科创中国

行业领域

新一代信息技术产业,下一代信息网络产业

需求背景

需要更先进的分布式光纤振动传感模式识别技术，针对长输油气管道沿线产生振动频次高、种类多，误报率较高，影响了系统的可靠应用，基于人工智能，对振动模式进行智能分析、分类，有效降低误报率，提高报警准确率。分布式光纤传感器具有损耗低、体积小、重量轻、灵敏度高、耐腐蚀性强、抗电磁干扰、无需电源和成本低等多种优点，弥补了传统电学传感器在监测范围和系统可靠性等方面的不足，在短短几十年时间内得到飞速发展。人们利用各种光纤传感器已经顺利实现对温度、浓度、压力、振动、位移和折射率等变化量的测量。迄今为止，各种类型的光纤传感器已被广泛应用于周界安防、航空航天、管道监测、电力工程和生物医学等领域。其中，实用价值最高的当属分布式光纤传感系统。

需解决的主要技术难题

1.基于人工智能，对振动模式进行分类； 2.对振动能级智能分析； 3.综合分析，有效降低误报率，提高报警准确率。 需求参数： 1.事件识别准确率>98%； 2.报警准确率>98%;误报率<2%； 3.报警时间<2s。

期望实现的主要技术目标

在分布式光纤振动传感器与深度学习算法结合中也存在着：算法结构复杂、算法整体权重大、随着网络深度的加深，容易出现梯度弥散和性能退化的问题、无法进行嵌入式和移动端的使用等多种问题。为了弥补现有技术中的不足，期待开发分布式光纤传感器模式识别的方法，将轻量化、识别效果好、识别速度快、可进行嵌入式开发的算法引入到分布式光纤振动传感器领域中。

处理进度