当前位置: 首页 > news >正文

用于监测线性基础设施的分布式声学传感:现状与趋势

铁路、隧道、管道等线性基础设施在世界经济社会发展中发挥着重要作用。然而,受地质灾害、地震和人类活动的影响,线性基础设施面临着潜在的破坏风险,可能无法正常运转。现有的线性基础设施监测系统主要基于非接触式探测技术(InSAR、无人机、GNSS等)和岩土仪器技术(伸长仪、测斜仪、倾斜仪、压力计等)。这些方法在监测灵敏度、频率和覆盖范围等方面存在一些不足,难以对线性基础设施进行准确、实时、全面的监测。分布式声学传感(DAS)是近年来快速发展的一种新兴传感技术,凭借其在长距离、高密度和实时监测方面的独特优势,DAS阵列在油气勘探、地震观测、地下成像等诸多领域展现出广阔的应用前景。在线状基础设施监测领域,分布式天线系统 (DAS) 逐渐引起研究人员和从业人员的关注。本文对近期应用 DAS 监测不同类型线性基础设施的研究和开发活动进行了综述。文中简要介绍了 DAS 的传感原理及其主要特点。随后,总结了近期的案例研究以及在该领域实施 DAS 监测系统的一些关键问题。最后,展望了该研究领域的挑战和未来趋势。

这里推荐上海锟联科技的DAS

一、DAS简介

线性基础设施是一类常见的大跨度民用基础设施,例如铁路、公路、管道、隧道、路堤和输电线路,具有长度长、分布范围广、使用寿命长等特点,广泛分布于复杂多变的自然环境中,是社会的支柱,在经济社会发展中发挥着重要作用。然而,由于受地质灾害、地震、腐蚀、老化、人类活动等多重因素的影响,线性基础设施在使用过程中面临着结构劣化和损坏的潜在风险[ 1 ]。过去几十年,线性基础设施在长期运营中发生的意外异常事件引起了人们的广泛关注。例如,水、油、气管道有时会因附近的土方工程、山体滑坡和第三方入侵而遭到破坏[ 2,3 ];轨道锈蚀和地面沉降引发了一些重大交通灾害;在一些国家,边境防护墙和屏障遭到非法移民的破坏。因此,为了确保线性基础设施的安全可靠运行并长期预防潜在威胁,需要强大而高效的监控系统。

建立线性基础设施监测预警系统是保障其健康状态、减少灾害发生的关键。目前,线性工程监测主要依靠人工巡检和现场监测,前者成本较高且具有间歇性[ 4 ]。对于后者,常用的方法分为遥感监测和接触式监测两类。干涉合成孔径雷达(InSAR)和全球导航卫星系统(GNSS)是两种流行的遥感技术,其位移监测精度可达毫米级[5,6]。近年来,无人机(UAV)摄影测量和地面激光扫描(TLS)技术为地表变形监测提供了有效的解决方案,且精度更高[ 7 ]。虽然这些技术可以获取大范围的变形数据,但监测具有周期性,且仅适用于地表变形。对于地下变形监测,已经开发了一系列岩土仪器,例如伸长仪、测斜仪、倾斜仪和压力计[ 8 ]。这些仪器可以安装在不同深度的钻孔中,或直接固定在线性基础设施上,以进行性能监测。这样可以实现关键物理参数的自动连续监测,并对异常状态或事故进行预警。然而,大多数仪器基于单点测量,难以实现远距离监测。因此,迫切需要强大而稳健的线性基础设施监测技术,以提供实时、准确、全面的测量。

分布式声学传感(DAS)是近年来快速发展的一种新型光纤传感技术。它不仅具有普通光纤传感技术的优点(例如抗电磁干扰、耐腐蚀、细长和柔性),而且还能够长距离、全分布式、实时地测量光纤路径上的动态应变(例如振动和声波)[ 9 ]。在过去的十年中,DAS 在地球物理探测领域有许多成功的应用,例如垂直地震剖面(VSP)采集[ 10,11,12 ] 、水力压裂监测[ 13,14,15 ] 、地震观测[ 16,17,18 ]以及构造检测与成像[ 19,20,21 ]。在声学[ 22,23 ]和生物学[ 24,25 ]领域,DAS也展现了其强大的功能。随着解调技术的快速发展,DAS的应用范围逐渐从陆地扩展到海洋[ 26,27,28 ] 、冰川[ 29,30 ]和火山[ 31,32 ] 。

对于线性基础设施,DAS 提供了一种新颖的监测解决方案。DAS 的大规模、长距离和实时感知能力意味着其在现场监测中具有不可替代的优势。此外,光纤电缆具有很强的环境适应性,可以轻松收集光纤长度上的大量监测数据。因此,DAS 可以定制用于监测复杂和恶劣环境中的线性基础设施。近年来,世界各地的研究人员和从业人员利用 DAS 对线性基础设施开展了大量的现场调查,例如管道泄漏监测[ 33 , 34 ]和铁路轨道健康监测[ 35 , 36 ]。图 1简要展示了 DAS 在监测线性基础设施和相关地质灾害方面的一些当前和潜在的应用场景。

DAS 在监测线性基础设施和地质灾害方面

二、分布式声学传感(DAS)

DAS是一种先进的分布式传感技术,它以光为信息载体,以标准电信级光纤作为地震记录的传感介质。常见的DAS系统由解调器和传感电缆组成。DAS解调器持续向传感电缆注入短脉冲激光。当光线穿过这些电缆的纤芯时,由于纤芯折射率的空间变化,入射光向不同方向散射,产生不同种类的散射光,如图2所示。当光纤受到干扰,并受到应变、温度和振动的影响时,散射光的特性会发生变化(波长、光强度、频率等)。通过分析散射光的某些特性,可以揭示各种物理参数(温度、轴向应变和应变率)的变化。DAS解调器沿光纤检测瑞利背向散射光,并分析相干瑞利散射光的相位信息,以获得动态应变(振动、声波等)测量值[ 30 ],如图3所示。详细介绍DAS传感原理的文献综述可参见[ 16 ]。除了瑞利背向散射光外,光纤沿线的每一点还会产生布里渊散射光和拉曼散射光。利用这些散射现象可以实现分布式应变传感(DSS)和分布式温度传感(DTS)。

三、DAS在线状基础设施监测中的应用

作为一种新型光纤传感技术,DAS 自诞生以来就得到了研究人员的广泛研究。近年来,世界各地的实践者纷纷尝试将 DAS 应用于各种关键线性基础设施的监测,并取得了许多成功的应用。本节简要介绍 DAS 在线状基础设施监测中的应用现状,并重点分析这些案例研究得出的结论。

3.1. 铁路安全监测

全球铁路管理部门需要精准监测列车定位和速度信息,以确保列车安全。在列车定位和速度监测中,轨道电路技术被广泛应用[ 47 ]。然而,在某些极端天气条件下,如超强雷电,轨道电路技术可能无法正常工作。其他传感技术也存在应用局限性,例如全球定位系统(GPS)在隧道等封闭环境中感知能力较弱,无法获取准确的列车运动信息。

DAS的发展为列车定位和速度监测提供了新的解决方案,其优势(抗电磁干扰能力强、时间分辨率高等)可以弥补现有监测技术的不足。DAS系统也便于现场监测,只需将传感电缆连接到询问器即可,如图4所示。由于列车在运行过程中会产生强烈的振动信号,靠近列车的传感电缆振动剧烈,而远离列车的传感电缆不受干扰,仅记录背景噪声。因此,通过分析各个位置电缆记录的数据,可以轻松确定列车的位置和运行速度。

3.2. 高速公路交通监控

公路交通是人们生活中必不可少的一部分。为了监控公路交通,近年来已经开发出各种固定(雷达枪、道路传感器、摄像头等)和移动(车载GPS、手机等)监控技术。前者可以提供高分辨率的监控数据,但其安装和维护成本高,并且空间覆盖范围相对较低。后者具有较高的空间覆盖范围,但其数据采集频率较低,因此无法进行实时监控,并且还可能涉及个人隐私问题[

63

]。因此,迫切需要新的交通监控系统。

DAS 系统可以为高速公路交通监测提供一种替代方案。由于光纤电缆埋设在道路下方,这种探测方法隐蔽性强,并且埋设在地下的电缆可以避免在长期监测过程中受到物理损坏。近年来,已有几个将 DAS 应用于高速公路交通监测的良好案例 [ 64,65,66 ] 。Wang等人利用道路下方的通信电缆监测了帕萨迪纳玫瑰花车游行 [ 67 ]。通过分析电缆采集的振动信息,他们成功识别了行人、摩托车和花车等交通特征信号(图 6)。他们还提出了一种测量道路交通流量和速度的方法,并分析了 COVID-19 爆发前后的城市道路交通状况 [ 63 ]。结果如图 7所示。可以清楚地看到,COVID-19 爆发后,城市整体交通流量减少,而速度增加。他们还将DAS的监测结果与其他监测技术的结果进行了比较,发现它们具有很好的一致性,成功证明了DAS在公路交通监测中的可行性。Catalano等人提出了将Hough变换应用于车辆计数的方法,并给出了一种车辆自动检测与计数算法[ 68 ],现场试验表明,该算法的准确率达到73%。

四、 挑战与未来趋势

挑战

多项研究已证明DAS用于线性基础设施监测的可行性和可靠性。然而,与其他光纤传感技术相比,DAS并非普遍有效,且存在一些不足,总体而言,DAS目前面临的挑战可细分为两类:技术挑战和将DAS应用于工程实践的挑战:

  • 方向灵敏度。与三分量振动检测装置(地震仪、加速度计等)相比,DAS 仅沿光纤电缆轴向具有灵敏度。DAS 对沿光纤传播的纵波和与光纤成 45° 角传播的横波高度敏感,对侧向波的灵敏度较弱 [ 9 ]。此外,当地震波长接近标距长度时,DAS 的方向灵敏度变得更加复杂 [ 103 , 104 ];

  • 复杂的振幅响应。DAS 信号的绝对振幅信息对于基于振幅的研究至关重要,例如衰减分析、震源反演和地下成像[ 17 ]。然而,DAS 振幅响应非常复杂。先前的研究表明,影响 DAS 振幅响应的因素包括标距长度[ 94 ]、电缆结构(例如,紧缓冲电缆与松套管电缆)[ 29 ]、现场部署方法(例如,直埋电缆与导管埋置电缆)[ 105 ]、初始应变状态[ 106 ]以及近地表地质条件[ 107 ]。这些复杂的振幅响应给从业人员分析和解释数据带来了困难,在一定程度上限制了 DAS 的进一步应用;

DAS应用于工程实践的主要挑战如下

  • 光纤电缆的空间定位。光纤电缆每个传感通道的空间位置是监测人员在分析DAS数据时必须考虑的重要信息,需要通过抽头测试获得光纤电缆空间位置与传感通道的对应关系。对于需要现场布放光纤电缆的情况,监测人员可以准确获得光纤电缆的空间位置(尤其是冗余段的位置)。然而,在使用现有光纤电缆进行监测时(例如铁路轨道附近的通信光纤电缆、城市道路下的地下通信光纤电缆),获取光纤电缆的精确空间位置信息非常困难。由于监测人员无法获得现有光纤电缆的详细布放情况(光纤电缆的布放并非总是理想的直线,可能存在许多冗余电缆,并且电缆在某些位置可能扭曲),因此只能通过大量的抽头测试来验证信息,以获得光纤电缆的大致空间布放情况,这非常耗时费力;

  • 变形耦合。对于大跨度的线性基础设施,确保光纤电缆始终与工程结构或地面保持有效的耦合条件是一项挑战。当光纤电缆与其周围环境的耦合较弱时,应变和振动的传输效应会受到很大影响,从而降低记录数据的信噪比。大量的现场试验充分证明了这一点[ 109,110 ]。近年来,许多研究人员对索土变形耦合进行了大量的研究工作。室内试验结果表明,光纤电缆的结构会影响光纤电缆与土体之间的相互作用和应变传递

未来趋势

尽管DAS面临诸多挑战,但如前所述,其应用前景广阔。在线状基础设施监测中,未来基于DAS的线状基础设施监测将实现以下五个趋势:

  • 提高DAS系统性能(灵敏度、空间分辨率、感知距离、频率响应范围等)。为了拓展DAS的应用潜力,提高其在复杂恶劣环境下的监测能力,需要提高DAS系统的监测性能。例如,提高空间分辨率(厘米级)不仅可以增加DAS的等效感知通道数,还可以扩大最大应变/振动范围[ 112 ]。扩大频率响应范围(MHz级)可以使DAS应用于工程结构无损检测领域[ 113 ]。增加感知距离(数百公里)可以使DAS在管道、铁路和边境监测领域更具优势。近年来,研究人员对此开展了大量研究。例如,为了提高DAS的灵敏度,研究人员提出了衰落抑制[ 114 ]和激光相位噪声补偿技术[ 115,116 ],如表4所示。这些技术使得DAS具有检测纳米应变的灵敏度。研究人员还提出,通过在传感电缆内部构建线圈可以提高DAS的灵敏度(最高可达2.2倍),这已经通过现场试验得到了验证[ 117 ]。此外,特殊光纤电缆的设计也被认为是提高DAS检测能力的重要措施,表5列出了几种特殊设计的光纤电缆及其性能。在传感距离方面,据我们所知,最长距离为175 km。相信随着未来研究的不断深入,DAS的监测性能将进一步提高

  • 突破方向灵敏度极限。针对DAS的方向敏感性,许多研究团队提出了光纤电缆结构设计(如螺旋缠绕光纤电缆),以满足多分量测量的需求[ 119–122 ] 。例如, Hornman等人设计了一种螺旋缠绕光纤电缆,将电缆以一定角度螺旋缠绕,以获得不同角度的振动信号,发现当电缆以30°角缠绕时,电缆对各个方向的振动波的灵敏度几乎相同[ 121 ] 。在此基础上,Lim和Save提出了一种采集系统,采用五根等距螺旋光纤和一根直光纤,获得六种不同的应变投影,重建光纤电缆沿线任意位置的三维应变张量的所有分量[ 122 ]。他们通过数值模拟验证了该方法的可行性。此外,优化光纤电缆的几何布局也被认为是提高DAS方向灵敏度的措施。通过设计光纤电缆的替代几何布局(如伞状布局、棋盘格布局)[ 123 ],可以捕捉来自多个方向的振动信号,从而获得更全面的振动信息,提高DAS的方向灵敏度;

  • 数据处理软件与风险评估系统开发。近年来,模糊逻辑、遗传算法、小波分析、机器学习、深度学习等一系列计算智能技术快速发展,这些计算算法为DAS数据的高效、多样化处理提供了可能,同时,这些智能技术也能帮助科研人员挖掘更多潜在信息,从而助力科研工作。风险评估系统的建立,将帮助管理部门及时掌握线性基础设施的健康状况,当关键检测参数超过预定阈值时,风险评估系统将及时通过短信、邮件等方式通知管理部门,以便管理部门采取相应的应急措施,避免重大人员和财产损失;

http://www.dtcms.com/a/278535.html

相关文章:

  • week3
  • 阿里云ODPS多模态数据处理实战:MaxFrame的分布式AI数据管道构建
  • ISO 15765-2TP传输协议
  • 迁移学习之图像预训练理解
  • 【双链表】【数组】
  • ubuntu(22.04)系统上安装 MuJoCo
  • 计算机网络(基础概念)
  • 网络协议和基础通信原理
  • qt-- 编译工具-Cmake的使用
  • 一文读懂循环神经网络(RNN)—语言模型+读取长序列数据(2)
  • Python----NLP自然语言处理(NLP自然语言处理解释,NLP的发展历程)
  • QT——文件操作类 QFile和QTextStream
  • 【同等学力-计算机-真题解析】离散数学-图论(握手定理、欧拉公式)
  • ARMv8.1原子操作指令(ll_sc/lse)
  • #Paper Reading# Apple Intelligence Foundation Language Models
  • 【Linux网络】:HTTP(应用层协议)
  • 深入解析 Transformer:开启自然语言处理新时代的革命性模型
  • uni-app在安卓设备上获取 (WIFI 【和】以太网) ip 和 MAC
  • 游戏框架笔记
  • SAP ERP与微软ERP dynamics对比,两款云ERP产品有什么区别?
  • [个人笔记] WSL 完整使用指南及 Claude Code 配置记录
  • 019_工具集成与外部API调用
  • 【HarmonyOS】元服务概念详解
  • ubuntu系统在线安装postgres
  • 【视频格式转换】.264格式转为mp4格式
  • React Three Fiber 实现 3D 模型视图切换、显隐边框、显隐坐标轴
  • R 语言科研绘图第 64 期 --- 哑铃图
  • Python 基础语法2:组合数据类型、异常
  • Kafka——集群核心参数配置
  • TensorFlow深度学习实战(26)——生成对抗网络详解与实现