CN110887513A - 一种基于bp神经网络的光纤光栅传感系统及其解调方法 - Google Patents
一种基于bp神经网络的光纤光栅传感系统及其解调方法 Download PDFInfo
- Publication number
- CN110887513A CN110887513A CN201911137712.7A CN201911137712A CN110887513A CN 110887513 A CN110887513 A CN 110887513A CN 201911137712 A CN201911137712 A CN 201911137712A CN 110887513 A CN110887513 A CN 110887513A
- Authority
- CN
- China
- Prior art keywords
- fiber
- wavelength
- etalon
- fiber grating
- neural network
- 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.)
- Pending
Links
- 239000000835 fiber Substances 0.000 title claims abstract description 64
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 23
- BJQHLKABXJIVAM-UHFFFAOYSA-N bis(2-ethylhexyl) phthalate Chemical compound CCCCC(CC)COC(=O)C1=CC=CC=C1C(=O)OCC(CC)CCCC BJQHLKABXJIVAM-UHFFFAOYSA-N 0.000 claims abstract description 33
- 239000013307 optical fiber Substances 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 15
- 230000003287 optical effect Effects 0.000 claims abstract description 8
- 238000005086 pumping Methods 0.000 claims abstract description 7
- 230000005855 radiation Effects 0.000 claims abstract description 5
- 230000009471 action Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 210000002569 neuron Anatomy 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/26—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light
- G01D5/32—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light
- G01D5/34—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells
- G01D5/353—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells influencing the transmission properties of an optical fibre
- G01D5/35306—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells influencing the transmission properties of an optical fibre using an interferometer arrangement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/26—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light
- G01D5/32—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light
- G01D5/34—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells
- G01D5/36—Forming the light into pulses
- G01D5/38—Forming the light into pulses by diffraction gratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Optical Transform (AREA)
Abstract
本发明公开了一种基于BP神经网络的光纤光栅传感系统及其解调方法，泵浦源(1)发射出980nm波长的泵浦光，经过波分复用器(2)进入到掺铒光纤(3)中，并对其进行抽运；掺铒光纤(3)在泵浦光的作用下产生宽带受激辐射光，可调谐F‑P滤波器(5)受到电压的调制对经过光纤隔离器(6)的宽带光进行波长调谐，形成扫描光源(7)；扫描光源7输出的光分为两路通过光纤光栅传感器(10)和F‑P标准具(12)，通过光电探测器、LABVIEW程序和MATLAB程序将F‑P标准具信号与FBG信号进行采集、滤波、寻峰，基于BP神经网络训练和仿真，解调出FBG中心波长作为目标输出。与现有技术相比，经对解调结果的数据分析，本发明实现了高精度、稳定性较强的FBG光纤传感解调。
Description
技术领域
本发明涉及光纤光栅传感技术领域，特别涉及一种光纤光栅传感系统解调方法。
背景技术
光纤光栅传感系统是以光为载体，光纤为媒介，使用具有体积小、质量轻、耐腐蚀、复用能力强、不受电磁干扰等优点的光纤光栅传感器进行传感测量的系统。当光纤光栅传感器受到应力应变、振动、温度和压力等物理参量作用时，传感器返回的布拉格光波长会产生移动从而实现传感。相比传统电学传感系统，光纤光栅传感技术具有测量范围宽、高精度和高分辨率的特点，在强电磁干扰、易燃易爆或热真空等严酷环境下更具优势。
光纤光栅传感的解调方法主要有干涉解调技术、线性边沿滤波技术、匹配滤波解调技术和可调谐滤波器解调技术等。从解调速度、光谱范围、分辨率和大容量等方面综合比较，可调谐滤波器解调技术具有明显的优势。但是由于可调谐滤波器是利用PZT调节腔长进而改变输出波长，而PZT调节腔长存在位移与驱动电压的非线性关系，和初始腔长受环境温度影响两个问题。使得可调谐滤波器透射波长与驱动电压之间除了存在迟滞非线性关系之外，还具有蠕变特性。引入标准具作为波长参考，可大幅度降低可调谐滤波器非线性对波长定位精度的影响，提高传感系统的波长解调精度。F-P标准具可在与光源波段匹配的范围内引入间隔均匀的多个光频率参考点，在稳态环境温度下能较好地标定可调谐滤波器非线性，以及通过多个光频率参考点对FBG中心波长进行解调。
BP网络是一种多层前馈神经网络，由输入层、隐层和输出层组成的一个典型的三层BP网络的拓扑结构。神经网络学习过程由前向计算过程和误差反向传播过程组成。在前向计算过程中，输入信息从输入层经隐层逐层计算，并传向输出层，每层神经元的状态只影响下一层神经元的状态。如输出层不能得到期望的输出，则转入误差反向传播过程，误差信号沿原来的连接通路返回，通过修改各层的神经元的权值，使得网络系统误差最小。最终网络的实际输出与各自所对应的期望输出逼近。
发明内容
本发明旨在提出一种基于BP神经网络的光纤光栅传感系统及其解调方法，通过F-P标准具引入的大量波长参考点，对干涉峰—波长参考点进行训练、建模及解调，最终解调出FBG中心波长。
本发明的一种基于BP神经网络的光纤光栅传感系统，包括依序连接的泵浦源1、波分复用器2、掺铒光纤3、第一光纤1×2耦合器4、光纤隔离器6以及可调谐F-P滤波器5组成的扫描光源7、第二光纤1×2耦合器8、光纤环形器9、光纤光栅传感器10、光电探测器阵列11、F-P标准具12、数据采集卡13、处理单元14以及信号发生模块15；其中，所述扫描光源7中的第一光纤1×2耦合器4与第二光纤1×2耦合器8连接，所述第二光纤1×2耦合器8的输出端分为两路，一路连接F-P标准具12；另一路连接光纤环形器9，所述光纤环形器9再分别连接光纤光栅传感器10、光电探测器阵列11；
所述数据采集卡13用于采集来自光电探测器阵列11的信号探测与采集结果；所述处理单元14用于处理信号探测与采集结果；
所述信号发生模块15用于产生方波和三角波，三角波用于对可调谐滤波器进行调制，方波用于采集卡的触发信号；
所述F-P标准具12，用于提供等光频间隔的梳状波长参考；
所述数据采集卡13，采集由光电探测器阵列得到的电压模拟信号；
所述处理单元14，采用计算机或嵌入式计算系统，用于对被测传感光纤光栅的波长进行解调；
所述信号发生模块15，用于产生方波和三角波，其中，三角波用于对可调谐滤波器进行调制，方波用于采集卡的触发信号。
本发明的一种基于BP神经网络的光纤光栅传感系统的解调方法，该方法包括以下步骤：
步骤一，泵浦源1发射出980nm波长的泵浦光，经过波分复用器2进入到掺铒光纤3中，并对其进行抽运；掺铒光纤3在泵浦光的作用下产生宽带受激辐射光，可调谐F-P滤波器5受到电压的调制对经过光纤隔离器6的宽带光进行波长调谐，形成扫描光源7；扫描光源7输出的光分为两路通过光纤光栅传感器10和F-P标准具12，通过光电探测器、LABVIEW程序和MATLAB程序将F-P标准具信号与光纤光栅传感信号至少进行采集、滤波、寻峰，得到F-P标准具干涉峰采样点横坐标，FBG反射峰值采样点横坐标；
步骤二，建立三层BP神经网络，分别为输入层、隐含层和输出层；设定BP神经网络的各项参数包括迭代次数、误差指标、学习率，并对BP神经网络的全局参数、权值、阈值预先初始化；通过newff函数确定输入输出数据类型、输入/输出层的神经元数目，神经元变换函数和训练算法函数、目标精度等数值；
步骤三，通过train函数对网络进行训练，即：将采集到的F-P标准具干涉峰的采样点坐标作为样本输入，使用F-P标准具的干涉峰采样点-波长参考值作为训练样本进行训练，样本输出为F-P标准具标定文件中与样本输入中干涉峰对应的波长值；
步骤四，将FBG的峰值采样点作为目标输入，解调出FBG中心波长作为目标输出，通过目标精度可以改变FBG解调精度。
与现有技术相比，经对解调结果的数据分析，本发明可以得出解调精度为±2pm，标准差为0.001，实现了高精度、稳定性较强的FBG光纤传感解调。
附图说明
图1为本发明的一种基于BP神经网络的光纤光栅传感系统示意图；
图2为本发明提的一种基于BP神经网络的光纤光栅传感系统解调方法整体流程图；
图3为MATLAB中搭建的BP神经网络结构实例图；
图4为BP神经网络对FBG解调结果图。
附图标记：
1、泵浦源，2、波分复用器，3、掺铒光纤，4、光纤1×2耦合器，5、可调谐F-P滤波器，6、光纤隔离器，7、扫描光源，8、光纤1×3耦合器，9、光纤环形器，10、光纤光栅传感器，11、光电探测器阵列，12、F-P标准具，13、数据采集卡，14、处理单元，15、信号发生模块。
具体实施方式
下面结合附图对本发明技术方案进行清楚完整地描述，所描述的实施例仅仅是本发明本分实例，而不是全部实例。基于本发明的实施例的所有其他实施方式的，都属于本发明的保护范围。
如图1所示，为本发明的一种基于BP神经网络的光纤光栅传感系统，包括由泵浦源1、波分复用器2、掺铒光纤3、第一光纤1×2耦合器4、可调谐F-P滤波器5和光纤隔离器6组成的扫描光源7、第二光纤1×2耦合器8、光纤环形器9、光纤光栅传感器10、光电探测器阵列11、F-P标准具12、数据采集卡13、处理单元14以及信号发生模块15。泵浦源1发射出980nm波长的泵浦光，经过980/1550波分复用器2进入到掺铒光纤3中，并对其进行抽运。掺铒光纤3在泵浦光的作用下产生宽带受激辐射光，可调谐F-P滤波器5受到电压的调制对经过光纤隔离器6的宽带光进行波长调谐，形成扫描光7源。扫描光源7输出的光分为两路通过FBG和F-P标准具12最后由光电探测器阵列11进行信号探测与数据采集。
所述扫描光源7，为系统提供C波段波长可调谐的输入光源；
所述泵浦源1，为系统提供980nm波段泵浦光源；
所述波分复用器2，对波长不同的光信号进行区分与整合；
所述掺铒光纤3，用于对980nm的初始光源进行放大，受激辐射形成1550nm波段的激光；
所述光纤1×2耦合器4，用于将输入光按照一定的比例分成两束光，本发明中使用的是8:2分光比的耦合器；
所述可调谐F-P滤波器5，通过控制其驱动电压从宽带光源1中滤出波长变化的窄带光谱信号，从而实现波长扫描，可调谐F-P滤波器的谱宽在10pm～400pm，自由光谱范围为90nm～200nm；
所述光纤隔离器6，用于隔离回光，保证光的单向传输；
所述第二光纤1×2耦合器8，用于将输入光按照一定的比例分成两束光，本发明中使用的是1:1分光比的耦合器；
所述光纤环行器9，用于将掺铒光纤放大器出来的光发送至传感器链路并收集反射信号光，当光源功率大于1mW时，采用光纤耦合器替代以降低系统成本；
所述光纤光栅传感器10，用于感知环境温度变化，并将其编码到光纤光栅反射波长上；
所述光电探测器11，用于将光信号转化为电压模拟信号并且进行信号探测与采集；
所述F-P标准具12，用于提供等光频间隔的梳状波长参考；
所述数据采集卡13，采集由光电探测器阵列得到的电压模拟信号；
所述处理单元14，采用计算机或嵌入式计算系统，用于对被测传感光纤光栅的波长进行解调；
所述信号发生模块15，用于产生方波和三角波，三角波用于对可调谐滤波器进行调制，方波用于采集卡的触发信号。
如图2所示，为本发明的一种基于BP神经网络的光纤光栅传感系统解调方法整体流程图，使用发明中提到的硬件系统与BP解调算法对测得的100帧常温下的FBG传感信号进行解调。具体包括以下步骤：
S1、通过光电探测器、采集卡、LABVIEW程序和MATLAB程序将F-P标准具信号与FBG信号进行采集、滤波、寻峰等处理，得到F-P标准具干涉峰采样点横坐标，FBG反射峰值采样点横坐标；
S2、建立三层BP神经网络，分别为输入层、隐含层和输出层。输入层、输出层与隐含层节点数应在保证系统测量精度的情况下尽可能少，以提高网络收敛速度。设定BP神经网络的各项参数，包括：迭代次数、误差指标、学习率，并对BP神经网络的全局参数、权值、阈值预先初始化，初始化通过init函数实现对网络进行连接权值和阈值初始化；通过newff函数确定输入输出数据类型、输入/输出层的神经元数目，神经元变换函数和训练算法函数、目标精度等数值；
S3、通过train函数对网络进行训练，即：将采集到的F-P标准具干涉峰的采样点坐标作为样本输入，根据样本输入矢量、目标矢量和预先设定好的训练函数的参数，。训练算法为Levenberg-Marquardt算法，使用F-P标准具的干涉峰采样点-波长参考值作为训练样本进行训练，样本输出为F-P标准具标定文件中与样本输入中干涉峰对应的波长值，网络仿真：根据已经训练好的网络，通过sim函数对测试数据进行仿真计算；
S4、将FBG的峰值采样点作为目标输入，解调出FBG中心波长作为目标输出，通过目标精度可以改变FBG解调精度。
本发明中的解调方法可扩展为多种变温环境下的解调误差抑制应用，不仅可以应用于航天航空领域，还有高原、山区等环境下的各种传感应用领域。
经对解调结果的数据分析，可以得出解调精度为±2pm，标准差为0.001，可见基于BP神经网络的光纤光栅传感系统解调方法精度较高，稳定性较强。
本发明的解调方法可扩展为多种变温环境下的解调误差抑制应用，不仅可以应用于航天航空领域，还有高原、山区等环境下的各种传感应用领域。
Claims (2)
1.一种基于BP神经网络的光纤光栅传感系统，其特征在于，该系统包括依序连接的泵浦源(1)、波分复用器(2)、掺铒光纤(3)、第一光纤1×2耦合器(4)、光纤隔离器(6)以及可调谐F-P滤波器(5)组成的扫描光源(7)、第二光纤1×2耦合器(8)、光纤环形器(9)、光纤光栅传感器(10)、光电探测器阵列(11)、F-P标准具(12)、数据采集卡(13)、处理单元(14)以及信号发生模块(15)；其中，所述扫描光源(7)中的第一光纤1×2耦合器(4)与第二光纤1×2耦合器(8)连接，所述第二光纤1×2耦合器(8)的输出端分为两路，一路连接F-P标准具(12)；另一路连接光纤环形器(9)，所述光纤环形器9再分别连接光纤光栅传感器(10)、光电探测器阵列(11)；
所述数据采集卡(13)用于采集来自光电探测器阵列(11)的信号探测与采集结果；所述处理单元(14)用于处理信号探测与采集结果；
所述信号发生模块(15)用于产生方波和三角波，其中三角波用于对可调谐滤波器进行调制，方波用于采集卡的触发信号；
所述F-P标准具(12)，用于提供等光频间隔的梳状波长参考；
所述数据采集卡(13)，采集由光电探测器阵列得到的电压模拟信号；
所述处理单元(14)，采用计算机或嵌入式计算系统，用于对被测传感光纤光栅的波长进行解调；
所述信号发生模块(15)，用于产生方波和三角波，三角波用于对可调谐滤波器进行调制，方波用于采集卡的触发信号。
2.一种基于BP神经网络的光纤光栅传感系统的解调方法，其特征在于，该方法包括以下步骤：
步骤一，泵浦源(1)发射出980nm波长的泵浦光，经过波分复用器(2)进入到掺铒光纤(3)中，并对其进行抽运；掺铒光纤(3)在泵浦光的作用下产生宽带受激辐射光，可调谐F-P滤波器(5)受到电压的调制对经过光纤隔离器(6)的宽带光进行波长调谐，形成扫描光源(7)；扫描光源7输出的光分为两路通过光纤光栅传感器(10)和F-P标准具(12)，通过光电探测器、LABVIEW程序和MATLAB程序将F-P标准具信号与光纤光栅传感信号至少进行采集、滤波、寻峰，得到F-P标准具干涉峰采样点横坐标，光纤光栅传感器的反射峰值采样点横坐标；
步骤二，建立三层BP神经网络，分别为输入层、隐含层和输出层；设定BP神经网络的各项参数包括迭代次数、误差指标、学习率，并对BP神经网络的全局参数、权值、阈值预先初始化；通过newff函数确定输入输出数据类型、输入/输出层的神经元数目，神经元变换函数和训练算法函数、目标精度等数值；
步骤三，通过train函数对网络进行训练，即：将采集到的F-P标准具干涉峰的采样点坐标作为样本输入，使用F-P标准具的干涉峰采样点-波长参考值作为训练样本进行训练，样本输出为F-P标准具标定文件中与样本输入中干涉峰对应的波长值；
步骤四，将光纤光栅传感器的峰值采样点作为目标输入，解调出光纤光栅传感器的中心波长作为目标输出，通过目标精度可以改变FBG解调精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911137712.7A CN110887513A (zh) | 2019-11-19 | 2019-11-19 | 一种基于bp神经网络的光纤光栅传感系统及其解调方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911137712.7A CN110887513A (zh) | 2019-11-19 | 2019-11-19 | 一种基于bp神经网络的光纤光栅传感系统及其解调方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110887513A true CN110887513A (zh) | 2020-03-17 |
Family
ID=69748078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911137712.7A Pending CN110887513A (zh) | 2019-11-19 | 2019-11-19 | 一种基于bp神经网络的光纤光栅传感系统及其解调方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110887513A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111561881A (zh) * | 2020-07-01 | 2020-08-21 | 金陵科技学院 | 一种基于anfis的长周期光纤光栅曲率测量方法 |
| CN111750793A (zh) * | 2020-06-09 | 2020-10-09 | 上海交通大学 | 基于神经网络的强度解调应变传感方法 |
| CN112212898A (zh) * | 2020-09-09 | 2021-01-12 | 山东科技大学 | 一种基于小尺寸分布式光纤传感阵列的智能皮肤 |
| CN112781634A (zh) * | 2021-04-12 | 2021-05-11 | 南京信息工程大学 | 一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统 |
| CN112816097A (zh) * | 2021-01-06 | 2021-05-18 | 华中科技大学 | 一种光纤随机激光高温传感器 |
| CN113551701A (zh) * | 2021-06-19 | 2021-10-26 | 湖北经济学院 | 一种总线式光纤光栅解调系统 |
| CN113863966A (zh) * | 2021-09-18 | 2021-12-31 | 天津大学 | 基于深度学习视觉的管片抓取位姿检测装置及检测方法 |
| CN114018334A (zh) * | 2021-11-10 | 2022-02-08 | 桂林恒创光电科技有限公司 | 一种城市综合管廊安全监测系统及方法 |
| CN114877923A (zh) * | 2022-04-24 | 2022-08-09 | 海南大学 | 基于阵列波导光栅和神经网络算法的Fabry-Perot干涉传感器解调系统及方法 |
| CN115824450A (zh) * | 2022-11-18 | 2023-03-21 | 湖南万维智感科技有限公司 | 一种光纤ctd自主解调保障系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130268471A1 (en) * | 2012-04-06 | 2013-10-10 | Gayan Chanaka Kahandawa Appuhamillage | Signal monitoring system and methods of operating same |
| CN103512510A (zh) * | 2013-10-23 | 2014-01-15 | 中国电子科技集团公司第三十四研究所 | 基于窄带扫描光源的光纤光栅传感系统及运行方法 |
| CN106248121A (zh) * | 2016-08-11 | 2016-12-21 | 天津大学 | 环境变温下波动抑制的光纤光栅传感解调装置与解调方法 |
| CN107843744A (zh) * | 2017-10-27 | 2018-03-27 | 中南大学 | 光纤光栅加速度传感器的波长解调系统及波长解调方法 |
| CN108256238A (zh) * | 2018-01-22 | 2018-07-06 | 武汉理工大学 | 一种基于深度学习的光纤光栅波长解调方法及装置 |
| CN109186811A (zh) * | 2018-09-18 | 2019-01-11 | 天津科技大学 | 一种基于bp神经网络的fbg温度标定方法 |
| CN110412038A (zh) * | 2019-07-17 | 2019-11-05 | 天津大学 | 一种基于单光纤光栅和神经网络的结构损伤位置识别系统 |
-
2019
- 2019-11-19 CN CN201911137712.7A patent/CN110887513A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130268471A1 (en) * | 2012-04-06 | 2013-10-10 | Gayan Chanaka Kahandawa Appuhamillage | Signal monitoring system and methods of operating same |
| CN103512510A (zh) * | 2013-10-23 | 2014-01-15 | 中国电子科技集团公司第三十四研究所 | 基于窄带扫描光源的光纤光栅传感系统及运行方法 |
| CN106248121A (zh) * | 2016-08-11 | 2016-12-21 | 天津大学 | 环境变温下波动抑制的光纤光栅传感解调装置与解调方法 |
| CN107843744A (zh) * | 2017-10-27 | 2018-03-27 | 中南大学 | 光纤光栅加速度传感器的波长解调系统及波长解调方法 |
| CN108256238A (zh) * | 2018-01-22 | 2018-07-06 | 武汉理工大学 | 一种基于深度学习的光纤光栅波长解调方法及装置 |
| CN109186811A (zh) * | 2018-09-18 | 2019-01-11 | 天津科技大学 | 一种基于bp神经网络的fbg温度标定方法 |
| CN110412038A (zh) * | 2019-07-17 | 2019-11-05 | 天津大学 | 一种基于单光纤光栅和神经网络的结构损伤位置识别系统 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111750793A (zh) * | 2020-06-09 | 2020-10-09 | 上海交通大学 | 基于神经网络的强度解调应变传感方法 |
| CN111750793B (zh) * | 2020-06-09 | 2021-06-15 | 上海交通大学 | 基于神经网络的强度解调应变传感方法 |
| CN111561881A (zh) * | 2020-07-01 | 2020-08-21 | 金陵科技学院 | 一种基于anfis的长周期光纤光栅曲率测量方法 |
| CN112212898A (zh) * | 2020-09-09 | 2021-01-12 | 山东科技大学 | 一种基于小尺寸分布式光纤传感阵列的智能皮肤 |
| CN112816097B (zh) * | 2021-01-06 | 2022-05-31 | 华中科技大学 | 一种光纤随机激光高温传感器 |
| CN112816097A (zh) * | 2021-01-06 | 2021-05-18 | 华中科技大学 | 一种光纤随机激光高温传感器 |
| CN112781634A (zh) * | 2021-04-12 | 2021-05-11 | 南京信息工程大学 | 一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统 |
| CN113551701A (zh) * | 2021-06-19 | 2021-10-26 | 湖北经济学院 | 一种总线式光纤光栅解调系统 |
| CN113863966A (zh) * | 2021-09-18 | 2021-12-31 | 天津大学 | 基于深度学习视觉的管片抓取位姿检测装置及检测方法 |
| CN114018334A (zh) * | 2021-11-10 | 2022-02-08 | 桂林恒创光电科技有限公司 | 一种城市综合管廊安全监测系统及方法 |
| CN114877923A (zh) * | 2022-04-24 | 2022-08-09 | 海南大学 | 基于阵列波导光栅和神经网络算法的Fabry-Perot干涉传感器解调系统及方法 |
| CN114877923B (zh) * | 2022-04-24 | 2023-06-09 | 海南大学 | 基于阵列波导光栅和神经网络算法的Fabry-Perot干涉传感器解调系统及方法 |
| CN115824450A (zh) * | 2022-11-18 | 2023-03-21 | 湖南万维智感科技有限公司 | 一种光纤ctd自主解调保障系统 |
| CN115824450B (zh) * | 2022-11-18 | 2024-01-26 | 湖南万维智感科技有限公司 | 一种光纤ctd自主解调保障系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110887513A (zh) | 一种基于bp神经网络的光纤光栅传感系统及其解调方法 | |
| US11181400B2 (en) | Fiber Bragg Grating demodulation device capable of supressing fluctuations at variable ambient temperature and demodulation method thereof | |
| CN104864911B (zh) | 基于光纤法珀腔与光纤光栅双参量联合测量的高速解调装置及方法 | |
| CN112461766A (zh) | 一种抗环境噪音干扰的光纤光声传感探头及传感系统 | |
| CN101650509B (zh) | 基于级联长周期光纤光栅的Bragg光栅高速解调系统 | |
| CN110412038B (zh) | 一种基于单光纤光栅和神经网络的结构损伤位置识别系统 | |
| CN201476800U (zh) | 一种基于awg的高速多通道光纤光栅传感解调系统 | |
| CN101476948B (zh) | 基于Hadamard矩阵自相关特性的长距离光纤传感方法 | |
| CN109186643B (zh) | 一种基于反射功能谐振滤波器的精确传感系统及传感方法 | |
| CN202547766U (zh) | 光纤布拉格光栅振动传感测量系统 | |
| CN102589588A (zh) | 利用光纤光栅解调Fabry–Pérot腔腔长的方法 | |
| Morozov et al. | Two-frequency scanning of FBG with arbitrary reflection spectrum | |
| Allan et al. | Multiplexed fiber Bragg grating interrogation system using a microelectromechanical Fabry–Perot tunable filter | |
| CN111141414B (zh) | 基于混沌bocda的温度与应变同时测量装置及方法 | |
| CN110686708A (zh) | 变温环境抑制扫描非线性的光纤光栅传感解调系统及方法 | |
| CN109004983B (zh) | 一种基于相位到强度调制转换原理的精确传感方法 | |
| CN211668632U (zh) | 一种超高速光纤光栅斜边强度型解调装置 | |
| CN210400420U (zh) | 一种光纤光栅分析装置 | |
| CN201654405U (zh) | 光纤光栅解调系统 | |
| CN108120461B (zh) | 一种基于混沌光源的光纤布拉格光栅解调方法及其装置 | |
| CN206601204U (zh) | 一种利用长周期光纤光栅的测温装置 | |
| CN106643841B (zh) | 一种弱反fbg-fizeau传感装置 | |
| Zhang et al. | A Cost Effective FBG Sensor System Based on Narrow Band DBR Laser and FPGA Demodulation Technology | |
| CN103162829B (zh) | 透射式及反射式光谱探测系统和应用该系统的传感器 | |
| CN202648798U (zh) | 基于谐振腔的光谱探测装置 |
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 |