CN118959909A - 一种悬浮于供水管路中的光纤测漏系统及监测方法 - Google Patents
一种悬浮于供水管路中的光纤测漏系统及监测方法 Download PDFInfo
- Publication number
- CN118959909A CN118959909A CN202411133556.8A CN202411133556A CN118959909A CN 118959909 A CN118959909 A CN 118959909A CN 202411133556 A CN202411133556 A CN 202411133556A CN 118959909 A CN118959909 A CN 118959909A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- signal
- water supply
- laser
- supply pipeline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 107
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 106
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 230000003287 optical effect Effects 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000006460 hydrolysis reaction Methods 0.000 claims abstract description 18
- 230000007062 hydrolysis Effects 0.000 claims abstract description 17
- 230000005236 sound signal Effects 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims description 40
- 230000002159 abnormal effect Effects 0.000 claims description 16
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 15
- 239000000835 fiber Substances 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 229910044991 metal oxide Inorganic materials 0.000 claims description 6
- 150000004706 metal oxides Chemical class 0.000 claims description 6
- 230000010287 polarization Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 230000008054 signal transmission Effects 0.000 claims description 5
- 239000000377 silicon dioxide Substances 0.000 claims description 5
- 229910052691 Erbium Inorganic materials 0.000 claims description 4
- 229910019142 PO4 Inorganic materials 0.000 claims description 4
- 238000005253 cladding Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- UYAHIZSMUZPPFV-UHFFFAOYSA-N erbium Chemical compound [Er] UYAHIZSMUZPPFV-UHFFFAOYSA-N 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- BTBUEUYNUDRHOZ-UHFFFAOYSA-N Borate Chemical compound [O-]B([O-])[O-] BTBUEUYNUDRHOZ-UHFFFAOYSA-N 0.000 claims description 3
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical group O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000000253 optical time-domain reflectometry Methods 0.000 claims description 3
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 claims description 3
- 239000010452 phosphate Substances 0.000 claims description 3
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 claims description 3
- 239000011787 zinc oxide Substances 0.000 claims description 3
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 claims description 2
- 238000011049 filling Methods 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 230000001902 propagating effect Effects 0.000 claims 1
- 230000008859 change Effects 0.000 description 14
- 239000000306 component Substances 0.000 description 13
- 239000000126 substance Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 239000010410 layer Substances 0.000 description 8
- 238000010183 spectrum analysis Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000005562 fading Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 229910004298 SiO 2 Inorganic materials 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 235000021317 phosphate Nutrition 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000011241 protective layer Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001174990 Boros Species 0.000 description 1
- 208000025274 Lightning injury Diseases 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001642 boronic acid derivatives Chemical class 0.000 description 1
- 239000005388 borosilicate glass Substances 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003426 chemical strengthening reaction Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 150000002222 fluorine compounds Chemical group 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 150000003013 phosphoric acid derivatives Chemical class 0.000 description 1
- -1 pipe diameter Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 239000005341 toughened glass Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B1/00—Optical elements characterised by the material of which they are made; Optical coatings for optical elements
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/02—Optical fibres with cladding with or without a coating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optics & Photonics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种悬浮于供水管路中的光纤测漏系统及监测方法,所述光纤测漏系统包括传感光纤:悬浮于供水管道中,抗水解、食品级光纤;扫频激光主机:发射激光和接收散射光,通过光开关连接传感光纤,实时检测供水管道内轴向传播的声音信号;算法服务器:通过分析供水管道内传感光纤所采集到的各类声音信号的特征,实现管道泄漏的检测与定位;展示用PC:采用BS架构连接算法服务器,操作和显示检测与定位结果。本发明采用分布式的光纤传感pDAS系统,不受强度振幅波动影响,能够大幅度提升系统的泄漏检测准确率与泄漏定位精度。
Description
技术领域
本发明涉及一种管道漏水监测系统及方法,尤其涉及一种悬浮于供水管路中的光纤测漏系统及监测方法。
背景技术
城市地下供水管道漏水发生时地表未必有迹象,即使水从地表渗出,渗出点也未必就是漏点;特别是地面有水泥路面、柏油路面覆盖层时,更是难以发觉。供水管路漏水,不仅白白浪费水资源,有时甚至由小漏慢慢发展到爆管,形成路面严重积水,严重影响道路交通,造成路边商铺、居民屋进水。因此及时查找到供水管路中存在的泄漏点,精准定位,及时修补,是当前节约水资源最有效的方法之一。
当前的供水管道漏水点检测有六种常用方法:区域装表法、听音法(声振法)、红外法、探地雷达法、相关检漏法、DAS(Distr ibuted Acoustic Sensing)光纤传感法。
1、区域装表法:漏水引起计量差。指在供水管网的某一区域,将进入此区域的流量表与流出这一区域的流量表统计对照,其差额必是此区间的无计量损失,若无其它无计量消耗,则可知此区间的漏水损耗,这对管理者会“心中有数”。装表分割区域愈密,分段愈清楚,则对各段漏水的情况了解也愈清楚。但由于受制于流量表的电源、通信、安装位置等条件,装表不可能过于密集,而且这种方法不能确定漏水点准确位置,故不能作为具体修复、破开路面的依据。
2、听音法(声振法):漏水引发振动和发声效应。听音法指用某种传声工具倾听漏水的声音,根据漏水声的大小与音质特点来判断漏水位置,从简单的机械式听漏棒到各类听音测漏仪,这一方法从本质上说应叫做“声振法”。缺点:必须持工具到测点上方,非常耗时耗力,完全凭个人经验。
3、红外法:漏水引发红外辐射局部变化(温度效应)。红外热成像检测运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形,在管网区域作红外扫描测量,地下发生漏水时,局部地域与周围产生温度差,红外辐射情况将不同,红外图像将反映这一区别,利用这一区别可以发现漏点。通过无人机或卫星遥感技术,高空拍摄热成像图,对应供水管路分布图,进行图像分析来查找漏水点。首先需要漏水量很大,造成局部地面降温,但由于地下排水不畅,低洼积水等非漏水因素,经常会造成误报,还有水泥路面、柏油路面、高架道路、路面车辆等造成其探测不到而漏报,所以这种方法的应用也受到限制。缺点是定位精度差、漏水量大才能判断、误报率不低、漏报率极高;优点是只需从高空拍一张热成像图。
4、探地雷达法:利用电磁波扫描地下状态,从反射信号观察地下物体状态分布,如能做到一目了然,当然既清楚又准确。但是,由于地下介质与空气不同,分层杂乱性大,对电磁波穿透程度有限,特别是在水管周围已有积水,喷口朝下,更不易看清,加之目前这类仪器价格昂贵,尚未达到实战水平。
5、相关检漏法:从原理上来说属于声振法的移植技术,属于声振法。漏水点引起的振动沿管道向两侧传播,放在两侧不同距离的传感器收到某时刻漏水点发出的声波将有一个时间差,这个时间差是由管道声速和漏点位置决定的。它的突出优点在于利用管道传声好,直接在管道上测量并由仪器计算定点,排除人的经验因素,也可避免测试者必须持工具到测点上方的问题,它的实际困难在于条件制约,必须有两个放置传感器的直接接触管道点,也要对管道状态十分清楚:包括走线、弯曲、管道口径、声音在不同管道中的传播速度且传声条件要好。另一因素是价格昂贵,并对操作人员有一定的计算机应用技术要求。缺点:实际制约条件多,价格昂贵。
6、DAS光纤传感法:通过光纤来感知漏水引发振动和发声效应。DAS是一种分布式光纤声音传感技术,基于声波信号的位置检测算法,供水管道外壁紧紧缠绕光纤或者光纤紧紧贴附在供水管道外壁,光纤的灵敏度是极其高的,任何微小的震动,如声波、地震波都能感知到,通过分析光纤感知到的音频信号的频率来判断是否是漏水的声音特征、接收到的音频信号的强度判断漏水量、通过回波的时延来确定漏点的位置。缺点:新管路,20年内的漏水率极低,无刚需;存量市场,光纤敷设需全面开挖路面,受成本和施工条件制约。
如何解决供水管路中漏水点的检测和定位的难题?通过对以上常用的六种测漏技术和方法的分析和总结,得出:分布式光纤传感技术,最适合长距离管道线路的信号检测,原因如下所述,但需要解决施工难的问题。
分布式光纤传感技术,光纤即是传感器,也是通信通道,无需供电电源,适合长距离管道线路的信号检测,可以连续感应到几十公里长的整条光缆上的任何一个位置的信号变化,外界环境轻微的变化,诸如温度、应变、震动、声音等,都会影响光纤内传输的光学信号。各种干扰信号都有不同的信号特征,通过模式识别把各种信号检测分辨出来,给出事件发生的类别、准确位置,实现各类事件的长距离实时监控。随着AI技术不断突破,可以从每1米的光纤中,通过时分复用的激光扫描技术,利用拉曼、布里渊、瑞利等不同的光学散射,采用不同的解调方法和AI算法,激励出20个温度传感器+20个应变传感器+20个振动传感器+20个声波传感器+......等。相当于在每米的光缆上,集成了几类最常用的传感器,每类传感器至少20个。并且,光纤传感器具有超强的现场融入能力,无需额外的工作电源,无需额外的通信通道;本征稳定,抗电磁干扰、抗雷击;能感知微小因子变化,灵敏度极高。
如果光纤能够在管道内部署,通过水母形简易机器人,顺着水流的力量拖曳光纤,施工难的问题将迎刃而解,但需解决二个技术难点:
1、光纤需要能够漂浮在水管中,在漂浮状态感知到管内发出的所有的声音特征信号,能无损的传回来;
2、通过频谱分析和模式识别,能够正确区分出泄漏水声、背景噪声、系统噪声,准确识别出泄漏信号的特征频率。
声音在管道内的传播方式非常复杂,会受到管道材料、管径、管道内流体性质及流速等多种因素的影响,通过仿真与实验获得:
1、声音传播环境与传输载体都会影响声音特征的变化;
2、管道结构对声音传播影响因素有轴向传播、反射与散射。
(1)轴向传播模式:声音在管道介质内沿着管道的轴向传播,这种传播方式主要受管道内流体性质的影响,包括流体的密度、粘度和流速等。当管道内发生泄漏时,泄漏点会产生高频声音信号,这些信号沿管道轴向传播,如图1所示。
(2)反射与散射:声音在管道内介质传播过程中,遇到管道内壁、管道弯曲、接头、三通、四通或其他结构变化,会发生反射与散射。这些反射和散射信号会影响声音的传播路径,减弱信号强度,增加了信号分析的复杂性,所以需要使用相应的信号强度保持不变的技术。
发明内容
本发明所要解决的技术问题是提供一种悬浮于供水管路中的光纤测漏系统及监测方法,不受强度振幅波动影响,能够大幅度提升系统的泄漏检测准确率与泄漏定位精度。
本发明为解决上述技术问题而采用的技术方案是提供一种悬浮于供水管路中的光纤测漏系统,包括传感光纤:悬浮于供水管道中,抗水解、食品级光纤;扫频激光主机:发射激光和接收散射光,通过光开关连接传感光纤,实时检测供水管道内轴向传播的声音信号;算法服务器:通过分析供水管道内传感光纤所采集到的各类声音信号的特征,实现管道泄漏的检测与定位;展示用PC:采用BS架构连接算法服务器,操作和显示检测与定位结果。
进一步地,所述传感光纤的纤芯为抗水解食品级的纤芯,包含如下成分:二氧化硅、磷酸盐、硼酸盐和金属氧化物,所述金属氧化物为钛氧化物或氧化锌,其中二氧化硅占比98%以上。
进一步地,所述传感光纤的纤芯外包覆有抗水解食品级的外包层,所述外包层为氟化物包裹层。
进一步地,所述扫频激光主机包括激光光源,所述激光光源产生的出光经过扫频装置调制后,使得激光信号的频率在一个频段内连续变化,再经由光学系统送至光信号放大器;所述光信号放大器通过掺入少量的铒元素来增强光信号的强度后,激光再经由隔离器送至循环器,至光开关发射出去,经传感光纤散射回来的激光信号再经循环器送至光检测器。
本发明为解决上述技术问题还提供一种悬浮于供水管路中的光纤测漏监测方法,采用上述的光纤测漏系统,所述监测方法包括如下步骤:S1)泄漏声音特征提取:利用悬浮于供水管道中的传感光纤获取声音信号中能量集中的高频成分,在时域特征上表现为短时的突发信号;S2)泄漏信号检测:激光主机采用扫频机制,在一个频段内产生频率连续变化的激光信号,克服了单光源存在的光衍干扰,相当于在同样的发射功率下,增强了出光信号;激光主机内置了激光校准传感器,实现光学标定参数校准,确保出光的一致性,减少了系统性误差,采用偏振声谱滤除算法滤除偏振噪声以及DSP降噪技术,消减系统噪声,并集成了NPU神经网络迭代滤波器和循环滤波器滤除背景噪声,进行信号预处理;采用了基于相位敏感光学时域反射法和相位生成载波解调算法进行信号传输,保持传输时信噪比不变;采用了时频特征提取法提取信号的特征,将泄漏信号与背景噪声区分开来;S3)泄漏定位:融合回波时差算法和传感器阵列模式的协同算法,并在算法服务器的信号处理算法模块中配置多元声波检测器,有效排除阵列信号中明显的异常数据。
进一步地,所述步骤S2在激光主机采用偏振声谱滤除算法滤除偏振噪声以及DSP降噪技术,消减系统噪声,并集成了NPU神经网络迭代滤波器和循环滤波器滤除背景噪声,进行信号预处理。
进一步地,所述步骤S2中的信号预处理包括对数据缺失部分与数据异常部分,通过前后数据关联性对异常部分进行重构与填充。
进一步地,所述步骤S3中配置的多元声波检测器,对异常点及其相邻点在不同时域、不同频点传回来的信号集,作为多个阵元数据进行综合分析,从而排除阵列信号中明显的异常数据。
进一步地,所述步骤S2选取漏点附近的多个声波监测点信号合成一个声源,增强有效信号的强度,同时采用波束形成技术,通过延时补偿的方式进行阵元输出加权,当聚焦方向与实际信源方向重合时可形成最大输出;所述步骤S3通过搜索输出峰值点并反推演波达方向完成泄漏定位。
进一步地,所述步骤S3按如下公式计算得到漏水点的距离信息S,并通过供水管路分布图和北斗定位,给出具体漏水点位置;
S=△t*C,C为光速;
△t=(t2-t1)/2,t1为激光波束的发射时间,t2为同一波束散射波接收时间。
本发明对比现有技术有如下的有益效果:本发明提供的悬浮于供水管路中的光纤测漏系统,不受强度振幅波动影响,能够大幅度提升系统的泄漏检测准确率与泄漏定位精度。
附图说明
图1为泄漏点产生的高频信号沿管道轴向传播示意图;
图2为本发明的悬浮于供水管路中的光纤测漏系统示意图;
图3为本发明扫频激光主机电路方框原理图;
图4为本发明采集到的原始信号图;
图5为本发明采用波束形成技术后的增强信号图;
图6为本发明同时识别出管道上的多个漏水点并定位示意图;
图7为本发明在供水管道的同一点远近放水对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
随着AI技术的不断迭代和激光扫频技术出现,一种基于相位生成载波解调算法的分布式声音感知技术(pDAS)应运而生,其拥有特有的多维振动分解算法,极大提升了振动数据的分析维度;同时,基于相位敏感光学时域反射法(Φ-OTDR)和相位生成载波(PGC)解调算法,将相位解调的信号解决于前端,将不受声光调制频率限制,不丢失丰富的相位信息,非强度型,不受强度振幅波动影响,克服了瑞利散射信号在时间尺度与空间尺度上均存在较严重强度波动问题,可实时准确地还原出光纤各位置处的振动强度和频率信息。本发明设计的pDAS系统由于其相对较低的数据需求和偏振无关的结构,在实时信号处理和瑞利偏振诱导衰落抑制方面也表现出其优越性能,抑制了相干衰落噪声,RIN噪声(re l ativeintens ity noi se,相对强度噪声)抑制达到125dB以上,大幅度的提升了灵敏度与相干能力;系统采用了神经网络NPU处理单元和激光器编码的扫频技术,克服了单点激光源存在的光衍干扰的缺陷;内置激光校准传感器,实现光学标定参数自动化校准,确保发射光参数的一致性,减少系统误差;采用偏振声谱滤除算法滤除偏振噪声以及DSP降噪技术,消减系统噪声,用于均衡信噪比,并集成了NPU神经网络迭代滤波器和循环滤波器滤除背景噪声,进行信号预处理,保持了信噪比长期稳定;10TB量级的声学信号样本库的训练结合了神经网络深度学习算法,极大地提升了瑞利散射信号的模式识别率;特征变化感知技术采用了时域统计分析与快速傅里叶变换的振幅频谱分析相结合的方法,检测信号振幅与频率的突变特性与特征持续性,提高声音特征模式识别率;数据预处理技术,在常规数据清洗的技术上增加了异常数据重构的技术,对数据缺失部分与数据异常部分,通过前后数据关联性对异常部分进行重构与填充,保证了数据分析时的完整性;增加了独有的多元声波检测器算法,使得系统的泄漏检测准确率与泄漏定位精度大幅度提升;采用了波束形成技术,基于pDAS系统的多点同步监测能力,把漏点附近的多个声波监测点(即等间隔选取同根传感光纤上的点作为光纤声音传感器)信号合成一个声源,增强了有效信号的强度,同时波束形成技术可抑制不相关的噪声,提高了抗噪声干扰能力,提高了泄漏检测与定位的可靠性和精度。
请参见图2,本发明的pDAS系统采用B/S架构,主要由扫频激光主机、光开关(多路扩展)、传感光纤、算法服务器、展示用PC等组成。扫频激光主机通过发射激光来检测带有管道内轴向传播的声音信号特征的瑞利散射光;算法服务器通过分析管内所传播的声音信号特征的变化,实现管道泄漏的检测与定位。
pDAS系统采用的扫频激光主机,是一种利用扫频技术产生连续频率的激光装置,其主要组成如下:
激光光源:扫频激光主机的核心部件是激光二极管(Laser D iode),它被用来产生单一频率的激光光束。通过电流的激发,激光二极管会发射出接近相干的光线。
扫频装置:为了在一个频段范围内扫描,激光主机中包含了一个扫频装置,这个装置可以通过改变激光二极管的工作电流或温度来快速改变激光的输出频率,电流或温度的改变会导致激光的发射波长发生变化,从而实现频率的变化。
光学系统:激光光源发出的光束会经过一系列的光学元件,如透镜、反射镜等,这些元件用于引导、聚焦和整形光束,确保激光束在传播过程中的稳定性和方向性。
光信号放大器:是一种光信号的放大器,通过掺入少量(1%左右)的铒元素来增强光信号的强度,是实现长距离光信号传输的关键技术之一。
控制系统:扫频激光主机配备了先进的控制系统,可以精确控制激光的启动、停止、扫描速度、频率范围等参数,确保激光输出的一致性和重复性,实现系统自诊断,断纤故障报警并准确定位等。
隔离器:是一种光学元件,用于防止反向传输的光信号干扰系统,确保光信号只能单向传输
循环器:是在光信号的传输路径中创造一个循环,使得光信号能够在光纤中来回传播,以便于与声波相互作用并被检测。这种循环结构通常包括一个或多个光纤耦合器、光开关和光纤环路,能够有效地管理光信号的传播方向和路径。耦合器是一种光学元件,将光源发出的光耦合进传感光纤,或者将传感光纤中的散射回来的光信号耦合到检测设备中。
光检测器:是一种能够将光信号转换为电信号的传感器,用于检测由声波引起的微弱光信号变化,这些变化可能包括光强度的变化或者相位的变化或者频率的变化,光检测器的输出信号可以被进一步处理和分析,以提取声波信息。
本发明激光光源产生的出光频率由激光光源所用的材料的能级决定,能级相差越大,放出的单色光的中心频率越高,出光经过扫频机制调制后,激光信号在一个频段内频率由高到低(或由低到高)连续变化的,再经由光学系统,包括校准,送至光信号放大器;所述光信号放大器通过掺入1%左右的铒元素来增强光信号的强度后,激光再经由隔离器送至循环器,至光开关扩展,至多路传感光纤,从而实现了一台激光主机可监测多路供水管路;经传感光纤散射回来的激光信号再经循环器送至光检测器。
本发明的光开关通过时间顺序循环切换光通道,用来扩展传感光纤接入的光回路数,有4路/8路/16路的光开关,光开关可以级联,可以二次、三次级联、多级级联,由于漏水在线监测对实时性要求不高,为了节约成本,可以尽可能拓展和预留光通道。
本发明的pDAS系统的传感光纤是一种食品级、抗水解的特种光纤,具有一定机械强度;这类光纤的主要结构和技术原理与其在普通光纤通信中的应用类似,即利用光的全反射原理在光纤内传输信号,但需要同时满足食品级光纤具备的生物相容性、耐高温性、耐化学品性以及可在特定环境下(高温或湿润或强光照)保持性能稳定等,满足严格的食品安全标准,确保在自来水时不会对人体健康产生危害。
本发明的特种光纤使用的是硅基材料,即石英玻璃(SiO2),这种材料具有良好的化学稳定性和生物相容性,不会在接触自来水时释放有害物质,也不会对自来水造成污染。石英玻璃光纤在食品工业、医疗器械(胃镜、肠镜等)中的应用已经非常广泛,因为它们能够承受食品加工过程中的高温和化学条件,能够在各种环境条件下保持性能稳定,包括温度、湿度、光照等变化。优选地,本发明的特种光纤组成如下:
二氧化硅(SiO2):作为主要成分,提供光学性能和化学稳定性。
磷酸盐:用于提高光纤的耐高温性和机械强度。
硼酸盐:增强光纤的耐化学性和透明度。
少量的金属氧化物:如钛氧化物或氧化锌,用于改善光纤的机械性能和光学性质。
磷酸盐、硼酸盐及金属氧化物的添加量通常非常少,以避免对光纤的光学性能产生不利影响,在制备光纤时,会通过精确的化学计量和工艺控制,以确保产品的质量和安全性能。一般二氧化硅占比98%左右,其余合计2%左右;优选地,各组分及占比如下:
以上配比,实际上可根据部署光纤长度做适当调整,距离越长,20km~30km,要求光纤全反射性能要越好,SiO2要越纯,占比要越高,距离10km以内光纤,可以适当降低一点SiO2占比,适当同比例调高其他成分的占比。
光纤外面需要包裹一层保护层,即外套层,以进一步增强其耐用性和安全性,这些保护层材料同样需要符合食品安全标准,还要考虑透声效果,所以光纤外套采用吸音透声好、比重轻、化学特性在极端情况下极其稳定的材料,能最大程度吸收水中的声波信号,能在水中漂浮、抗水解、有一定机械强度,要能承受安装过程中的机械应力。
特种光纤长时间泡在水中,会面临耐水解的问题,因为石英玻璃虽然具有良好的化学稳定性,但在极端的湿度条件下,尤其是在高温和高湿的环境中,仍然可能会发生水解反应。这可能会导致光纤的性能下降,甚至影响其结构完整性。
为了解决耐水解的问题,本发明在生产光纤过程中采取以下措施:
1.材料选择:选择具有更高耐水解性的材料,或者在石英玻璃中添加特定的化学成分,如boros i l icate(硼硅玻璃)或者toughened gl ass(钢化玻璃),这些材料通常具有更好的耐高温和耐水解性能。
2.外层保护:在光纤表面包覆一层耐水解的外层,如氟化物外层,这种材料在极端条件下表现出非常稳定的化学特性,可以有效防止水分对其包裹的光纤的影响。
3.结构设计:改进光纤的结构设计,例如采用加强筋或者纤维增强的结构,以提高光纤的机械强度和耐水解性。
4.生产工艺:在光纤的生产过程中,采用特殊的加工工艺,如高温退火或者化学strengthen(化学增强),以提高光纤的耐水解性能。
5.质量控制:在生产过程中严格控制条件,如温度、湿度和化学成分,以确保光纤的耐水解性能符合食品安全标准。
6.食品安全认证:确保光纤通过相应的食品安全认证,如FDA(美国食品和药物管理局)或EU(欧盟)食品安全认证,以证明其符合食品安全要求。
本发明系统实现管道泄漏监测的过程包括:泄漏声音特征提取、泄漏信号检测与泄漏定位以下三个环节。
一、泄漏声音特征提取
当管道发生泄漏时,泄漏点会产生特定频率和强度的声音信号。这些声音信号沿管道传播,与管道内背景噪声叠加,并被悬浮在管道中的光纤传感器阵列接收到泄漏声音所引起管内声音频率成分、幅度和相位的变化,这些信号还包含了从声源到每个接收器的时延信息和强度信息。瑞利散射回波,这是一种现象,当激光光波在光纤中传播时,由于光纤的不完美(如微小的不规则性和缺陷),光波会被散射回来,其中的一种散射就是瑞利散射,声波会引起的瑞利散射的光信号变化(声光调制),系统通过对瑞利散射回来的光信号进行特征分析,可以识别出泄漏信号,并与背景噪声区分开来。泄漏点的声音信号通常具有以下特征:
a.高频成分:泄漏产生的声音信号通常具有较高的频率成分,水管的供水压力使泄漏点流体喷射,产生了高频振动;
b.能量集中:泄漏信号的能量较为集中,相对于正常操作状态下的背景噪声,泄漏信号具有更强的能量,从而区分出远点正常用水,还是近点在漏水;
c.时域特征:泄漏信号在时域上表现为短时的突发信号,其幅度和频率随时间变化较为显著;
二、泄漏信号检测
特征提取是信号检测的关键步骤,信号检测需要通过对信号进行特征提取、特征分析,并结合相应的判别准则,得到最终信号模式识别的结果。
a、信号采集时,尽量增强泄漏信号(时延、强度、相位、频率)的强度,降低背景噪声和系统白噪声;
I、传感光纤采用吸音透声好的特种光纤;
I I、激光主机采用了扫频机制,克服了光衍干扰的缺陷,增强了光效;
I I I、激光主机采用了较低的数据需求和偏振无关的结构,在实时信号处理和瑞利偏振诱导衰落抑制方面也表现出其优越性能,抑制了相干衰落噪声,RIN噪声(Re l ativeI ntens ity Noi se,相对强度噪声)抑制达到125dB以上,大幅度的提升了灵敏度与相干能力;
IV、激光主机内置激光校准传感器,实现光学标定参数自动化校准,确保发射光参数的一致性,减少了系统误差;
V、激光主机采用偏振声谱滤除算法滤除偏振噪声以及DSP降噪技术,消减系统噪声,用于均衡信噪比,并集成了NPU神经网络迭代滤波器和循环滤波器滤除背景噪声,进行信号预处理,保持了信噪比长期稳定;;
b、信号传输时,保持信噪比不变;
信号传输基于相位敏感光学时域反射法(Φ-OTDR)和相位生成载波(PGC)解调算法,将相位解调的信号解决于前端,将不受声光调制频率限制,不丢失丰富的相位信息,非强度型,不受强度振幅波动影响,克服了瑞利散射信号在时间尺度与空间尺度上均存在较严重强度波动问题,可实时准确地还原出光纤各位置处的振动强度和频率信息。
c、采用了时频特征提取法提取信号的特征,将泄漏信号与背景噪声区分开来。
I、时域特征提取:分析信号在时间域上的特征。通常需要结合信号在时间域上的峰值、均值、方差等参数信息,识别泄漏发生时的信号时域的突发特征实现信号检测。
I I、频域特征提取:分析信号在频率域上的特征。常用的频谱分析方法包括傅里叶变换、小波变换等,将时域信号转换到频域,通过对信号的频率成分进行提取与筛选,识别泄漏发生时的信号频率特征变化特性,实现频域特征识别泄漏信号。
I I I、通过提取感知信号在时频域上的特征变化,多维度信号的模式识别,可降低管道拓扑或外界干扰产生的影响,提高泄漏信号检测准确率。
三、泄漏定位
基于系统在信号检测过程中提取到的信号特征,通过先进的定位算法技术实现对泄漏点的位置定位,泄漏定位算法融合了传感器阵列模式的协同算法和回波时差(△t)算法;针对分布式系统独具的阵列式传感器特性,在后台算法中增加多元声波检测器的算法,大数据去排查有无误判,使得系统的泄漏检测准确率大幅度提升;S=△t*C,△t=(t2-t1)/2,t1为激光波束的发射时间,t2为同一波束散射波接收时间,C为光速,通过计算得到漏水点的距离信息,通过供水管路分布图和北斗定位,给出具体漏水点位置,30km长的管道的定位精度,2米以内,1km长的管道的定位精度0.5以内。
a、频谱分析声信号处理
频谱分析通过分析声音信号的频率成分来识别泄漏信号的特征频率,主要通过时频转换技术、信号增强处理技术、主动特征提取技术,可在复杂的环境噪声中提取出泄漏信号。
具体步骤包括:
I、信号处理:通过滤波与噪声消减技术,降低噪声;通过波束形成技术,增强有效信号,实现泄漏信号特征增强,提高检测精度。
I I、频谱分析:应用傅里叶变换,将时域信号转换到频域,分析信号的频率成分。
I I I、特征频率识别:通过主动特征提取技术,自动捕捉信号特征变量并进行频谱分析,识别出泄漏信号的特征频率,与背景噪声干扰频率区分开来,为泄漏特征提取提供更加准确的结果。
IV、数据预处理技术,在常规数据清洗的技术上增加了异常数据重构的技术,对数据缺失部分与数据异常部分,通过前后数据关联性对异常部分进行重构与填充,保证了数据分析时的完整性;
b、多元声波检测器
在信号处理算法模块中配置多元声波检测器,可同时综合分析多个阵元(同一根光纤上的异常点及其相邻点在不同时域、不同频点散射回来的信号集)的数据,从而有效排除阵列信号中明显的异常数据(干扰信号导致的),可有效增加信号特征检测结果的正确输出,防止误报,提高泄漏检测的可靠性。
c、波束形成技术
波束形成算法包括自适应波束形成和常规波束形成,常见于阵列信号处理技术中,可用作空域滤波和波达方向估计,其实质是对阵元输出加权从而达到增强期望信号、抑制干扰信号的作用。波束形成技术通过延时补偿的方式进行阵元输出加权,当聚焦方向与实际信源方向重合时可形成最大输出,搜索输出峰值点并反推演波达方向即可完成定位。原始信号如图4所示;增强信号(采用了波束形成技术)如图5所示。
d、10TB量级的声学信号样本库的训练结合了神经网络深度学习算法,极大地提升了瑞利散射信号的模式识别率;
e、AI模型训练的微调技术:通过反馈,指导模型调整,从而优化模型的决策和输出,使其更符合预期,训练模型能够自己正常识别远处正常用水,还是管道近点泄漏。
本发明的pDAS系统,直径为90cm,壁厚为2cm的钢制管道压力输水管道道不同泄漏孔径在不同压力下的监测结果如下:
1、单端最远检测距离≤30km;当检测距离≤1km,定位精度0.5m以内;当1km≤检测距离≤10km,定位精度1m以内;当10km≤检测距离≤30km,定位精度2m以内;
2、能同时识别出管道上的多个漏水点,并定位,如图6所示;
3、管路弯道、三通四通,几乎无影响,说明流向变化可忽略不计;
4、能区分出远处正常用水,还是管道漏水。模拟检测:在一泄漏点,接软管30m,远处放水时,有扰动信号,说明水压变化,会有影响;拔掉软管,管道直接泄漏,幅度立刻上升,通过设定幅度阀值即可排除远处用水产生的扰动,而且远处用水的信号不是24小时连续的,通过与深夜检测数据的比对,很好区分,如图7所示;
5、悬浮在埋地水管中的光纤,由于受到水管壁的保护和水介质的缓冲,地面路面的振动干扰和地下水的干扰反而影响非常小;
6、重要的管路,如越江管道、输水主干管道等,可以采用pDAS实时在线监测;在复杂的老城区,可以结合区域装的表,初步知道漏水严重区域,针对性的进行排查,用pDAS作为检测工具来查找漏水点。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。
Claims (10)
1.一种悬浮于供水管路中的光纤测漏系统,其特征在于,包括:
传感光纤:悬浮于供水管道中,抗水解、食品级光纤;
扫频激光主机:发射激光和接收散射光,通过光开关连接传感光纤,实时检测供水管道内轴向传播的声音信号;
算法服务器:通过分析供水管道内传感光纤所采集到的各类声音信号的特征,实现管道泄漏的检测与定位;
展示用PC:采用BS架构连接算法服务器,操作和显示检测与定位结果。
2.如权利要求1所述的悬浮于供水管路中的光纤测漏系统,其特征在于,所述传感光纤的纤芯为抗水解食品级的纤芯,包含如下成分:二氧化硅、磷酸盐、硼酸盐和金属氧化物,所述金属氧化物为钛氧化物或氧化锌,其中二氧化硅占比98%以上。
3.如权利要求1所述的悬浮于供水管路中的光纤,其特征在于,所述传感光纤的纤芯外包覆有抗水解食品级的外包层,所述外包层为氟化物包裹层。
4.如权利要求1所述的悬浮于供水管路中的光纤测漏系统,其特征在于,所述扫频激光主机包括激光光源,所述激光光源产生的出光经过扫频装置调制后,使得激光信号的频率在一个频段内连续变化,再经由光学系统送至光信号放大器;所述光信号放大器通过掺入少量的铒元素来增强光信号的强度后,激光再经由隔离器送至循环器,至光开关发射出去,经传感光纤散射回来的激光信号再经循环器送至光检测器。
5.一种悬浮于供水管路中的光纤测漏监测方法,其特征在于,采用如权利要求1-4任一项所述的光纤测漏系统,所述监测方法包括如下步骤:
S1)泄漏声音特征提取:利用悬浮于供水管道中的传感光纤获取声音信号中能量集中的高频成分,在时域特征上表现为短时的突发信号;
S2)泄漏信号检测:激光主机采用扫频机制,在一个频段内产生频率连续变化的激光信号,克服了单光源存在的光衍干扰,相当于在同样的发射功率下,增强了出光信号;激光主机内置了激光校准传感器,实现光学标定参数校准,确保出光的一致性,减少了系统性误差,采用偏振声谱滤除算法滤除偏振噪声以及DSP降噪技术,消减系统噪声,并集成了NPU神经网络迭代滤波器和循环滤波器滤除背景噪声,进行信号预处理;采用了基于相位敏感光学时域反射法和相位生成载波解调算法进行信号传输,保持传输时信噪比不变;采用了时频特征提取法提取信号的特征,将泄漏信号与背景噪声区分开来;
S3)泄漏定位:融合回波时差算法和传感器阵列模式的协同算法,并在算法服务器的信号处理算法模块中配置多元声波检测器,有效排除阵列信号中明显的异常数据。
6.如权利要求5所述的悬浮于供水管路中的光纤测漏监测方法,其特征在于,所述步骤S2在激光主机采用偏振声谱滤除算法滤除偏振噪声以及DSP降噪技术,消减系统噪声,并集成了NPU神经网络迭代滤波器和循环滤波器滤除背景噪声,进行信号预处理。
7.如权利要求6所述的悬浮于供水管路中的光纤测漏监测方法,其特征在于,所述步骤S2中的信号预处理包括对数据缺失部分与数据异常部分,通过前后数据关联性对异常部分进行重构与填充。
8.如权利要求5所述的悬浮于供水管路中的光纤测漏监测方法,其特征在于,所述步骤S3中配置的多元声波检测器,对异常点及其相邻点在不同时域、不同频点传回来的信号集,作为多个阵元数据进行综合分析,从而排除阵列信号中明显的异常数据。
9.如权利要求8所述的悬浮于供水管路中的光纤测漏监测方法,其特征在于,所述步骤S2选取漏点附近的多个声波监测点信号合成一个声源,增强有效信号的强度,同时采用波束形成技术,通过延时补偿的方式进行阵元输出加权,当聚焦方向与实际信源方向重合时可形成最大输出;所述步骤S3通过搜索输出峰值点并反推演波达方向完成泄漏定位。
10.如权利要求9所述的悬浮于供水管路中的光纤测漏监测方法,其特征在于,所述步骤S3按如下公式计算得到漏水点的距离信息S,并通过供水管路分布图和北斗定位,给出具体漏水点位置;
S=△t*C,C为光速;
△t=(t2-t1)/2,t1为激光波束的发射时间,t2为同一波束散射波接收时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411133556.8A CN118959909A (zh) | 2024-08-19 | 2024-08-19 | 一种悬浮于供水管路中的光纤测漏系统及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411133556.8A CN118959909A (zh) | 2024-08-19 | 2024-08-19 | 一种悬浮于供水管路中的光纤测漏系统及监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118959909A true CN118959909A (zh) | 2024-11-15 |
Family
ID=93403423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202411133556.8A Pending CN118959909A (zh) | 2024-08-19 | 2024-08-19 | 一种悬浮于供水管路中的光纤测漏系统及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118959909A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN119147089A (zh) * | 2024-11-19 | 2024-12-17 | 福建芯耀光电科技有限公司 | 一种光纤分布式声波监测系统 |
CN119197740A (zh) * | 2024-11-25 | 2024-12-27 | 浙江亨特科技有限公司 | 一种分布式光纤声波传感器的监测预警方法及系统 |
CN119321797A (zh) * | 2024-12-19 | 2025-01-17 | 中国特种设备检测研究院 | 一种光纤在线监测系统 |
-
2024
- 2024-08-19 CN CN202411133556.8A patent/CN118959909A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN119147089A (zh) * | 2024-11-19 | 2024-12-17 | 福建芯耀光电科技有限公司 | 一种光纤分布式声波监测系统 |
CN119197740A (zh) * | 2024-11-25 | 2024-12-27 | 浙江亨特科技有限公司 | 一种分布式光纤声波传感器的监测预警方法及系统 |
CN119321797A (zh) * | 2024-12-19 | 2025-01-17 | 中国特种设备检测研究院 | 一种光纤在线监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN118959909A (zh) | 一种悬浮于供水管路中的光纤测漏系统及监测方法 | |
CN101255951B (zh) | 提高油气管道泄漏和入侵检测的分布式光纤传感器性能的方法 | |
CN102879081B (zh) | 一种分布式光纤振动系统中的数据处理方法 | |
CN103048588B (zh) | 电力电缆故障在线定位方法与系统 | |
CN102997062A (zh) | 一种基于光纤传感的天然气管道泄漏监测方法和系统及系统的安装方法 | |
CN102997051A (zh) | 一种基于光纤传感的天然气管道泄漏监测方法和系统 | |
CN111442788B (zh) | 一种架空输电线路健康监测方法及系统 | |
EA027707B1 (ru) | Способ и устройство для мониторинга трубопровода | |
CN111222743B (zh) | 一种光纤感知事件的垂直偏移距离及威胁级别判断方法 | |
CN102997061A (zh) | 一种基于光纤传感的天然气管道泄漏监测系统 | |
CN101393269A (zh) | 一种利用通信光缆监测地质状况的方法 | |
CN100337094C (zh) | 用于长途管线安全监测的光纤干涉型自动监测方法及系统 | |
CN102997060A (zh) | 一种光纤传感天然气管道泄漏监测系统的泄漏点定位系统 | |
US20150346159A1 (en) | Sensor system for corrosion monitoring | |
CN102997055A (zh) | 一种光纤传感天然气管道泄漏监测系统的泄漏点定位方法和系统 | |
CN113375879B (zh) | 一种多参量多模态高精度管道泄漏监控与定位系统 | |
JP3147616B2 (ja) | 分布型導波路センサ | |
CN102997063A (zh) | 一种基于光纤传感的天然气管道泄漏监测方法 | |
CN108645501A (zh) | 一种基于分布式光纤传感水管运行监测系统 | |
CN102997056A (zh) | 一种天然气管道泄漏检测传感器间隔测定方法 | |
CN101324446B (zh) | 一种扰动传感定位方法 | |
CN103439630A (zh) | 电力电缆故障点定位方法与系统 | |
CN215262312U (zh) | 多参量多模态高精度管道泄漏监控与定位系统 | |
US20240302225A1 (en) | Automatic calibration for backscattering-based distributed temperature sensor | |
CN212409862U (zh) | 一种多径信息融合的车辆振动识别装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |