GIS/SCADA整合技術(shù)下光纖預(yù)警判定算法仿真

梁金祿

(北部灣大學(xué)，廣西 欽州 535011)

1 引言

計(jì)算機(jī)與通訊技術(shù)飛速發(fā)展，地理信息系統(tǒng)GIS[1]逐漸成為信息產(chǎn)業(yè)的一個(gè)重要組成部分，SCADA系統(tǒng)[2]也被普遍應(yīng)用，通過適當(dāng)?shù)牟杉c監(jiān)控?cái)?shù)據(jù)源，完成在計(jì)算機(jī)基礎(chǔ)上的生產(chǎn)、控制、調(diào)度為一體的自動(dòng)化系統(tǒng)。目前在相關(guān)研究領(lǐng)域中，整合GIS與SCADA是為了可以合理的互換數(shù)據(jù)信息，并在此基礎(chǔ)上根據(jù)具體需求來判定數(shù)據(jù)系統(tǒng)內(nèi)部發(fā)生故障的地點(diǎn)。在整合的過程中，為保持二者運(yùn)行的穩(wěn)定性，確保平臺(tái)內(nèi)數(shù)據(jù)庫和空間數(shù)據(jù)庫的單獨(dú)性，需要讓兩個(gè)系統(tǒng)平臺(tái)的數(shù)據(jù)始終保持統(tǒng)一性，利用系統(tǒng)一體化設(shè)計(jì)，實(shí)現(xiàn)地理信息與實(shí)時(shí)信息的統(tǒng)一，在一定程度上充分的運(yùn)用兩個(gè)系統(tǒng)特有的性能，進(jìn)一步滿足自動(dòng)化系統(tǒng)的限制條件，從而實(shí)現(xiàn)提高系統(tǒng)運(yùn)行效率的目的。

現(xiàn)階段光纖預(yù)警系統(tǒng)[3]由于它本身獨(dú)有的特征，在實(shí)際運(yùn)行中光線傳感具有不受電磁干擾、體積小、效率高的優(yōu)點(diǎn)，已成為現(xiàn)下安防領(lǐng)域的重要研究課題之一，而且光纖本身靈敏度較高，所以在預(yù)警過程中不會(huì)出現(xiàn)監(jiān)控盲區(qū)的情況，并且光纖預(yù)警系統(tǒng)比較適合于長距離、大范圍以及周界地形復(fù)雜區(qū)域的全方位實(shí)時(shí)監(jiān)控。

文獻(xiàn)[4]提出基于擾動(dòng)觀察法的光纖預(yù)警判定算法，根據(jù)光伏電池PV特性曲線的斜率正負(fù)，來確定最大功率點(diǎn)電壓的跟蹤方向，通過光伏電池PV特性曲線的斜率取值，確定跟蹤最大功率點(diǎn)電壓所需的電壓步長，獲得當(dāng)前步長用來查找功率最大點(diǎn)，實(shí)現(xiàn)對光纖的預(yù)警判定，但該方法容易受干擾噪聲和自然環(huán)境的影響，預(yù)警精準(zhǔn)度較低。文獻(xiàn)[5]提出基于Logistics概率統(tǒng)計(jì)模型的光纖預(yù)警判定算法，建立基于Logistics多元線性對數(shù)概率統(tǒng)計(jì)模型，利用樣本數(shù)據(jù)實(shí)現(xiàn)Logistics非連續(xù)的多元線性回歸，獲取光纖預(yù)警判定數(shù)據(jù)，但該方法只能根據(jù)特定領(lǐng)域提出預(yù)警手段，針對性強(qiáng)、缺乏廣泛適用性，無法有效判斷不同種類目標(biāo)存在的問題。

文章提出一種整合GIS/SCADA系統(tǒng)下光纖信號預(yù)警判定算法。通過基于導(dǎo)數(shù)和特征選取的信號預(yù)警方法分析信號，獲取時(shí)頻分布的特征，計(jì)算輸入層和模式層之間權(quán)值，減少維數(shù)影響，運(yùn)用概率神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)特征信號的分類預(yù)警。仿真結(jié)果表明，本文方法可以有效預(yù)警，且效率高、算法簡單，應(yīng)用領(lǐng)域廣泛。

2 GIS與SCADA的整合

2.1 整合原則

整合原則可以分為兩種，一是不同部分相互獨(dú)立存在，在進(jìn)行相互整合的過程中，需要確保這兩個(gè)系統(tǒng)在運(yùn)行的中的安全性與穩(wěn)定性，以保證系統(tǒng)運(yùn)行的整體效率；二是數(shù)據(jù)信息的整合統(tǒng)一性，在整合的過程中，系統(tǒng)的模型等數(shù)據(jù)會(huì)根據(jù)該平臺(tái)構(gòu)成一個(gè)相對的管理平臺(tái)，SCADA系統(tǒng)的主要界限端口會(huì)因GIS平臺(tái)而形成，當(dāng)整體網(wǎng)絡(luò)結(jié)構(gòu)發(fā)出變化信號時(shí)，會(huì)自動(dòng)和平臺(tái)進(jìn)行同步，其中同步的所有數(shù)據(jù)都來自SCADA系統(tǒng)中的數(shù)據(jù)庫。

2.2 整合方式

常見的GIS和SCADA系統(tǒng)整合方式分別有下列三種：

1)在系統(tǒng)中調(diào)整GIS的部分功能：在具體整合的過程中，對系統(tǒng)中加載數(shù)據(jù)進(jìn)行加速處理的同時(shí)，運(yùn)用GIS可視化特點(diǎn)，使數(shù)據(jù)管理變得更加高效。但由于GIS在運(yùn)行的過程中，會(huì)受導(dǎo)大量的圖形數(shù)據(jù)條件限制，因此在一般情況下整合的系統(tǒng)需要為平臺(tái)提供良好的顯示數(shù)據(jù)環(huán)境，以提升系統(tǒng)的整體運(yùn)行速度。

2)在平臺(tái)中整合分布的系統(tǒng)功能：這種整合方法在一定程度上利用數(shù)據(jù)共享的特征，具體是指兩個(gè)相互單獨(dú)運(yùn)行的系統(tǒng)，通過數(shù)據(jù)特征構(gòu)建二者之間的聯(lián)系，以確保運(yùn)行的穩(wěn)定性和適用性。但也會(huì)因數(shù)據(jù)特征提取效率而影響整合交換速率的效率。

3)創(chuàng)建對應(yīng)的整合平臺(tái)：與前兩個(gè)方式相比，創(chuàng)建整合系統(tǒng)平臺(tái)的方式，可以從根本上處理整合中的數(shù)據(jù)問題，并為創(chuàng)建整合系統(tǒng)打了基礎(chǔ)，但由于這種整合辦法需要根據(jù)基礎(chǔ)問題進(jìn)行分類研究，會(huì)增加系統(tǒng)創(chuàng)建的危險(xiǎn)性。

3 光纖預(yù)警原理與特征統(tǒng)計(jì)

光纖預(yù)警是一種將傳感與傳輸和為一體的技術(shù)，在實(shí)際預(yù)警操作中可以同時(shí)探測出物理量的空間分布信息和時(shí)變信息，同時(shí)擁有抗干擾、成本小等優(yōu)點(diǎn)。一般情況下光纖預(yù)警系統(tǒng)在預(yù)警信號的過程中，會(huì)先運(yùn)用光纖干涉儀[6]和干涉型系統(tǒng)，加強(qiáng)其敏感度，方便計(jì)算，具有較高的適用性和經(jīng)濟(jì)價(jià)值。

3.1 光纖預(yù)警系統(tǒng)結(jié)構(gòu)

根據(jù)雙馬赫曾德干涉儀構(gòu)建該系統(tǒng)的等效結(jié)構(gòu)圖如圖1所示。

圖1 光纖預(yù)警系統(tǒng)結(jié)構(gòu)圖

光纖預(yù)警系統(tǒng)的運(yùn)行過程為：圖1所示激光二極管會(huì)發(fā)射出一段1600mm的窄帶激光，當(dāng)光束經(jīng)過某單項(xiàng)隔離器，再路過3dB耦合器C1，那么激光將會(huì)被分割成為兩束等同的光線，其中一束光線將沿著順時(shí)針方向進(jìn)入R1后，再次經(jīng)過C2被分為兩束光線，這兩束光線就會(huì)分別進(jìn)入系統(tǒng)傳感光臂1和參考光臂2，然后光臂中傳感光線再一次進(jìn)入C3中合并處理光束，并且在處理后造成干涉效應(yīng)(其中干涉效應(yīng)是指在干涉光線強(qiáng)度中包括了振動(dòng)信號、噪聲信號)，在此基礎(chǔ)上，通過R2進(jìn)入到光電探測器中轉(zhuǎn)換電壓信號。利用方法以及轉(zhuǎn)換后，進(jìn)入到上位機(jī)中完成處理分析。

3.2 調(diào)制原理

在圖1光纖預(yù)警系統(tǒng)結(jié)構(gòu)基礎(chǔ)上，得知傳感光纖臂是根據(jù)對應(yīng)的參考光纖臂創(chuàng)建的。假設(shè)傳感光束埋在預(yù)警范圍內(nèi)土下的十厘米處，檢測預(yù)警系統(tǒng)，其中檢測的方式包括：地下管道損壞、人力挖掘、自然環(huán)境下車輛行駛到預(yù)警范圍內(nèi)形成的振動(dòng)信號，這三種手段都容易使預(yù)警系統(tǒng)發(fā)射出預(yù)警信號，并且在發(fā)出預(yù)警信號的基礎(chǔ)上光纖也會(huì)因此受到振動(dòng)。

在一般下，振動(dòng)信號是經(jīng)過光纖本身調(diào)制效應(yīng)，來改變光纖折射率[7]和光纖內(nèi)芯的具體長度，以及光纖在傳輸過程中的相位變化，統(tǒng)稱為光波相位調(diào)制[8]。

假設(shè)某一段光纖的長度為L，該光纖的折射率描述為n，二者之間的直徑表述為D，則光波在光纖位移基礎(chǔ)上的φ為

(1)

式中，β為光纖傳播常數(shù)，同樣也可以將其看作為折射率和內(nèi)直徑具體長度的函數(shù)，上式的三項(xiàng)也可分別表示為：因光線彈性形變、彈光效應(yīng)和泊松效應(yīng)造成的光纖整體相位變化情況[9]。可以利用介電抗張量的變換針對前兩項(xiàng)式來表述，其中第三項(xiàng)和前兩項(xiàng)相比，會(huì)小兩個(gè)數(shù)量級，所以可以在計(jì)算的過程中忽略不計(jì)，前兩項(xiàng)代入數(shù)值β=nk0，就可以得出

(2)

其中k0=2π/λ0，表示傳播常數(shù)量，λ0表示初始相位值，Pij表示四階彈光張量，εz表示預(yù)警過程中具有變量的數(shù)值。因此就可以把φ看做是在固定時(shí)間內(nèi)t函數(shù)值，根據(jù)這種情況，系統(tǒng)中的干涉儀會(huì)發(fā)揮出具體作用，并轉(zhuǎn)換函數(shù)值φ(t)，即

H(t)=2H0+2H0cos(φ(t)+φ0)

(3)

式中，將H0描述為光纖激光強(qiáng)度，φ0為沒有發(fā)生變化的相位。根據(jù)上式(3)得知，當(dāng)檢測光電時(shí)，實(shí)際預(yù)警電路會(huì)因?yàn)楣饫w激光強(qiáng)度將信號轉(zhuǎn)換成為常見的電壓信號，并放大處理至上位機(jī)，從而識(shí)別出沒有變相位的振動(dòng)信號，達(dá)到信號預(yù)警的效果。

3.3 噪聲信號傳輸特征

根據(jù)上述分析，在自然環(huán)境下振動(dòng)作為時(shí)變隨機(jī)噪聲調(diào)制，根據(jù)上式(2)中的φ(t)中，即可寫出隨機(jī)噪聲

φ(t)=φu(t)+φn(t)

(4)

其中φv(t)則表示待預(yù)警的信號；φn(t)表示自然環(huán)境造成的光波相位噪聲，可以代表檢測過程中的非平穩(wěn)隨機(jī)，因?yàn)樵谧匀画h(huán)境下信號會(huì)較慢變化，所以將短時(shí)間內(nèi)的φn(t)看作為固定時(shí)間內(nèi)更新參數(shù)值的穩(wěn)定信號。

假設(shè)在某時(shí)間段tk的起始時(shí)間τ0點(diǎn)，檢測到噪聲φn0(t)，那么結(jié)束時(shí)間tk點(diǎn)到τ1處就會(huì)檢測到其中包括噪聲的預(yù)警信號φ(t)=φu(t)+φn1(t)，這里噪聲φn0(t)與φn1(t)的互相關(guān)系數(shù)ρn0n1、預(yù)警振動(dòng)信號φy(t)和噪聲φn1(t)的互相關(guān)系數(shù)ρyn1則滿足于下列條件

ρn0n1→1-

(5)

ρyn1→0+

(6)

對上式進(jìn)行計(jì)算后得知，在某段時(shí)間內(nèi)的環(huán)境噪聲φn(t)具有較高的自相關(guān)性，并且是一種激光窄帶隨機(jī)形成的噪聲，所以就可以運(yùn)用振動(dòng)信號噪聲特征來代替振動(dòng)預(yù)警過程中所檢測到的振動(dòng)信號，實(shí)現(xiàn)對噪聲特征的統(tǒng)計(jì)。

4 基于導(dǎo)數(shù)分析和特征選擇的信號預(yù)警算法實(shí)現(xiàn)

4.1 提取信號時(shí)頻特征

依據(jù)上述噪聲信號傳輸?shù)奶卣鳎瑢⑹芨蓴_時(shí)系統(tǒng)所采集信號統(tǒng)稱為干擾信號，即可表述為

I(t)=I0cos[φ(t)+φ0]

(7)

式中I0表示為受干擾信號振動(dòng)幅，在一般情況下振幅與光強(qiáng)成正比；φ(t)表示干擾信號的瞬間時(shí)位，時(shí)位是隨著信號變化而不斷改變的；φ0表示干擾信號中的初始相位，但因?yàn)檎駝?dòng)信號的相位是隨著不同干擾信號而發(fā)生變換的，在預(yù)警的過程中就會(huì)出現(xiàn)用信號接替出具體信息困難的情況，所以針對時(shí)頻單獨(dú)分析法處理干擾信號，從而獲得時(shí)頻參數(shù)量特征[10]。將相位研究轉(zhuǎn)換為時(shí)頻研究，對上式(7)進(jìn)行求導(dǎo)后，便可以得出

(8)

(9)

由上式可見，干擾信號零電平[11]正處于導(dǎo)數(shù)和信號頻率成正比位置，得知當(dāng)導(dǎo)數(shù)取值較大時(shí)，就會(huì)出現(xiàn)信號頻率較高的情況，所以可以利用在零電平處的導(dǎo)數(shù)來獲得對應(yīng)的信號時(shí)頻特征。

一般情況下，入侵信號不會(huì)超過200kHz，盡管系統(tǒng)的采樣率高，可以提升預(yù)警的精準(zhǔn)度，但精準(zhǔn)度提高的同時(shí)預(yù)警系統(tǒng)在運(yùn)行過程中也收納了高頻噪聲信號。針對這種情況本文采納有效預(yù)警信號的同時(shí)，對干擾信號進(jìn)行減少采樣處理，不僅減少系統(tǒng)整體運(yùn)行計(jì)算量和高頻噪聲，而且可以避免對結(jié)果的影響，信號時(shí)頻特征可以用下列公式來表示

(10)

式中，I表達(dá)收納信號的序列號；n代表信號的具體采樣點(diǎn)，假設(shè)n=1，2，…，N，其中N表示減少采樣率后的數(shù)量。

4.2 特征選取

信號的特征選取是入侵信號預(yù)警判定過程中的重要部分。根據(jù)特征提取預(yù)警的方式得知，在不同情況下不同種類的干擾信號特征選擇是不同的，為減少特征維數(shù)的影響，本文運(yùn)用選擇方式如下所示：

1)最大值M：選取時(shí)頻特征中最高取值，在信號高于環(huán)境的情況下，引起的虛假警報(bào)信號；

2)頻率偏差D：選取最高值的平均差值，即可寫為：

D=max(f(n))-mean(f(n))

(11)

3)頻率樣本熵S：在時(shí)頻分布中，不僅可以看出頻域差距明顯，還可以看出時(shí)域中分布均勻程度，所以可通過樣本熵來判定信號在時(shí)域分布中的復(fù)雜度。

4.3 基于信號分類器的光線預(yù)警

采用PNN作為預(yù)警系統(tǒng)的分類器，概率神經(jīng)網(wǎng)絡(luò)是由信號輸入層、模式層、求和層以及輸出層這5個(gè)主要模塊創(chuàng)建的，如果攝入層具有五個(gè)不同的神經(jīng)元，并且將預(yù)警特征矢量傳到模式層中，那么四種干擾信號中每一種取出48個(gè)樣本來構(gòu)成模式層的基本節(jié)點(diǎn)，即可得知第i類的第j層預(yù)警神經(jīng)元輸出可以寫為

(12)

式中，i=1，2，3，4，j=1，2，…Nj，Nj為每種樣本數(shù)，xij則表述第i類的第j個(gè)樣本，d是特征維數(shù)，σ是平滑參數(shù)。在實(shí)際運(yùn)行中，將訓(xùn)練樣本來作為輸入層和模式層之間的權(quán)值，從根本上減少對信號分類的計(jì)算時(shí)間。通過以上步驟完成光線預(yù)警。

5 仿真研究

為驗(yàn)證所提方法的光纖預(yù)警判定有效性，設(shè)計(jì)對比仿真，驗(yàn)證不同方法的預(yù)警信號獲取性能，以及噪聲信號的抑制效果。

5.1 預(yù)警信號信噪比

一般情況下，光纖預(yù)警系統(tǒng)所檢測到的信號為振動(dòng)周期信號，因此在實(shí)驗(yàn)過程中以兩個(gè)相同振動(dòng)幅、頻率和相位的正弦函數(shù)s(n)=sin(0.004n)+1.2cos(0.002n)作為檢測的振動(dòng)信號。利用文獻(xiàn)[4]方法、文獻(xiàn)[5]方法以及所提方法測得信噪比，獲得結(jié)果如圖2所示。

圖2 不同方法下預(yù)警信號信噪比

從圖2中能夠看出，不同方法下預(yù)警信號信噪比不同。當(dāng)數(shù)據(jù)量為500bit時(shí)，文獻(xiàn)[4]方法的預(yù)警信號信噪比為43 dB，文獻(xiàn)[5]方法的預(yù)警信號信噪比為58 dB，本文方法的預(yù)警信號信噪比為71 dB，本文方法的預(yù)警信號信噪比明顯高于其它兩種方法。當(dāng)數(shù)據(jù)量為1500bit時(shí)，文獻(xiàn)[4]方法的預(yù)警信號信噪比為56 dB，文獻(xiàn)[5]方法的預(yù)警信號信噪比為54 dB，本文方法的預(yù)警信號信噪比為79 dB，本文方法具有更高的信噪比，即有效信號較高。說明有助于在后續(xù)判斷中，獲取更加全面完整的信息，使預(yù)警判斷結(jié)果精準(zhǔn)度得到進(jìn)一步提升。

5.2 噪聲信號抑制效果對比

對噪聲信號的有效控制，能夠提高光纖預(yù)警的判定性能。通過檢測噪聲信號的抑制效果來驗(yàn)證方法的可控性，實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同方法的噪聲信號強(qiáng)度

通過表1可知，利用所提方法和兩種傳統(tǒng)方法抑制噪聲信號后，所提方法的噪聲信號強(qiáng)度始終低于傳統(tǒng)方法，噪聲范圍更小，可以證明GIS/SCADA整合技術(shù)下光纖預(yù)警判定算法，能夠更好地抑制噪音信號，從而可有效的對入侵信號進(jìn)行精準(zhǔn)預(yù)警判定，實(shí)現(xiàn)光纖預(yù)警的判定，應(yīng)用性能更好。

5.3 光纖預(yù)警判定準(zhǔn)確率對比

為了驗(yàn)證光纖預(yù)警判定效果，采用文獻(xiàn)[4]方法、文獻(xiàn)[5]方法以及所提方法檢測光纖預(yù)警判定準(zhǔn)確率，結(jié)果如圖4所示。

分析圖3可知，不同方法下光纖預(yù)警判定準(zhǔn)確率不同。當(dāng)實(shí)驗(yàn)次數(shù)為10次時(shí)，文獻(xiàn)[4]方法的光纖預(yù)警判定準(zhǔn)確率為76%，文獻(xiàn)[5]方法的光纖預(yù)警判定準(zhǔn)確率為73%，本文方法的光纖預(yù)警判定準(zhǔn)確率為98%，本文方法判定結(jié)果比其它兩種結(jié)果準(zhǔn)確性最高。當(dāng)實(shí)驗(yàn)次數(shù)為100次時(shí)，文獻(xiàn)[4]方法的光纖預(yù)警判定準(zhǔn)確率為76%，文獻(xiàn)[5]方法的光纖預(yù)警判定準(zhǔn)確率為74%，本文方法的光纖預(yù)警判定準(zhǔn)確率為96%，本文方法判定結(jié)果準(zhǔn)確率最高，具有最佳判斷準(zhǔn)確率。

圖3 不同方法下光纖預(yù)警判定準(zhǔn)確率

6 結(jié)論

傳統(tǒng)的光纖預(yù)警判定算法已經(jīng)滿足不了當(dāng)前需求，基于此提出了在整合技術(shù)下的新的光纖預(yù)警判定算法。在GIS/SCADA整合的基礎(chǔ)上，通過導(dǎo)數(shù)和信號特征選擇獲得時(shí)頻分布的特點(diǎn)，選擇出部分代表的經(jīng)典特征，運(yùn)用概率神經(jīng)網(wǎng)絡(luò)方法，完成特征信號的分類預(yù)警，仿真證明，所提方法能夠確定受干擾時(shí)的噪聲信號和自然環(huán)境下的隨機(jī)噪聲信號，獲得預(yù)警信息多、完成精準(zhǔn)判斷，可用于多種領(lǐng)域。