管道运输作为五大运输方式之一,具有安全、经济、保质和无污染等优点,已成为油气运输的重要途径。近年来,偷油和施工破坏而引发的泄漏事故日益成为影响国内、外管道安全输送的最重要因素之一。由于传统的泄漏检测方法不能在管道遭到破坏前对破坏事件进行预报,因此研制高性能的油气管道安全预警检测系统也就成为目前国际上的研究热点之一。 本文工作源于863课题,以地埋分布式光纤作为传感器采集土壤微振动信息,并在此基础上重点研究土壤振动信号的预处理与识别技术。具体说来,本文的主要工作包括： 首先,本文介绍了用于信息采集的基于Mach-Zehnder干涉原理的分布式光纤传感模型,以及土壤振动信号的形态。针对实时微振动信号的特点,利用相关系数初步提取有用的信号段,采用平稳小波阈值衰减算法抑制信号中的各种干扰。对于消噪之后的信号,通过窗口能量阈值的设定,对信号进行精分割,在频域内提取有用的特征向量。 其次,在信号分类阶段,先使用单类支持向量机对最严重的破坏行为进行单类划分,再利用BP神经网络分类器对五种典型的土壤振动信号进行识别与分类,并引入时间序列分析的思想,进一步提升了预警信息的可靠性。 最后,为了使系统具有自适应和自学习能力,在利用已知的信号特征和环境信息进行分类的同时,本文还设计了基于人机交互的分类器增量学习机制,使系统能够人工添加新的破坏事件类型,并通过增量学习实现对新的破坏事件类型进行有效识别,使其更加适应管道沿线的特定地理环境。 经现场真实运行测试,系统对于典型的五类信号的正确报警率高达95％,远优于已有文献中的结果。本文的研究方法对其它类型安全防护领域的实时监测具有参考价值,其成果可以直接推广到国防及其它重要设施和重要区域的安全防范与预警。