil Engineering Journal,2004,37(1):45–49 doi: 10.3321/j.issn:1000-131X.2004.01.008
    [20] Chen Haoshuo,Koonen A M J.Spatial division multiplexing[M]//Fibre Optic Communication.Cham:Springer,2017:1–48.
    [21] Feng Qian,Liang Yabin,Tang Ming,et al.Multi-parameter monitoring for steel pipe structures using monolithic multicore fibre based on spatial-division-multiplex sensing[J].Measurement,2020,164:108121. doi: 10.1016/j.measurement.2020.108121
    [22] Jiang Fei,Li Honglang,Zhang Zhenhai,et al.Localization and discrimination of the perturbation signals in fiber distributed acoustic sensing systems using spatial average kurtosis[J].Sensors,2018,18(9):2839. doi: 10.3390/s18092839
    [23] Lu Xin,Thomas P J.Numerical modeling of fcy OTDR sensing using a refractive index perturbation approach[J].Journal of Lightwave Technology,2020,38(4):974–980. doi: 10.1109/JLT.2019.2949624
    [24] Ma Tianjiao,Feng Qian,Zhang Zuocai,et al.Quantitative measurement of disturbances based on optical-fibre multiparameter optimization method[J].Measurement,2022,187:110279. doi: 10.1016/j.measurement.2021.110279
    [25] 刘亚军,陈得宝,邹锋,等.基于多子群的社会群体优化算法[J].计算机应用研究,2019,36(5):1354–1359. doi: 10.19734/j.issn.1001-3695.2017.12.0805

    Liu Yajun,Chen Debao,Zou Feng,et al.Multiple subgroups based social group optimization algorithm[J].Application Research of Computers,2019,36(5):1354–1359 doi: 10.19734/j.issn.1001-3695.2017.12.0805
图(13)  /  表(2)

本文结构

    /

    返回文章
    返回