分布式光纤的沙漠埋地油气管道入侵信号识别

针对沙漠埋地油气管道服役环境、破坏情况和威胁管道安全的第三方入侵情况,容易引起入侵振动信号的有效特征提取和准确分类识别困难的问题,提出一种沙漠埋地油气管道入侵信号特征识别方法.该方法首先利用分布式光纤采集管道沿线入侵振动信号;然后通过改进的总体平均经验模态分解(MEEMD)法分解振动信号得到信号的固有模态函数(IMF)分量;进而提取IMF分量的能量以及MEEMD能量熵组成特征向量;最后将该特征向量输入到极限学习机(ELM)分类识别模型.实验结果表明,该方法能够实现敲击管道、人工挖掘、机械施工和沙暴天气4类事件识别,并与BP神经网络和支持向量机识别模型进行对比,该方法总识别准确率达到了94％,识别速度更快.所提方法对分布式光纤沙漠埋地油气管道监测具有重要参考意义.