CN106813805B - 面向拉曼测温仪的智能温度预警方法 - Google Patents
面向拉曼测温仪的智能温度预警方法 Download PDFInfo
- Publication number
- CN106813805B CN106813805B CN201710095023.9A CN201710095023A CN106813805B CN 106813805 B CN106813805 B CN 106813805B CN 201710095023 A CN201710095023 A CN 201710095023A CN 106813805 B CN106813805 B CN 106813805B
- Authority
- CN
- China
- Prior art keywords
- temperature
- alarm
- raman
- fiber
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001069 Raman spectroscopy Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000835 fiber Substances 0.000 claims abstract description 67
- 239000013307 optical fiber Substances 0.000 claims abstract description 52
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002269 spontaneous effect Effects 0.000 claims description 4
- 238000009529 body temperature measurement Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 20
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 101100379209 Arabidopsis thaliana APD3 gene Proteins 0.000 description 4
- 101100379210 Arabidopsis thaliana APD4 gene Proteins 0.000 description 4
- 238000004861 thermometry Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000253 optical time-domain reflectometry Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明公开了一种面向拉曼测温仪的智能温度预警方法，包括如下步骤：（1）搭建分布式光纤拉曼测温系统；（2）待测光纤（11）的各个位置均产生背向传输的Stokes光和anti‑Stokes光；（3）拉曼测温仪根据采集得到Stokes光的光强数据和anti‑Stokes光的光强数据解调沿光纤分布的温度数据；（4）输入固定报警阈值Th、温差报警阈值Td和预测报警时间TY，在温度解调程序启动的同时，三种温度预警程序即固定阈值报警、温差阈值报警、全光纤温度预测报警也同时开启；（5）固定阈值报警程序；（6）温差报警程序；（7）、光纤温度预测程序；（8）温度解调算法和报警预测程序重新启动，开始新一轮的温度解调和温度预测。
Description
技术领域
本发明涉及分布式光纤传感系统中的温度预警方法，具体是一种面向分布式光纤拉曼测温仪的智能温度预警方法。
背景技术
分布式光纤拉曼测温系统是利用光纤中的自发拉曼散射效应，结合光时域反射技术(Optical Time Domain Reflectometry，OTDR)实现的可用于分布式、连续式、实时测量空间温度场分布的一种新型传感系统。与传统的电子温度传感器相比，分布式光纤拉曼测温系统具有抗电磁干扰、耐高压、精度高、结构简单等优点，所以被广泛应用于电力电缆温度监测、结构健康监测、大坝泄漏监测等领域。
在面向分布式光纤拉曼测温仪的预警方法中，国内厂商大多选择的是一种固定阈值的预警方式。即操作人员选择好一个固定的预警温度，一旦测温系统监测到的温度超过所选择的温度，报警系统就会工作，如威海北洋集团和宁波振东光电有限公司所生产的分布式光纤测温系统采用的就是固定阈值预警方式。这种预警方式的报警速度往往比较依赖于拉曼测温仪中采集卡的采集速度和温度解调程序处理的快慢，例如上海华魏光纤传感有限公司的分布式光纤测温系统(DTS600)在保证测量精度的前提下测量时间会达到30s，即外界温度达到报警阈值温度时，拉曼测温仪30s后才能检测到报警信息。由于缺乏高效快速响应的预警方法，很多工程事故未能做到“防患于未然”。对于一些对预警时间有着高要求的工业场所，如森林防火现场、航空航天等测温现场，这种响应时间较慢和预警方法单一的预警系统对于消防安全是极其不利的。
综上所述，现有的分布式光纤拉曼测温系统中的固定阈值预警方法由于其自身采集卡的采集速率所限，设计的预警程序存在报警时间响应太慢，及无法对未来温度进行预测预警的问题。为此有必要发明一种全新的面向拉曼测温仪的报警方法，以解决现有的拉曼测温仪存在的上述问题，为保障重大工程项目提供可靠的监测保障。
发明内容
本发明为了解决现有分布式光纤拉曼测温系统中预警方法单一、报警时间响应太慢且无法对未来温度进行预测预警的问题，提供了一种面向拉曼测温仪的新型智能温度预警方法。
本发明是采用如下技术方案实现的：
一种面向分布式光纤拉曼测温的智能温度预警方法，包括如下步骤：
步骤一：搭建分布式光纤拉曼测温系统；
分布式光纤拉曼测温系统包括拉曼测温仪、第一高精度恒温槽、第二高精度恒温槽、待测光纤、第一温度传感器、第二温度传感器；
所述拉曼测温仪包括脉冲激光器、WDM、第一APD、第二APD、第一LNA、第二LNA、数据采集卡、计算机；其中，脉冲激光器的输出端与WDM的输入端连接；WDM的两个输出端分别与第一APD的输入端和第二APD的输入端连接；第一APD的输出端与第一LNA的输入端连接；第二APD的输出端与第二LNA的输入端连接；第一LNA的输出端和第二LNA的输出端均与数据采集卡的输入端连接；数据采集卡的输出端与计算机的输入端连接；计算机与脉冲激光器双向连接；
待测光纤的前端与WDM的公共端连接；待测光纤的中间部分分别绕制有第一参考光纤环和第二参考光纤环；第一参考光纤环放置于第一高精度恒温槽中；第二参考光纤环放置于第二高精度恒温槽中；第一温度传感器安装于第一高精度恒温槽上；第二温度传感器安装于第二高精度恒温槽上；第一温度传感器和第二温度传感器均与计算机双向连接；
步骤二：将第一高精度恒温槽的温度值设置为T1，将第二高精度恒温槽的温度值设置为T2；然后，启动拉曼测温仪，脉冲激光器发出的激光脉冲经WDM入射到待测光纤；激光脉冲在待测光纤中传播时发生自发拉曼散射，由此使得待测光纤的各个位置均产生背向传输的Stokes光和anti-Stokes光；
Stokes光依次经WDM、第一APD、第一LNA入射到数据采集卡，数据采集卡对Stokes光进行模数转换，由此得到Stokes光的光强曲线。
anti-Stokes光依次经WDM、第二APD、第二LNA入射到数据采集卡，数据采集卡对anti-Stokes光进行模数转换，由此得到anti-Stokes光的光强曲线。
步骤三：拉曼测温仪根据采集得到Stokes光的光强数据和anti-Stokes光的光强数据解调沿光纤分布的温度数据。
步骤四：分别启动固定阈值预警、温差预警和全光纤温度预测预警这三种预警方法，并输入系统固定报警阈值、温差报警阈值和预测报警时间；
步骤五：固定阈值报警方法：解调的温度信息与固定报警阈值比较，若超过报警阈值，报警程序启动；
步骤六：温差报警方法：解调的前一次温度数据与后一次温度数据作差并取绝对值，若大于温差报警阈值，则报警程序启动。
步骤七：全光纤温度预测报警方法：逐次比较连续时间内解调的5次温度数据是否逐次递增，若符合条件，开启全光纤温度预测方法二，若不符合条件，开启全光纤温度预测方法一。根据输入的预测报警时间和上述的温度预测方法预测全光纤温度数据，并判断预测温度是否超过固定报警阈值。
步骤八：温度解调算法和三种预警程序重新启动，开始新一轮的温度解调和温度预测。
上述步骤七中的全光纤温度预测方法一和二是用最近的实际数值来预测未来数值的一种方法。在全光纤温度预测方法一中，参加计算的一组历史数据是随着预测期的向前推进而不断更新的，每当吸收一个新的历史数据参加预测计算的同时，就剔除原来一组历史数据离预测期最远的那个历史数据。全光纤预测方法二是在全光纤预测方法一计算的平均数再进行一次算法平均，再以这两次的预测计算值为基础建立预测模型，计算预测值的方法。
与现有分布式光纤拉曼测温中的温度预警方法相比，本发明所述的面向分布式光纤拉曼测温的温度预警方法具有如下优点：
其一，本发明的预警方法包括固定阈值报警、温差阈值报警和全光纤温度预测报警这三种方法循环工作，除了可以实时进行温度监控外还可以利用预测预警程序对未来的温度进行温度监控，使安全监控达到“无死角”状态。
其二，本发明有效解决了现有分布式光纤拉曼测温系统中的温度预警方法依赖于采集卡采样速率和温度解调程序快慢的问题，适用于分布式光纤拉曼测温系统。
附图说明
图1表示本发明中分布式光纤拉曼测温系统的结构示意图。
图2表示本发明中分布式光纤拉曼测温系统的预警程序流程图。
图中：1-脉冲激光器，2-WDM(波分复用器)，3-第一APD(雪崩光电二极管)，4-第二APD(崩光电二极管)，5-第一LNA(低噪放大器)，6-第二LNA(低噪放大器)，7-数据采集卡，8-计算机，9-第一高精度恒温槽，10-第二高精度恒温槽，11-待测光纤，12-第一温度传感器，13-第二温度传感器。
具体实施方式
下面结合附图对本发明的具体实施例进行详细说明。
一种面向分布式光纤拉曼测温的新型智能温度预警方法，该方法如图2所示，包括如下步骤：
步骤一：搭建分布式光纤拉曼测温系统，如图1所示；
分布式光纤拉曼测温系统包括拉曼测温仪、第一高精度恒温槽9、第二高精度恒温槽10、待测光纤11、第一温度传感器12、第二温度传感器13；
所述拉曼测温仪包括脉冲激光器1、WDM2、第一APD3、第二APD4、第一LNA5、第二LNA6、数据采集卡7、计算机8；其中，脉冲激光器1的输出端与WDM2的输入端连接；WDM2的两个输出端分别与第一APD3的输入端和第二APD4的输入端连接；第一APD3的输出端与第一LNA5的输入端连接；第二APD4的输出端与第二LNA6的输入端连接；第一LNA5的输出端和第二LNA6的输出端均与数据采集卡7的输入端连接；数据采集卡7的输出端与计算机8的输入端连接；计算机8与脉冲激光器1双向连接；
待测光纤11的前端与WDM2的公共端连接；待测光纤11的中间部分分别绕制有第一参考光纤环和第二参考光纤环；第一参考光纤环放置于第一高精度恒温槽9中；第二参考光纤环放置于第二高精度恒温槽10中；第一温度传感器12安装于第一高精度恒温槽9上；第二温度传感器13安装于第二高精度恒温槽10上；第一温度传感器12和第二温度传感器13均与计算机8双向连接；
步骤二：将第一高精度恒温槽9的温度值设置为T1，将第二高精度恒温槽10的温度值设置为T2；然后，启动拉曼测温仪，脉冲激光器1发出的激光脉冲经WDM2入射到待测光纤11；激光脉冲在待测光纤11中传播时发生自发拉曼散射，由此使得待测光纤11的各个位置均产生背向传输的Stokes光和anti-Stokes光；
Stokes光依次经WDM2、第一APD3、第一LNA5入射到数据采集卡7，数据采集卡7对Stokes光进行模数转换，由此得到Stokes光的光强曲线。
anti-Stokes光依次经WDM2、第二APD4、第二LNA6入射到数据采集卡7，数据采集卡7对anti-Stokes光进行模数转换，由此得到anti-Stokes光的光强曲线。
步骤三：拉曼测温仪根据采集得到Stokes光的光强数据和anti-Stokes光的光强数据解调沿光纤分布的温度数据。
具体温度解调公式如下：
公式中：T表示待测光纤11的某一位置的温度值；φs表示该位置产生的Stokes光的光强值；φa表示该位置产生的anti-Stokes光的光强值；L表示该位置与待测光纤11的前端之间的距离；φs1表示第一参考光纤环的位置产生的Stokes光的光强值；φa1表示第一参考光纤环的位置产生的anti-Stokes光的光强值；φs2表示第二参考光纤环的位置产生的Stokes光的光强值；φa2表示第二参考光纤环的位置产生的anti-Stokes光的光强值；L1表示第一参考光纤环的位置与待测光纤11的前端之间的距离；L2表示第二参考光纤环的位置与待测光纤11的前端之间的距离；h表示普朗克常数；Δv表示光纤的拉曼频移量；K表示玻尔兹曼常数。
具体实施时，脉冲激光器的波长为1550.1nm、脉宽为10ns、重复频率为8KHz。
WDM的工作波长为1550nm/1450nm/1663nm。
第一APD的带宽为80MHz、光谱响应范围为900～1700nm。
第二APD的带宽为80MHz、光谱响应范围为900～1700nm。
第一LNA的带宽为100MHz。
第二LNA的带宽为100MHz。
数据采集卡的通道数为4、采样率为100M/s、带宽为100MHz。
待测光纤为普通多模光纤。
步骤四：输入固定报警阈值Th、温差报警阈值Td和预测报警时间TY，在温度解调程序启动的同时，三种温度预警程序(包括固定阈值报警、温差阈值报警、全光纤温度预测报警)也同时开启。
步骤五：固定阈值报警程序：若拉曼测温仪沿光纤各点解调的温度信息T≥Th，则固定阈值报警程序启动，报警指示灯亮，系统显示出报警点位置。
步骤六：温差报警程序：连续时间内拉曼测温仪解调同一位置的前一次温度数据T1与后一次测量的温度数据T2作差并取绝对值，得：Ta＝|T1-T2|，若Ta≥Td，则温差阈值报警程序启动，报警指示灯亮，系统显示出报警点位置。
步骤七：全光纤温度预测程序：连续时间内拉曼测温仪测量同一位置的五次温度数据分别设为Tt-4、Tt-3、Tt-2、Tt-1、Tt(Tt为时间为t时，拉曼测温仪解调的温度信息。Tt-n为时间为t时的前n次拉曼测温仪解调的温度信息)，逐次比较这5组温度数据是否逐次递增，即是否符合条件Tt-4＜Tt-3＜Tt-2＜Tt-1＜Tt，若符合条件则进入全光纤温度预测程序二，否则进入全光纤温度预测程序一。
全光纤温度预测程序一的预测方法：(Tt代表时间为t时的测量温度数据，Tt-n代表时间为t时的前n次解调的温度数据)，Tpr为自定义预测时间的温度数值。且参加平均的一种历史数据是随着时间的向前推进而不断更新的，每当拉曼测温仪解调一个新的历史数据同时，就剔除原来一组历史数据中里预测期最远的那个历史数据。
全光纤温度预测程序二的预测方法：Tpr＝at+bt[(TY-TN)/t1]，(TY为用户自定义的预测时间，TN为当前时间，t1为拉曼测温仪解调一次温度数据所需要的时间，且TN、TY与t1的时间单位必须保持一致)。其中at＝2T(1) t-T(2) t，且
系统根据上述计算的全光纤预测温度数据Tpr与输入的固定报警阈值Th比较，若Tpr＞Th，则报警程序启动，报警指示灯亮，系统显示出报警点位置。
步骤八：温度解调算法和报警预测程序重新启动，开始新一轮的温度解调和温度预测。
如上述步骤七所述，运用全光纤温度预测法一求得的温度预测值，适用于连续时间内温度随机起伏的温度场中，一般存在滞后偏差，特别是拉曼测温仪解调的连续温度数值呈现线性趋势时，全光纤温度预测法一计算预测的数值总是落后于显示测量值的变化。全光纤温度预测法二正是可以纠正这一滞后误差，建立预测温度的线性时间关系数学模型，求得预测值。全光纤温度预测法二解决了预测值滞后于实际观察值的矛盾，适用于明显于趋势变动的温度现场预测。所以将全光纤温度预测法一和全光纤温度预测法二有效地结合起来建立一套温度预测模型，可以解决现有分布式光纤拉曼测温系统中的温度预警方法依赖于采集卡采样速率和温度解调程序快慢的问题，适用于分布式光纤拉曼测温系统。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化，均属于本发明技术方案的范围内。
Claims (1)
1.一种面向拉曼测温仪的智能温度预警方法，其特征在于：包括如下步骤：
(1)、搭建分布式光纤拉曼测温系统；
分布式光纤拉曼测温系统包括拉曼测温仪、第一高精度恒温槽(9)、第二高精度恒温槽(10)、待测光纤(11)、第一温度传感器(12)、第二温度传感器(13)；
所述拉曼测温仪包括脉冲激光器(1)，所述脉冲激光器(1)的输出端与WDM(2)的输入端连接；所述WDM(2)的两个输出端分别与第一APD(3)的输入端和第二APD(4)的输入端连接；所述第一APD(3)的输出端与第一LNA(5)的输入端连接；所述第二APD(4)的输出端与第二LNA(6)的输入端连接；所述第一LNA(5)的输出端和第二LNA(6)的输出端均与数据采集卡(7)的输入端连接；所述数据采集卡(7)的输出端与计算机(8)的输入端连接；所述计算机(8)与脉冲激光器(1)双向连接；
所述待测光纤(11)的前端与WDM(2)的公共端连接；所述待测光纤(11)的中间部分分别绕制有第一参考光纤环和第二参考光纤环；所述第一参考光纤环放置于第一高精度恒温槽(9)中；所述第二参考光纤环放置于第二高精度恒温槽(10)中；所述第一温度传感器(12)安装于第一高精度恒温槽(9)上；所述第二温度传感器(13)安装于第二高精度恒温槽(10)上；所述第一温度传感器(12)和第二温度传感器(13)均与计算机(8)双向连接；
(2)、将第一高精度恒温槽(9)的温度值设置为T1，将第二高精度恒温槽(10)的温度值设置为T2；然后，启动拉曼测温仪，脉冲激光器(1)发出的激光脉冲经WDM(2)入射到待测光纤(11)；激光脉冲在待测光纤(11)中传播时发生自发拉曼散射，由此使得待测光纤(11)的各个位置均产生背向传输的Stokes光和anti-Stokes光；
Stokes光依次经WDM(2)、第一APD(3)、第一LNA(5)入射到数据采集卡(7)，数据采集卡(7)对Stokes光进行模数转换，由此得到Stokes光的光强曲线；
anti-Stokes光依次经WDM(2)、第二APD(4)、第二LNA(6)入射到数据采集卡(7)，数据采集卡(7)对anti-Stokes光进行模数转换，由此得到anti-Stokes光的光强曲线；
(3)、拉曼测温仪根据采集得到Stokes光的光强数据和anti-Stokes光的光强数据解调沿光纤分布的温度数据；
具体温度解调公式如下：
公式中：T表示待测光纤(11)的某一位置的温度值；φs表示该位置产生的Stokes光的光强值；φa表示该位置产生的anti-Stokes光的光强值；L表示该位置与待测光纤(11)的前端之间的距离；φs1表示第一参考光纤环的位置产生的Stokes光的光强值；φa1表示第一参考光纤环的位置产生的anti-Stokes光的光强值；φs2表示第二参考光纤环的位置产生的Stokes光的光强值；φa2表示第二参考光纤环的位置产生的anti-Stokes光的光强值；L1表示第一参考光纤环的位置与待测光纤(11)的前端之间的距离；L2表示第二参考光纤环的位置与待测光纤(11)的前端之间的距离；h表示普朗克常数；Δv表示光纤的拉曼频移量；K表示玻尔兹曼常数；
(4)、输入固定报警阈值Th、温差报警阈值Td和预测报警时间TY，在温度解调程序启动的同时，三种温度预警程序即固定阈值报警、温差阈值报警、全光纤温度预测报警也同时开启；
(5)、固定阈值报警程序：若拉曼测温仪沿光纤各点解调的温度信息T≥Th，则固定阈值报警程序启动，报警指示灯亮，系统显示出报警点位置；
(6)、温差报警程序：连续时间内拉曼测温仪解调同一位置的前一次温度数据T1与后一次测量的温度数据T2作差并取绝对值，得：Ta＝|T1-T2|，若Ta≥Td，则温差阈值报警程序启动，报警指示灯亮，系统显示出报警点位置；
(7)、全光纤温度预测程序：连续时间内拉曼测温仪测量同一位置的五次温度数据分别设为Tt-4、Tt-3、Tt-2、Tt-1、Tt，其中Tt为时间为t时的拉曼测温仪解调的温度信息，Tt-n为时间为t时的前n次拉曼测温仪解调的温度信息；逐次比较这5组温度数据是否逐次递增，即是否符合条件Tt-4＜Tt-3＜Tt-2＜Tt-1＜Tt，若符合条件则进入全光纤温度预测程序二，否则进入全光纤温度预测程序一；
全光纤温度预测程序一的预测方法为：其中，Tt代表时间为t时的测量温度数据，Tt-n代表时间为t时的前n次解调的温度数据，Tpr为自定义预测时间的温度数值，且参加平均的一种历史数据是随着时间的向前推进而不断更新的，每当拉曼测温仪解调一个新的历史数据同时，就剔除原来一组历史数据中里预测期最远的那个历史数据；
全光纤温度预测程序二的预测方法为：Tpr＝at+bt[(TY-TN)/t1]，其中，TY为用户自定义的预测时间，TN为当前时间，t1为拉曼测温仪解调一次温度数据所需要的时间，且TN、TY与t1的时间单位必须保持一致；其中at＝2T(1) t-T(2) t，且
系统根据上述计算的全光纤预测温度数据Tpr与输入的固定报警阈值Th比较，若Tpr＞Th，则报警程序启动，报警指示灯亮，系统显示出报警点位置；
(8)、温度解调算法和报警预测程序重新启动，开始新一轮的温度解调和温度预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710095023.9A CN106813805B (zh) | 2017-02-22 | 2017-02-22 | 面向拉曼测温仪的智能温度预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710095023.9A CN106813805B (zh) | 2017-02-22 | 2017-02-22 | 面向拉曼测温仪的智能温度预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106813805A CN106813805A (zh) | 2017-06-09 |
| CN106813805B true CN106813805B (zh) | 2019-05-17 |
Family
ID=59112041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710095023.9A Active CN106813805B (zh) | 2017-02-22 | 2017-02-22 | 面向拉曼测温仪的智能温度预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106813805B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107843357B (zh) * | 2017-11-02 | 2019-11-08 | 太原理工大学 | 基于拉曼散射的分布式光纤温度及应变检测方法 |
| CN109959465A (zh) * | 2017-12-22 | 2019-07-02 | 中冶京诚工程技术有限公司 | 电机温度预警保护方法、计算机设备及可读存储介质 |
| CN108414113B (zh) * | 2018-03-15 | 2020-02-28 | 山东微感光电子有限公司 | 用多点温度离散系数预测光纤温度的火灾报警系统及方法 |
| CN109029769A (zh) * | 2018-06-25 | 2018-12-18 | 太原理工大学 | 基于分布式光纤拉曼传感技术的高精度温度解调方法 |
| CN108458814B (zh) * | 2018-07-09 | 2019-10-08 | 太原理工大学 | 面向光纤拉曼温度传感系统的自校准检测装置及温度解调方法 |
| CN111256873B (zh) * | 2020-02-27 | 2021-05-25 | 南昌航空大学 | 基于卡尔曼滤波和迭代学习的分布式光纤温度预测方法 |
| CN111638025B (zh) * | 2020-05-19 | 2022-02-25 | 太原理工大学 | 面向隧道渗漏水监测的分布式光纤拉曼传感装置及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267446A (zh) * | 2007-12-29 | 2008-09-17 | 中国科学院计算技术研究所 | 无线传感器网络的时域数据融合方法 |
| CN103115696A (zh) * | 2013-01-22 | 2013-05-22 | 山东大学 | 消除瑞利光串扰的分布式光纤拉曼测温系统及测温方法 |
| CN106404217A (zh) * | 2016-11-17 | 2017-02-15 | 太原理工大学 | 一种基于分布式光纤拉曼测温的新型温度解调方法 |
-
2017
- 2017-02-22 CN CN201710095023.9A patent/CN106813805B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267446A (zh) * | 2007-12-29 | 2008-09-17 | 中国科学院计算技术研究所 | 无线传感器网络的时域数据融合方法 |
| CN103115696A (zh) * | 2013-01-22 | 2013-05-22 | 山东大学 | 消除瑞利光串扰的分布式光纤拉曼测温系统及测温方法 |
| CN106404217A (zh) * | 2016-11-17 | 2017-02-15 | 太原理工大学 | 一种基于分布式光纤拉曼测温的新型温度解调方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106813805A (zh) | 2017-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106813805B (zh) | 面向拉曼测温仪的智能温度预警方法 | |
| CN108414113B (zh) | 用多点温度离散系数预测光纤温度的火灾报警系统及方法 | |
| CN107843357B (zh) | 基于拉曼散射的分布式光纤温度及应变检测方法 | |
| CN111006788B (zh) | 基于反斯托克斯光自解调的高精度光纤拉曼温度检测方法 | |
| CN106404217B (zh) | 一种基于分布式光纤拉曼测温的温度解调方法 | |
| CN103616089B (zh) | 一种光纤温度振动传感器及综合监控系统和方法 | |
| CN111006786B (zh) | 基于分布式光纤拉曼传感系统的双路高精度温度解调方法 | |
| CN109029770B (zh) | 基于环路解调的分布式光纤拉曼温度及应变解调方法 | |
| CN109029769A (zh) | 基于分布式光纤拉曼传感技术的高精度温度解调方法 | |
| CN103017934A (zh) | 消除分布式拉曼测温系统波长色散的自修正方法 | |
| CN111896137B (zh) | 一种厘米级空间分辨率的分布式光纤拉曼传感装置及方法 | |
| CN103076112B (zh) | 单边带分布式光纤传感系统的参数测量装置 | |
| CN111006787B (zh) | 基于差分温度补偿的分布式光纤拉曼双端温度解调方法 | |
| JP2008249515A (ja) | 温度分布測定システム及び温度分布測定方法 | |
| US10378971B2 (en) | Temperature sensor | |
| CN203572595U (zh) | 一种光纤温度振动传感器及综合监控装置 | |
| CN111103067A (zh) | 基于单模光纤的电缆沟温度监测方法和系统 | |
| CN204680159U (zh) | 光纤分布式水库大坝监测系统 | |
| CN113654683A (zh) | 一种分布式光纤测温系统校准方法及装置 | |
| CN203772449U (zh) | 一种高空间分辨率的光纤测温带 | |
| CN112697303B (zh) | 面向智能电网的分布式光纤传感系统和检测方法 | |
| CN205263987U (zh) | 船舶机舱监测火灾报警装置 | |
| Sørensen et al. | Simultaneous distributed temperature and disturbance sensing in single-mode fibre for power cable monitoring | |
| Liu et al. | Application of distributed optical fiber temperature system in online monitoring and fault diagnosis of smart grid | |
| CN108020345A (zh) | 一种基于单模光纤拉曼散射效应的分布式光纤测温装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |