特許 7557138 検知プログラム、検知方法、および検知装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-09-18

(45)【発行日】2024-09-27

(54)【発明の名称】検知プログラム、検知方法、および検知装置

(51)【国際特許分類】

   G01D 5/353 20060101AFI20240919BHJP

   G01K 11/32 20210101ALI20240919BHJP

   G01B 11/16 20060101ALI20240919BHJP

【ＦＩ】

G01D5/353 B

G01K11/32 A

G01B11/16 Z

【請求項の数】 10

(21)【出願番号】P 2021029732

(22)【出願日】2021-02-26

(65)【公開番号】P2022131014

(43)【公開日】2022-09-07

【審査請求日】2023-11-09

(73)【特許権者】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】100087480

【弁理士】

【氏名又は名称】片山 修平

(72)【発明者】

【氏名】有岡 孝祐

【審査官】藤澤 和浩

(56)【参考文献】

【文献】特開２０２０－１６９８８９（ＪＰ，Ａ）

【文献】特開２０２０－１６０７０１（ＪＰ，Ａ）

【文献】特開昭６１－２３００２４（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／０３４２８１４（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｄ １／００－２１／０２

Ｇ０１Ｋ １／００－１９／００

Ｇ０１Ｂ １／００－２１／３２

(57)【特許請求の範囲】

【請求項1】

コンピュータに、
所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換する処理と、
前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する処理と、を実行させることを特徴とする検知プログラム。

【請求項2】

前記光ファイバにおける空間分解能に基づいて、前記測定データを前記照合用の周波数・波数空間図に変換することを特徴とする請求項１に記載の検知プログラム。

【請求項3】

前記照合する処理において、画像認識処理を用いて、前記照合用の周波数・波数空間図と前記モデルとを照合することを特徴とする請求項１または請求項２に記載の検知プログラム。

【請求項4】

前記モデルは、異常状態の前記測定データを周波数・波数空間図に変換した異常モデルと、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルとを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記異常モデルとの類似度と、前記照合用の周波数・波数空間図と前記正常モデルとの類似度とを算出することを特徴とする請求項１から請求項３のいずれか一項に記載の検知プログラム。

【請求項5】

前記モデルは、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記正常モデルとの乖離度を算出することを特徴とする請求項１から請求項３のいずれか一項に記載の検知プログラム。

【請求項6】

前記モデルは、複数種類の異常状態の前記測定データを周波数・波数空間図に変換した複数の異常モデルを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記複数の異常モデルのそれぞれとの類似度を算出することを特徴とする請求項１から請求項３のいずれか一項に記載の検知プログラム。

【請求項7】

前記測定データは、温度測定データまたは歪み測定データであることを特徴とする請求項１から請求項６のいずれか一項に記載の検知プログラム。

【請求項8】

前記コンピュータに、
前記照合する処理の結果を表示装置に表示する処理を実行させることを特徴とする請求項１から請求項７のいずれか一項に記載の検知プログラム。

【請求項9】

所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換し、
前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する、処理をコンピュータが実行することを特徴とする検知方法。

【請求項10】

所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換する変換部と、
前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する照合部と、備えることを特徴とする検知装置。

【発明の詳細な説明】

【技術分野】

【0001】

本件は、検知プログラム、検知方法、および検知装置に関する。

【背景技術】

【0002】

光ファイバに光パルスもしくは連続光を与えたときの後方散乱光から、光ファイバの温度や歪などの物理量をセンシングする技術が知られている（例えば、特許文献１，２参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特開平４－００９６２９号公報

【文献】米国特許出願公開第２０１８／０１００３８８号

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記技術では大量のデータを扱うため、予兆検知などの複雑な処理を必要とするソリューションにおいては、リアルタイムのデータ保存や処理が困難である。また、適用箇所によって、一つ一つのサンプル点個別にフィルタ周波数や閾値などを設定することも煩雑である。

【0005】

１つの側面では、本件は、容易に検知を行なうことができる検知プログラム、検知方法、および検知装置を提供することを目的とする。

【課題を解決するための手段】

【0006】

１つの態様では、検知プログラムは、コンピュータに、所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換する処理と、前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する処理と、を実行させる。

【発明の効果】

【0007】

容易に検知を行なうことができる。

【図面の簡単な説明】

【0008】

【図1】（ａ）は温度分布測定装置０の全体構成を表す概略図であり、（ｂ）は演算装置のハードウェア構成を説明するためのブロック図である。

【図2】後方散乱光の成分を表す図である。

【図3】（ａ）はレーザによる光パルス発光後の経過時間とストークス成分およびアンチストークス成分の光強度との関係を例示する図であり、（ｂ）は（ａ）の検出結果を用いて算出した温度である。

【図4】温度測定時刻と、測定された各サンプリング位置の温度とを例示する図である。

【図5】Ｆ－ｋ空間図と、画像にするデータとを説明した図である。

【図6】検知装置が実行するモデル作成処理の一例を表すフローチャートである。

【図7】検知装置が実行する異常検知処理の一例を表すフローチャートである。

【図8】（ａ）は実施例２に係る検知装置の全体構成を表す概略図であり、（ｂ）は演算装置２０ａのハードウェア構成図である。

【図9】歪み測定の原理について説明するための図である。

【図10】記憶部に記憶された時系列歪みデータを例示する図である。

【図11】（ａ）は特定のサンプリング位置における位相差を例示する図であり、（ｂ）は（ａ）の測定結果を各サンプリング位置における歪みに変換したものである。

【図12】（ａ）はユーザが予め指定した正常状態の測定振動データのデータウォーターフォール図であり、（ｂ）は（ａ）の測定振動データをＦ－ｋ空間図に変換したものであり、（ｃ）はユーザが予め指定した異常状態時の測定振動データのデータウォーターフォール図であり、（ｄ）は（ｃ）の測定振動データをＦ－ｋ空間図に変換したものである。

【図13】実施例２に係る検知装置が実行するモデル作成処理の一例を表すフローチャートである。

【図14】実施例２に係る検知装置が実行する異常検知処理の一例を表すフローチャートである。

【発明を実施するための形態】

【0009】

以下、図面を参照しつつ、実施例について説明する。

【実施例1】

【0010】

図１（ａ）は、検知装置１００の全体構成を表す概略図である。図１（ａ）で例示するように、検知装置１００は、測定機１０、演算装置２０、光ファイバ３０、表示装置４０などを備える。測定機１０は、レーザ１１、ビームスプリッタ１２、光スイッチ１３、フィルタ１４、複数の検出器１５ａ，１５ｂなどを備える。演算装置２０は、指示部２１、温度測定部２２、記憶部２３、空間変換部２４、モデル作成部２５、異常検知部２６などを備える。本実施例においては、光ファイバ散乱位置の温度を後方ラマン散乱から測定する分布型光ファイバセンサ技術（ＤＴＳ：Ｄｉｓｔｒｉｂｕｔｅｄ Ｔｅｍｐｅｒｔａｕｒｅ Ｓｅｎｓｏｒ）を用いる。

【0011】

図１（ｂ）は、演算装置２０のハードウェア構成を説明するためのブロック図である。図１（ｂ）で例示するように、演算装置２０は、ＣＰＵ１０１、ＲＡＭ１０２、記憶装置１０３、インタフェース１０４などを備える。これらの各機器は、バスなどによって接続されている。ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１は、中央演算処理装置である。ＣＰＵ１０１は、１以上のコアを含む。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０２は、ＣＰＵ１０１が実行するプログラム、ＣＰＵ１０１が処理するデータなどを一時的に記憶する揮発性メモリである。記憶装置１０３は、不揮発性記憶装置である。記憶装置１０３として、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリなどのソリッド・ステート・ドライブ（ＳＳＤ）、ハードディスクドライブに駆動されるハードディスクなどを用いることができる。ＣＰＵ１０１が記憶装置１０３に記憶されている検知プログラムを実行することによって、演算装置２０に指示部２１、温度測定部２２、記憶部２３、空間変換部２４、モデル作成部２５、異常検知部２６などが実現される。なお、演算装置２０の各部は、専用の回路などのハードウェアであってもよい。

【0012】

レーザ１１は、半導体レーザなどの光源であり、指示部２１の指示に従って所定の波長範囲のレーザ光を出射する。本実施形態においては、レーザ１１は、所定の時間間隔で光パルス（レーザパルス）を出射する。ビームスプリッタ１２は、レーザ１１が出射した光パルスを光スイッチ１３に入射する。光スイッチ１３は、入射された光パルスの出射先（チャネル）を切り替えるスイッチである。ダブルエンド方式では、光スイッチ１３は、指示部２１の指示に従って、光ファイバ３０の第１端および第２端に一定周期で交互に光パルスを入射する。シングルエンド方式では、光スイッチ１３は、指示部２１の指示に従って、光ファイバ３０の第１端または第２端のいずれか一方に光パルスを入射する。光ファイバ３０は、温度測定対象の所定の経路に沿って配置されている。

【0013】

光ファイバ３０に入射した光パルスは、光ファイバ３０内を伝搬する。光パルスは、伝搬方向に進行する前方散乱光および帰還方向に進行する後方散乱光（戻り光）を生成しながら徐々に減衰して光ファイバ３０内を伝搬する。後方散乱光は、光スイッチ１３を通過してビームスプリッタ１２に再度入射する。ビームスプリッタ１２に入射した後方散乱光は、フィルタ１４に対して出射される。フィルタ１４は、ＷＤＭカプラなどであり、後方散乱光から長波長成分（後述するストークス成分）と短波長成分（後述するアンチストークス成分）とを抽出する。検出器１５ａ，１５ｂは、受光素子である。検出器１５ａは、所定の周期でストークス成分の受光強度を電気信号に変換して記憶部２３に記憶させる。それにより、記憶部２３は、ストークス成分の光量の時系列データを記憶する。検出器１５ｂは、検出器１５ａと同じ周期でアンチストークス成分の受光強度を電気信号に変換して記憶部２３に記憶させる。それにより、記憶部２３は、アンチストークス成分の光量の時系列データを記憶する。温度測定部２２は、記憶部２３に記憶されているストークス成分の光量およびアンチストークス成分の光量を用いて、光ファイバ３０の温度測定対象範囲の各サンプリング位置の温度を測定することで、光ファイバ３０の延伸方向の温度分布を測定する。

【0014】

以下、温度分布の測定の詳細について説明する。図２は、後方散乱光の成分を表す図である。図２で例示するように、後方散乱光は、大きく３種類に分類される。これら３種類の光は、光強度の高い順かつ入射光波長に近い順に、ＯＴＤＲ（光パルス試験器）や動的歪み測定などに使用されるレイリー散乱光、静的歪み測定などに使用されるブリルアン散乱光、温度測定などに使用されるラマン散乱光である。ラマン散乱光は、温度に応じて変化する光ファイバ３０内の格子振動と光との干渉で生成される。強めあう干渉によりアンチストークス成分と呼ばれる短波長成分が生成され、弱めあう干渉によりストークス成分とよばれる長波長成分が生成される。

【0015】

図３（ａ）は、レーザ１１による光パルス発光後の経過時間と、ストークス成分およびアンチストークス成分の光強度との関係を例示する図である。経過時間は、光ファイバ３０における伝搬距離（光ファイバ３０における位置）に対応している。図３（ａ）で例示するように、ストークス成分およびアンチストークス成分の光強度は、両方とも経過時間とともに低減する。これは、光パルスが前方散乱光および後方散乱光を生成しながら徐々に減衰して光ファイバ３０内を伝搬することに起因する。

【0016】

図３（ａ）で例示するように、アンチストークス成分の光強度は、光ファイバ３０において高温になる位置ではストークス成分と比較して増加率が高くなる。したがって、両成分を検出器１５ａ，１５ｂで検出し、両成分の特性差を利用することによって、光ファイバ３０内の各位置の温度を検出することができる。なお、図３（ａ）において、横軸の経過時間は光ファイバ位置に対応している。極大を示す領域は、相対的に高温の領域である。また、極小を示す領域は、相対的に低温の領域である。

【0017】

本実施形態においては、温度測定部２２は、記憶部２３に記憶されているストークス成分の光量およびアンチストークス成分の光量の時系列データから、光ファイバ３０内の温度測定対象区間における各サンプリング位置（各区画）の温度を測定する。すなわち、温度測定部２２は、光ファイバ３０の延伸方向において、温度測定対象区間の温度分布を測定する。なお、両成分の特性差を利用することから、距離に応じて両成分の光強度が減衰しても、高精度で温度を測定することができる。図３（ｂ）は、図３（ａ）の検出結果を用いて算出した温度である。図３（ｂ）で例示するように、ストークス成分およびアンチストークス成分を検出することによって、光ファイバ３０の温度測定対象区間の各サンプリング位置の温度を測定することができる。

【0018】

レーザ１１が光パルスを出力するたびに同様の温度測定を繰り返すことで、温度測定部２２は、光パルスの出力周期で、光ファイバ３０の温度測定対象区間の温度分布の測定を繰り返すことができる。それにより、温度測定部２２は、温度測定対象区間の温度分布の経時変化を取得することができる。

【0019】

図４は、温度測定時刻と、測定された各サンプリング位置の温度とを例示する図である。温度測定時刻と、測定された各サンプリング位置の温度との関係は、記憶部２３が記憶する。

【0020】

空間変換部２４は、記憶部２３が記憶する測定温度を周波数・波数（Ｆ－ｋ）空間図に変換し画像認識する。例えば、空間変換部２４は、所定の時間周期で、所定の時間窓の範囲の測定温度をＦ－ｋ空間図に変換する。または、空間変換部２４は、ユーザによって指定された時間窓の範囲の測定温度をＦ－ｋ空間図に変換する。

【0021】

図５は、Ｆ－ｋ空間図と、画像にするデータとを説明した図である。ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）などに用いる画像データは、２次元配列のデータであり、ピクセルごとの濃淡もしくはＲＧＢ値が重要である。すなわち、Ｆ－ｋ空間図画像の作成においては、分布型光ファイバセンサの空間分解能など測定原理やマシンパラメータなどに関する値を考慮することが求められる。Ｆ－ｋ空間図は、例えば２次元フーリエ変換によって計算される。

【0022】

このＦ－ｋ空間図の一部を画像データとして抽出し、異常に係る情報の検知を行なう。例えば、異常検知、または異常の予兆の検知を行なう。ピクセル数が多くなると計算量が増えるため、なるべくピクセル数を少なくしかつ有用な画像にすることが好ましい。周波数、波数ともに０を中心にシフトさせると、第３象限と第４象限は時間として未来から過去への周波数成分になるため除外する。波数については光ファイバ３０の空間分解能よりも高い分解能は必要がないので、光ファイバ３０の空間分解能をＬとすれば、－ＬからＬまでの範囲を画像にするデータとする。

【0023】

ここで、光ファイバ３０の空間分解能とは、レーザパルスの幅によって決まる応答関数の半値幅である。さらに、空間的に周期的な敷設の場合は、それに対応するファイバ長が考慮される。例えば、巻回部や蛇行のような敷設がそれにあたる。周波数の最大値（Ｆｍ）は観測したい周波数の上限とするが、ピクセル数と時間の窓幅（Ｔ）により調整してもよい。行列計算用意のために縦横のピクセル数を合わせると、下記式（１）となる（Ｌ_ｍは、光ファイバ３０の全長）。また、計算処理速度などの場合によっては、圧縮率（α、β）を導入して下記式（２）としてもよい。しかしながら、圧縮する場合は、画像データとして重要なデータの欠損を抑制する観点から、例えばデータα×β個のうち最大値もしくは最小値、または平均値、中央値などを代表点とする処理を行なうことが好ましい。

【数1】

【数2】

【0024】

（モデル作成処理）
図６は、検知装置１００が実行するモデル作成処理の一例を表すフローチャートである。図６で例示するように、空間変換部２４は、記憶部２３に記憶されている測定温度データを取得する（ステップＳ１）。この測定温度データは、ユーザが予め指定した正常状態の測定温度データおよび異常状態の測定温度データである。各測定温度データは、時間窓範囲を有する。

【0025】

次に、空間変換部２４は、ステップＳ１で取得した正常状態の測定温度データおよび異常状態の測定温度データから、Ｆ－ｋ空間図をそれぞれ作成する（ステップＳ２）。モデル作成部２５は、正常状態の測定温度データから作成されたＦ－ｋ空間図から正常モデルを作成し、異常状態の測定温度データから作成されたＦ－ｋ空間図から異常モデルを作成する（ステップＳ３）。例えば、モデル作成部２５は、ステップＳ２で作成されたＦ－ｋ空間図の一部をモデルとする。記憶部２３は、ステップＳ３で作成された正常モデルおよび異常モデルを記憶する（ステップＳ４）。以上の処理によって、正常モデルおよび異常モデルを予め記憶しておくことができる。

【0026】

（異常検知処理）
図７は、検知装置１００が実行する異常検知処理の一例を表すフローチャートである。まず、空間変換部２４は、記憶部２３に記憶されている測定温度データを取得する（ステップＳ１１）。次に、空間変換部２４は、ある時間窓幅でＦ－ｋ空間図を作成する（ステップＳ１２）。それにより、照合用のＦ－ｋ空間図が得られる。

【0027】

次に、異常検知部２６は、記憶部２３が記憶している正常モデルおよび異常モデルと、ステップＳ１２で作成された照合用のＦ－ｋ空間図とを照合する。具体的には、異常検知部２６は、記憶部２３が記憶している正常モデルおよび異常モデルを用いて、ステップＳ１２で作成された照合用のＦ－ｋ空間図が異常状態であるか否かを判定する（ステップＳ１３）。例えば、異常検知部２６は、ステップＳ１２で作成されたＦ－ｋ空間図と、正常モデルおよび異常モデルそれぞれとの類似度を算出する。類似度の算出には、画像認識処理を用いることができる。例えば、Ｆ－ｋ空間図の濃淡分布の類似の程度を類似度として算出することができる。異常検知部２６は、正常モデルとの類似度が異常モデルとの類似度以上であれば、正常状態であると判定する。異常検知部２６は、異常モデルとの類似度が正常モデルとの類似度を上回っていれば異常状態であると判定する。

【0028】

ステップＳ１３で「Ｎｏ」と判定された場合、ステップＳ１１から再度実行される。この場合、ステップＳ１２では、次の時間窓を対象とする。ステップＳ１３で「Ｙｅｓ」と判定された場合、異常検知部２６は、異常に係る信号を表示装置４０に出力する（ステップＳ１４）。それにより、表示装置４０は、警報などを表示する。

【0029】

なお、モデル作成処理において、異常モデルは必ずしも作成しておかなくてもよい。異常モデルを作成しない場合には、ステップＳ１２で作成されたＦ－ｋ空間図と正常モデルとの乖離度が閾値以上となった場合に異常状態であると判定することができる。

【0030】

または、モデル作成処理において、正常モデルを必ずしも作成しておかなくてもよい。正常モデルを作成しない場合には、モデル作成処理において、想定される複数種類の異常モデルを作成しておく。ステップＳ１２で作成された周波数・波数空間図といずれかの異常モデルとの類似度が閾値以上となった場合に、異常状態であると判定することができる。この場合、異常原因が、類似度が閾値以上となる異常モデルの異常原因であると特定することができる。また、モデルが劣化する場合は、随時モデルを更新してもよい。

【0031】

本実施例によれば、光ファイバ３０のサンプリング位置ごと連続してデータを収集することができる。そのため、時空間データの２次元フーリエ変換を行うことで、Ｆ－ｋ空間図を作成することができる。逆フーリエ変換を行うことで所望の信号を得るＦ－ｋフィルタを用いることで、環境ノイズなど不要な信号と所望の信号とを分けて同時に見ることができる。それにより、画像認識処理を行うことで、位置ごとに設定を必要とせずに、あらゆる環境で使用できる検知手法を実現できる。またデータとしては画像データのみを扱うため、データ容量が小さく処理が簡単である。

【0032】

以上のように、本実施例によれば、容易に検知を行なうことができる。例えば、光ファイバ３０の温度測定対象に、異常が生じているか否かを判定することができる。光ファイバ３０の温度測定対象に、異常の予兆が生じているか否かを判定することができる。光ファイバ３０の温度測定対象が正常状態であるか否かを判定することができる。

【実施例2】

【0033】

図８（ａ）は、実施例２に係る検知装置１００ａの全体構成を表す概略図である。図８（ｂ）は、後述する演算装置２０ａのハードウェア構成図である。図８（ａ）で例示するように、検知装置１００ａが図１（ａ）の検知装置１００と異なる点は、測定機１０の代わりに測定機１０ａが備わり、演算装置２０の代わりに演算装置２０ａが備わっている点である。演算装置２０ａが図１（ａ）の演算装置２０と異なる点は、温度測定部２２の代わりに歪み測定部２２ａを備える点である。本実施例においては、光ファイバ散乱位置の変形を伴う振動をコヒーレンスから測定する分布型光ファイバセンサ技術（ＤＡＳ：Ｄｉｓｔｒｉｂｕｔｅｄ Ａｃｏｕｓｔｉｃ Ｓｅｎｓｏｒ)を用いる。

【0034】

本実施例においては、ＣＰＵ１０１が記憶装置１０３に記憶されている検知プログラムを実行することによって、演算装置２０ａに、指示部２１、歪み測定部２２ａ、記憶部２３、空間変換部２４、モデル作成部２５、異常検知部２６などが実現される。なお、演算装置２０ａの各部は、専用の回路などのハードウェアであってもよい。

【0035】

測定機１０ａは、レーザ１６、光サーキュレータ１７、検出器１８などを備える。レーザ１６は、半導体レーザなどの光源であり、指示部２１の指示に従って所定の波長範囲のレーザ光を出射する。本実施形態においては、レーザ１６は、所定の時間間隔で光パルス（レーザパルス）を出射する。光サーキュレータ１７は、レーザ１１が出射した光パルスを歪み測定対象の光ファイバ３０に導き、光ファイバ３０から戻ってきた後方散乱光を検出器１８に導く。

【0036】

光ファイバ３０に入射した光パルスは、光ファイバ３０内を伝搬する。光パルスは、伝搬方向に進行する前方散乱光および帰還方向に進行する後方散乱光（戻り光）を生成しながら徐々に減衰して光ファイバ３０内を伝搬する。後方散乱光は、光サーキュレータ１７に再度入射する。光サーキュレータ１７に入射した後方散乱光は、検出器１８に対して出射される。検出器１８は、例えば、局部発信光との位相差を得るための受信機などである。

【0037】

図９は、歪み測定の原理について説明するための図である。図９で例示するように、レーザパルスが入射光として光ファイバ３０に入射される。後方散乱光のうち入射光と同じ周波数であるレイリー散乱光である戻り光のコヒーレント光が、振動により位相がずれて光サーキュレータ１７に戻ってくる。歪み測定部２２ａは、検出器１８の検出結果に基づいて、各サンプリング位置における、光ファイバ３０の伸縮により生じた位相差の時系列データ（以下、時系列位相データと称する。）を作成する。光ファイバ３０の伸縮により生じる位相差は、例えば、時間的な変化で生じる位相差、場所の変化で生じる位相差、入射光の位相と後方散乱光の位相差等である。記憶部２３は、歪み測定部２２ａが作成した各サンプリング位置における時系列位相データを記憶する。サンプリング位置とは、光ファイバ３０の延伸方向において所定の間隔で定められた点または所定の間隔で定められた区画のことである。例えば、サンプリング位置とは、光ファイバ３０の延伸方向において、１．２５ｍごとに定められた点、または１．２５ｍごとに定められ１．２５ｍ以下の長さを有する区画のことである。時系列位相データの各位相差は、各点で検出された位相差から得られたものであってもよく、各区画で検出された位相差の合計や平均から得られたものであってもよい。なお、光ファイバ３０の端部で散乱した戻り光が戻ってくる前に次のレーザパルスを発振すると、戻り光が混ざって正しい測定が行えなくなるので、レーザパルスの最小周期は測定する光ファイバの長さによって決定される。

【0038】

図１０は、記憶部２３に記憶された時系列位相データを例示する図である。図１０で例示するように、光ファイバ３０の各位置（サンプリング位置）における位相差データ（ラジアン）が時刻ごとに記憶されている。

【0039】

各サンプリング位置における時系列位相データを用いて、歪み測定を行うことができる。例えば、時系列位相データから、光ファイバ３０の各サンプリング位置が単位時間当たりどれだけ変位したのかを表す歪みデータを計算することができる。この手法は、自己干渉法として知られている。干渉させる光を局部発信光にする場合と、後方散乱光同士にする場合で測定する物理量が異なる。前者は歪みに相当する位相差であり、後者は時間的な差をとることで歪み速度に対する位相差となる。位相差をレーザパルスの周期で取得することにより光ファイバ位置に対応した時系列の歪みデータに変換できる。

【0040】

図１１（ａ）は、特定のサンプリング位置における、上述した歪みに相当するゲージ長で発生した位相差を例示する図である。横軸は経過時間を示し、縦軸は歪みに相当する位相差を示す。図１１（ｂ）は、図１１（ａ）の測定結果を、光ファイバ３０の各サンプリング位置と、各サンプリング位置における歪みに変換したものである。経過時間から各サンプリング位置が算出されている。位相差から歪み量が算出されている。本実施例において、光ファイバ３０の空間分解能とは、ゲージ長に対応する。

【0041】

図１２（ａ）は、ユーザが予め指定した正常状態の測定振動データのデータウォーターフォール図である。横軸は光ファイバ３０における入射端からの距離を示し、縦軸は経過時間を示し、濃淡は歪みの正負すなわち伸縮を表している。図１２（ｂ）は、図１２（ａ）の測定振動データをＦ－ｋ空間図に変換したものである。図１２（ｃ）は、ユーザが予め指定した異常状態の測定振動データのデータウォーターフォール図である。図１２（ｄ）は、図１２（ｃ）の測定振動データをＦ－ｋ空間図に変換したものである。これらのように、図１２（ａ）および図１２（ｃ）のデータウォーターフォール図では正常状態および異常状態を視覚的にとらえにくいが、図１２（ｂ）および図１２（ｄ）のＦ－ｋ空間図では正常状態および異常状態を視覚的にとらえやすくなっている。

【0042】

（モデル作成処理）
図１３は、検知装置１００ａが実行するモデル作成処理の一例を表すフローチャートである。図１３で例示するように、空間変換部２４は、記憶部２３に記憶されている測定歪みデータを取得する（ステップＳ２１）。この測定歪みデータは、ユーザが予め指定した正常状態の測定歪みデータおよび異常状態の測定歪みデータである。各測定歪みデータは、時間窓範囲を有する。

【0043】

次に、空間変換部２４は、ステップＳ１で取得した正常状態の測定歪みデータおよび異常状態の測定歪みデータから、Ｆ－ｋ空間図をそれぞれ作成する（ステップＳ２２）。モデル作成部２５は、正常状態の測定歪みデータから作成されたＦ－ｋ空間図から正常モデルを作成し、異常状態の測定歪みデータから作成されたＦ－ｋ空間図から異常モデルを作成する（ステップＳ２３）。例えば、モデル作成部２５は、ステップＳ２２で作成されたＦ－ｋ空間図の一部をモデルとする。記憶部２３は、ステップＳ２３で作成された正常モデルおよび異常モデルを記憶する（ステップＳ２４）。以上の処理によって、正常モデルおよび異常モデルを予め記憶しておくことができる。

【0044】

（異常検知処理）
図１４は、検知装置１００ａが実行する異常検知処理の一例を表すフローチャートである。まず、空間変換部２４は、記憶部２３に記憶されている測定歪みデータを取得する（ステップＳ３１）。次に、空間変換部２４は、ある時間窓幅でＦ－ｋ空間図を作成する（ステップＳ３２）。それにより、照合用のＦ－ｋ空間図が得られる。

【0045】

次に、異常検知部２６は、記憶部２３が記憶している正常モデルおよび異常モデルと、ステップＳ３２で作成された照合用のＦ－ｋ空間図とを照合する。具体的には、異常検知部２６は、記憶部２３が記憶している正常モデルおよび異常モデルを用いて、ステップＳ３２で作成された照合用のＦ－ｋ空間図が異常状態であるか否かを判定する（ステップＳ３３）。例えば、異常検知部２６は、ステップＳ３２で作成されたＦ－ｋ空間図と、正常モデルおよび異常モデルそれぞれとの類似度を算出する。類似度の算出には、例えば、画像認識処理を用いる。異常検知部２６は、正常モデルとの類似度が異常モデルとの類似度以上であれば、正常状態であると判定する。異常検知部２６は、異常モデルとの類似度が正常モデルとの類似度を上回っていれば異常状態であると判定する。

【0046】

ステップＳ３３で「Ｎｏ」と判定された場合、ステップＳ３１から再度実行される。この場合、ステップＳ３２では、次の時間窓を対象とする。ステップＳ３３で「Ｙｅｓ」と判定された場合、異常検知部２６は、異常に係る信号を表示装置４０に出力する（ステップＳ３４）。それにより、表示装置４０は、警報などを表示する。

【0047】

なお、モデル作成処理において、異常モデルは必ずしも作成しておかなくてもよい。異常モデルを作成しない場合には、ステップＳ３２で作成されたＦ－ｋ空間図と正常モデルとの乖離度が閾値以上となった場合に異常状態であると判定することができる。

【0048】

または、モデル作成処理において、正常モデルを必ずしも作成しておかなくてもよい。正常モデルを作成しない場合には、モデル作成処理において、想定される複数種類の異常モデルを作成しておく。ステップＳ１２で作成された周波数・波数空間図といずれかの異常モデルとの類似度が閾値以上となった場合に、異常状態であると判定することができる。この場合、異常原因が、類似度が閾値以上となる異常モデルの異常原因であると特定することができる。また、モデルが劣化する場合は、随時モデルを更新してもよい。

【0049】

本実施例によれば、光ファイバ３０のサンプリング位置ごと連続してデータを収集することができる。そのため、時空間データの２次元フーリエ変換を行うことで、Ｆ－ｋ空間図を作成することができる。逆フーリエ変換を行うことで所望の信号を得るＦ－ｋフィルタを用いることで、環境ノイズなど不要な信号と所望の信号とを分けて同時に見ることができる。それにより、画像認識処理を行うことで、位置ごとに設定を必要とせずに、あらゆる環境で使用できる検知手法を実現できる。またデータとしては画像データのみを扱うため、データ容量が小さく処理が簡単である。

【0050】

以上のように、本実施例によれば、容易に検知を行なうことができる。例えば、光ファイバ３０の歪み測定対象に、異常が生じているか否かを判定することができる。光ファイバ３０の歪み測定対象に、異常の予兆が生じているか否かを判定することができる。光ファイバ３０の歪み測定対象が正常状態であるか否かを判定することができる。

【0051】

上記各例において、空間変換部２４が、所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換する変換部の一例である。異常検知部２６が、照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する照合部の一例である。表示装置４０が、照合処理の結果を表示する表示装置の一例である。

【0052】

以上、本発明の実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
（付記）
（付記１）
コンピュータに、
所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換する処理と、
前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する処理と、を実行させることを特徴とする検知プログラム。
（付記２）
前記光ファイバにおける空間分解能に基づいて、前記測定データを前記照合用の周波数・波数空間図に変換することを特徴とする付記１に記載の検知プログラム。
（付記３）
前記照合する処理において、画像認識処理を用いて、前記照合用の周波数・波数空間図と前記モデルとを照合することを特徴とする付記１または付記２に記載の検知プログラム。
（付記４）
前記モデルは、異常状態の前記測定データを周波数・波数空間図に変換した異常モデルと、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルとを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記異常モデルとの類似度と、前記照合用の周波数・波数空間図と前記正常モデルとの類似度とを算出することを特徴とする付記１から付記３のいずれか一項に記載の検知プログラム。
（付記５）
前記モデルは、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記正常モデルとの乖離度を算出することを特徴とする付記１から付記３のいずれか一項に記載の検知プログラム。
（付記６）
前記モデルは、複数種類の異常状態の前記測定データを周波数・波数空間図に変換した複数の異常モデルを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記複数の異常モデルのそれぞれとの類似度を算出することを特徴とする付記１から付記３のいずれか一項に記載の検知プログラム。
（付記７）
前記測定データは、温度測定データまたは歪み測定データであることを特徴とする付記１から付記６のいずれか一項に記載の検知プログラム。
（付記８）
前記コンピュータに、
前記照合する処理の結果を表示装置に表示する処理を実行させることを特徴とする付記１から付記７のいずれか一項に記載の検知プログラム。
（付記９）
所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換し、
前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する、処理をコンピュータが実行することを特徴とする検知方法。
（付記１０）
前記光ファイバにおける空間分解能に基づいて、前記測定データを前記照合用の周波数・波数空間図に変換することを特徴とする付記９に記載の検知方法。
（付記１１）
前記照合する処理において、画像認識処理を用いて、前記照合用の周波数・波数空間図と前記モデルとを照合することを特徴とする付記９または付記１０に記載の検知方法。
（付記１２）
前記モデルは、異常状態の前記測定データを周波数・波数空間図に変換した異常モデルと、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルとを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記異常モデルとの類似度と、前記照合用の周波数・波数空間図と前記正常モデルとの類似度とを算出することを特徴とする付記９から付記１１のいずれか一項に記載の検知方法。
（付記１３）
前記モデルは、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記正常モデルとの乖離度を算出することを特徴とする付記９から付記１１のいずれか一項に記載の検知方法。
（付記１４）
前記モデルは、複数種類の異常状態の前記測定データを周波数・波数空間図に変換した複数の異常モデルを含み、
前記照合する処理において、前記照合用の周波数・波数空間図と前記複数の異常モデルのそれぞれとの類似度を算出することを特徴とする付記９から付記１１のいずれか一項に記載の検知方法。
（付記１５）
前記測定データは、温度測定データまたは歪み測定データであることを特徴とする付記９から付記１４のいずれか一項に記載の検知方法。
（付記１６）
前記コンピュータが、
前記照合する処理の結果を表示装置に表示する処理を実行することを特徴とする付記９から付記１５のいずれか一項に記載の検知方法。
（付記１７）
所定の経路に沿って配置された光ファイバのサンプリング位置についての、前記光ファイバからの後方散乱光量の測定データを、照合用の周波数・波数空間図に変換する変換部と、
前記照合用の周波数・波数空間図と、周波数・波数空間図のモデルとを照合する照合部と、備えることを特徴とする検知装置。
（付記１８）
前記変換部は、前記光ファイバにおける空間分解能に基づいて、前記測定データを前記照合用の周波数・波数空間図に変換することを特徴とする付記１７に記載の検知装置。
（付記１９）
前記照合部は、画像認識処理を用いて、前記照合用の周波数・波数空間図と前記モデルとを照合することを特徴とする付記１７または付記１８に記載の検知装置。
（付記２０）
前記モデルは、異常状態の前記測定データを周波数・波数空間図に変換した異常モデルと、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルとを含み、
前記照合部は、前記照合用の周波数・波数空間図と前記異常モデルとの類似度と、前記照合用の周波数・波数空間図と前記正常モデルとの類似度とを算出することを特徴とする付記１７から付記１９のいずれか一項に記載の検知装置。
（付記２１）
前記モデルは、正常状態の前記測定データを周波数・波数空間図に変換した正常モデルを含み、
前記照合部は、前記照合用の周波数・波数空間図と前記正常モデルとの乖離度を算出することを特徴とする付記１７から付記１９のいずれか一項に記載の検知装置。
（付記２２）
前記モデルは、複数種類の異常状態の前記測定データを周波数・波数空間図に変換した複数の異常モデルを含み、
前記照合部は、前記照合用の周波数・波数空間図と前記複数の異常モデルのそれぞれとの類似度を算出することを特徴とする付記１７から付記１９のいずれか一項に記載の検知装置。
（付記２３）
前記測定データは、温度測定データまたは歪み測定データであることを特徴とする付記１７から付記２２のいずれか一項に記載の検知装置。
（付記２４）
前記照合する処理の結果を表示する表示装置を備えることを特徴とする付記１７から付記２３のいずれか一項に記載の検知装置。

【符号の説明】

【0053】

１０，１０ａ 測定機
１１ レーザ
１２ ビームスプリッタ
１３ 光スイッチ
１４ フィルタ
１５ａ，１５ｂ 検出器
１６ レーザ
１７ 光サーキュレータ
１８ 検出器
２０，２０ａ 演算装置
２１ 指示部
２２ 温度測定部
２３ 記憶部
２４ 空間変換部
２５ モデル作成部
２６ 異常検知部
３０ 光ファイバ
１００，１００ａ 検知装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】