本站小編為你精心準備了海纜歷史數據趨勢分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《光通信研究雜志》2016年第二期

摘要:

從海纜歷史溫度數據中分析出海纜的老化或者故障位置是工程應用中急需解決的問題。針對上述問題,采用EMD(經驗模態分解)算法提取出海纜每一處歷史溫度數據的時頻特征,再通過矩陣相似度來衡量不同位置點海纜時頻特征的相似度大小,最后通過分析對比相似度的異常來確定海纜老化或故障的位置。實例驗證結果表明,問題海纜位置點與正常海纜位置點之間的相似度遠小于正常海纜位置點之間的相似度,因而能預測出所有問題海纜的位置點。

關鍵詞:

經驗模態分解;矩陣相似度;時頻特征

現今世界各國都越來越重視對海洋石油的開采、利用和興建采油平臺。采油平臺通常由一個大一點的母平臺和幾個小一點的子平臺組成平臺群,平臺上安裝有透平發電機發電,各平臺之間通過海纜連接組成電路網絡,這樣當其中一個平臺的電力不足時,可以由電網內的其他平臺向它輸送電能而不至于耽誤平臺上正常的生產作業。因此,海纜成為了海上采油平臺的生命線,海纜安全可靠、經濟地運行顯得尤其重要。然而,海纜的工作環境相當復雜,需要長時間高負荷運行,存在各類損害風險。工程中一般都采用BOTDA(布里淵光時域分析儀)配合海纜中的冗余光纖對海纜進行實時監測。BOT-DA利用分布式光纖傳感技術實時獲取海纜的溫度數據,平均每分鐘獲得一組海纜溫度數據,一年時間會產生超過1TByte的海量海纜溫度數據。通過分析這些歷史數據可以推測海纜老化或者損壞的趨勢,然而海纜溫度數據大都是一些非線性、非穩定的信號,普通的傅里葉變換不能有效地對其進行頻譜分析。本文采用EMD(經驗模態分解)[1-2]算法提取海纜各個位置的歷史溫度數據的特征信息,然后對比不同位置的特征信息,并根據海纜老化或者損壞位置點的特征信息不同于正常位置的特征,推測出海纜老化或損壞的趨勢。

1基于EMD算法的海纜溫度歷史數據特征提取

EMD算法是將復雜信號分解成一組穩態、線性的數據分量,即IMF(本征模態函數)。在分解信號的過程中,所獲得的IMF必須滿足以下兩個條件:(1)數據序列中所有的數據極值點和數據的過零點必須≤1;(2)在任意一點處,上包絡和下包絡的均值必須為0。第1個條件較為明顯,它與傳統的窄帶需要穩定的高斯過程相似;而需要滿足第2個條件是因為不希望瞬間頻率有隨機的波動。海纜的溫度數據是通過BOTDA每分鐘采集一次整條海纜的分布式溫度獲得的,分辨率可以達到0.5m/s。在對海纜溫度歷史數據進行EMD前需要先對數據進行一些處理。首先將同一位置的數據提取出來,然后按照采集時間的順序排列,組成時間序列s(t),最后再運用EMD方法將其分解成一系列的IMF。當相似度較低時,說明這一位置的海纜與其他位置的海纜存在很大不同,推測這一位置可能是老化或者故障位置,然后對這些相似度低的位置進行檢查,這樣可以極大地減少工程人員的工作量。

2實例驗證

為了驗證本文提出的基于EMD算法提取海纜特征做趨勢分析的方法的有效性,我們做了以下實驗。選取一段長度為26km且處于海底的海纜,這樣做的目的是為了避免一些外在因素對實驗結果的影響。通過BOTDA設備采集這段海纜一天的溫度數據,然后用MATLAB軟件對這一系列溫度數據進行EMD算法的特征提取。在這段長為26km的海纜中,我們截取了11個位置點做實驗分析,即在8.0~8.1km處,每隔10m取一個位置點。為了檢驗EMD算法的正確性,在這10個位置點中,我們將8.04和8.1km這兩個位置點一天內每一時刻的溫度數據都人為地增加3℃,通過EMD算法提取特征值后比較其相似度,如果我們能夠找出這兩個問題點,那么就可以驗證該算法在海纜老化趨勢分析中的正確性。首先,我們需要對每一個位置點進行EMD算法的時頻分析。按照EMD算法的分解步驟,以8km位置點為例,先將溫度數據分解成多個IMF,如圖2所示。由圖可見,8km位置點的溫度數據被分解成9個IMF和一個殘余分量res。對IMF進行Hilbert變換,得到瞬時頻率,變換后的時頻圖如圖3所示。從圖中可以發現,每個位置點的海纜溫度的時頻信息都是由多個頻率組成的。這是因為經過EMD會獲得多個IMF。對每個IMF進行Hilbert變換,可以得到由多個時頻組成的時頻矩陣。取出這11個位置點的時頻矩陣,然后根據矩陣相似度的原理求得它們相互之間的相似度,如表1所示。從表中可以發現,L8040和L8100處相比其他位置相似度較低。如果這里設置閾值r為0.7,則當矩陣相似度<0.7時說明相似度較低,是問題海纜位置。通過表1中這11個時頻矩陣的相似度可以很清楚地發現,8.04和8.1km位置點相對于其他位置的相似度都<0.7,說明本實驗成功地檢測出了我們當初設置的問題位置點,驗證了該方法的正確性。

3結束語

本文提出了基于EMD算法特征提取的海纜老化趨勢預測方法,并通過實驗驗證了該方法能夠有效地從海量的數據中預測出海纜的問題位置點。采用EMD算法解決了傳統的傅里葉變換無法對海纜歷史溫度數據這種非線性、非穩定信號進行頻域分析的問題。只要獲得海纜的歷史溫度數據,就能夠為海上工作人員提供精確的海纜預警位置,帶來了極大的經濟效益。本文的不足之處在于沒有就EMD分解中存在的混疊問題進行深入地研究,今后需要在這方面做進一步研究。

作者：方文軍 安博文 單位：上海海事大學 信息工程學院