CN113959587B - 一种基于反演算法的光纤光栅温度传感解调方法及系统 - Google Patents

Abstract

本发明公开了一种基于反演算法的光纤光栅温度传感解调方法及系统，所述方法包括以下步骤：获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线；基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率；基于反演算法建立光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调。本发明的方法，能够明显提高光纤光栅温度传感器的响应速度，并且可以实现比光纤光栅传感器耐温性更高的温度传感。

Description

一种基于反演算法的光纤光栅温度传感解调方法及系统

技术领域

本发明属于光纤光栅传感解调技术领域，特别涉及一种基于反演算法的光纤光栅温度传感解调方法及系统。

背景技术

光纤光栅是目前应用最广泛的光纤无源器件之一，其是一种纤芯折射率周期性变化的光纤结构。光纤光栅具有许多优势，例如灵敏度高、成本低廉、体积小、不受外界电磁辐射干扰、耐腐蚀性好、可复用、能适应高温高压环境等，其已广泛应用于国防、航天、工业测量等领域。

在极端环境下的应用是当前光纤光栅传感技术的一个重要发展方向，随着航空发动机、重型燃气轮机等先进能源动力系统的发展，迫切要求解决长期制约航空发动机的试验参数原位测量技术瓶颈，因此耐高温光纤光栅温度传感器的研发以及耐高温光纤光栅温度传感器的解调技术也越来越得到重视；其中，光纤光栅解调技术的本质是将光纤光栅的波长变化检测出来，它携带了所要检测温度、应变等物理量的信息。

目前，常用的光纤光栅温度传感解调方法获取外界环境温度所需的时间依赖于光纤光栅传感器的响应速度，然而光纤光栅温度传感器需要等待其自身温度与外界环境温度达到热平衡才能获知外界温度，且传感器达到平衡温度所需的时间依赖于传感器的封装，这往往无法满足实时测量的需求。

此外，目前光纤光栅温度传感器及其它温度传感器的可测温度上限受限于传感元件自身的耐温性，无法实现超过传感元件自身最高耐受温度的传感。对光纤光栅而言其最高适用温度与自身材料限制及光纤光栅的形成机理相关，例如目前耐温性最好的蓝宝石光纤光栅，其测温上限为1600℃左右，如果外界温度为1600℃以上时，就无法进行传感测量。

基于上述对现有技术的分析可知，目前迫切需要一种可快响应、适用温度超过传感元件自身耐温性的光纤光栅温度传感解调方法。

发明内容

本发明的目的在于提供一种基于反演算法的光纤光栅温度传感解调方法及系统，以解决上述存在的一个或多个技术问题。本发明的方法，能够明显提高光纤光栅温度传感器的响应速度，并且可以实现比光纤光栅传感器耐温性更高的温度传感。

为达到上述目的，本发明采用以下技术方案：

本发明的一种基于反演算法的光纤光栅温度传感解调方法，包括以下步骤：

获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线；

基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率；

基于反演算法建立光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调。

本发明的进一步改进在于，所述获取待解调处理光纤光栅温度传感器的预设多个时刻的波长时，波长采集时刻在所述待解调处理光纤光栅温度传感器与外界温度达到热平衡之前或达到热平衡时。

本发明的进一步改进在于，所述获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线的步骤具体包括：

将所述待解调处理光纤光栅温度传感器置于高温炉并逐渐升温；利用光谱仪或者解调仪采集升温过程中光纤光栅的光谱信息；

对采集的光谱数据进行高斯拟合或三次函数拟合，得到每个光谱的中心波长；

基于所述每个光谱的中心波长，得到光纤光栅温度传感器的响应速度曲线。

本发明的进一步改进在于，所述基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率的方法为梯度法、中点公式法、三点公式法、五点公式法、样条函数法、辛普森数值微分法或理查德外推算法。

本发明的进一步改进在于，所述反演算法为非线性自回归法时，基于反演算法建立所述待解调处理光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调的步骤具体包括：

步骤1、将采集的样本数据集分为训练集和测试集；其中，所述样本数据集中的每一组样本数据按照输入输出对的模式组织，输入数据为光纤光栅温度传感器响应速度曲线上某时刻的波长值及该时刻所对应的波长随时间的变化率，输出数据为外界温度；

步骤2、基于非线性自回归法，建立所述待解调处理光纤光栅温度传感器的响应速度曲线中各样本数据时刻的波长和该样本数据时刻所对应的波长随时间的变化率与外界温度之间的非线性关系，构建获得第一光纤光栅温度传感解调模型；

步骤3、基于所述训练集对所述第一光纤光栅温度传感解调模型进行多次训练直至模型收敛，采用测试集测试通过后，获得训练好的反演模型；

步骤4、基于所述训练好的反演模型进行温度预测，获取外界温度，实现解调。

本发明的进一步改进在于，所述输入数据的组合为，预定时刻的波长值与所述预定时刻的上一时刻的波长随时间的变化率、预定时刻的波长值与所述预定时刻的波长随时间的变化率、预定时刻的波长值与所述预定时刻的下一时刻的波长随时间的变化率。

本发明的进一步改进在于，所述非线性自回归法为神经网络、支持向量机或逻辑回归。

本发明的进一步改进在于，所述反演算法为公式法时，基于反演算法建立所述待解调处理光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调的步骤具体包括：

步骤1)、对光纤光栅温度传感器的温度-波长曲线进行标定，并结合所述光纤光栅温度传感器的响应速度曲线，得到样本数据；

步骤2)、利用所述样本数据及公式法的基本公式建立第二光纤光栅温度反演模型；其中，所述公式法的基本公式为：

T_f为环境温度，T为光纤光栅温度传感器自身的温度，建立模型的过程为求解K的过程；

步骤3)、以均方根误差作为评判标准，对步骤2)获得的第二光纤光栅温度反演模型进行测试，测试通过后，获得测试好的反演模型；

步骤4)、基于所述测试好的反演模型进行温度预测，获取外界温度，实现解调。

本发明的进一步改进在于，所述步骤1)具体包括以下步骤：

将光纤光栅温度传感器置于高温炉中并随炉升温，每间隔50℃设置一个标定温度点，记录标准温度传感器温度示值与光纤光栅温度传感器波长值；

利用记录的数据点建立温度与波长值之间的函数关系，并结合所述光纤光栅温度传感器的响应速度曲线，获得样本数据。

本发明的一种基于反演算法的光纤光栅温度传感解调系统，包括：

波长及曲线获取模块，用于获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线；

变化率获取模块，用于基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率；

解调实现模块，用于基于反演算法建立光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调。

与现有技术相比，本发明具有以下有益效果：

本发明的原理为，传感元件温度在未与外界温度达到热平衡时，其温升速度与其自身与外界温度差以及热交换系数相关，但两者之间并非线性关系，很难用解析方法获得。本发明的方法中，通过反演算法直接建立起光纤光栅温度传感器响应速度曲线上某点的波长值及该点所对应的波长随时间的变化率与外界温度之间的非线性关系，从而实现光纤光栅温度传感，该解调方法无需等待光纤光栅自身的温度与外界环境温度达到热平衡即可获知外界环境温度。因此，与现有技术相比，本发明提供的一种光纤光栅温度传感解调方法，无需等待光纤光栅自身的温度与外界环境温度达到热平衡即可获知外界温度；利用本发明能够明显提高光纤光栅温度传感器的响应速度，并且可以实现比光纤光栅传感器耐温性更高的温度传感。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明中实施案例1的光纤光栅温度传感解调方法的流程示意图；

图2是本发明中实施案例1的遗传算法的适应度曲线示意图；

图3是本发明中实施案例1的经遗传算法优化的BP神经网络模型的预测输出与期望输出对比示意图；

图4是本发明中实施案例1的经遗传算法优化的BP神经网络模型的预测误差示意图；

图5是本发明中实施案例1的经遗传算法优化的BP神经网络模型的拟合百分比误差曲线示意图；

图6是本发明中实施案例2的公式法计算值与期望输出对比示意图；

图7是本发明中实施案例2的公式法预测误差示意图；

图8是本发明中实施案例2的公式法拟合百分比误差曲线示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合附图对本发明做进一步详细描述：

本发明实施例的一种基于反演算法的光纤光栅温度传感解调方法，具体包括以下步骤：

步骤1、采集多个时刻(示例性的，连续采集2点或2点以上时刻)光纤光栅温度传感器的波长；

步骤2、对不同时刻的波长进行导数运算得到波长随时间的变化率；

步骤3、通过反演算法建立起光纤光栅温度传感器的响应速度曲线中某点的波长与该点所对应的波长随时间的变化率和外界温度之间的非线性关系，基于所述非线性关系及多个时刻的波长获取外界温度实现解调。

本发明实施例步骤1所述的波长采集时刻可在光纤光栅温度传感器与外界温度达到热平衡之前或达到热平衡时。

本发明实施例步骤1所述的波长信息采集方式为将光纤光栅温度传感器置于高温炉中逐渐升温，利用光谱仪或者解调仪采集升温过程中光纤光栅的光谱信息；然后对实际采集的光谱数据进行高斯拟合或三次函数拟合以得到每个光谱的中心波长，进而得到光纤光栅温度传感器的响应速度曲线。

本发明实施例步骤2所述的波长随时间变化率的求解方法包括但不限于梯度法、中点公式法、三点公式法、五点公式法、样条函数法、辛普森数值微分法、理查德外推算法。

本发明实施例步骤3所述的反演算法包括两大类：(1)非线性自回归：包括但不限于神经网络、支持向量机、逻辑回归；(2)公式法。

示例性的，本发明实施例所述的非线性自回归方法包括以下步骤：

步骤1、将所采集的样本数据分为训练集和测试集；

步骤2、根据样本数据及反演算法建立光纤光栅温度反演模型(光纤光栅温度传感解调模型)；

步骤3、使用训练集数据对反演模型进行多次训练直至模型收敛；

步骤4、使用测试集数据对光纤光栅温度反演模型进行测试，以均方根误差作为评判标准，若测试通过，则说明建立的模型是有效的；若测试不通过，则重复上述步骤2、3；

步骤5、利用上述模型进行温度预测。

本发明实施例所述公式法的基本公式为：

其中，T_f为环境温度，T为光纤光栅温度传感器自身的温度。

示例性的，本发明所述的公式法包括以下步骤：

步骤1、对光纤光栅温度传感器的温度-波长曲线进行标定，并结合所述光纤光栅温度传感器的响应速度曲线，得到样本数据；

步骤2、利用所采集的样本数据及公式法的基本公式建立光纤光栅温度反演模型，即求解得出K；

步骤3、对上述光纤光栅温度反演模型进行测试，以均方根误差作为评判标准，若测试通过，则说明建立的模型是有效的；若测试不通过，则重复上述步骤3；

步骤4、利用上述模型进行温度预测。

本发明实施例步骤1中光纤光栅温度传感器响应速度曲线获取方式为：通过将光纤光栅温度传感器置于高温炉中逐渐升温，利用光谱仪或者解调仪采集升温过程中光纤光栅的光谱信息。

本发明实施例所述非线性自回归方法中样本数据的格式为：每一组数据按照输入输出对模式组织，输入数据为光纤光栅温度传感器响应速度曲线上某点的波长值及该点所对应的波长随时间的变化率，输出数据为外界温度，从而实现光纤光栅温度传感。

本发明实施例所述非线性自回归方法中输入数据的组合方式包括但不限于：某时刻波长值与上一时刻波长随时间的变化率、某时刻波长值与该时刻波长随时间的变化率、某时刻波长值与下一时刻波长随时间的变化率。

本发明实施例所述公式法的步骤1中光纤光栅温度传感器的温度-波长曲线标定方式为：将光纤光栅温度传感器置于高温炉中并随炉升温，每间隔50℃设置一个标定温度点，并记录下标准温度传感器温度示值与光纤光栅温度传感器波长值。之后，利用上述数据点建立温度与波长值之间的函数关系。进一步地，本发明所述公式法中求解K的方法包括但不限于线性回归、拉普拉斯变换解法。

综上所述，本发明实施例提供的方法是利用光纤光栅温度传感器响应速度曲线上某点的波长值及该点所对应的波长随时间的变化率与外界温度之间的非线性关系，通过反演模型直接建立起光纤光栅温度传感器响应速度曲线上某点的波长值及该点所对应的波长随时间的变化率与外界温度之间的非线性关系，从而实现光纤光栅温度传感。本发明的解调方法无需等待光纤光栅自身的温度与外界环境温度达到热平衡即可获知外界环境温度，因此，利用本发明能够明显提高光纤光栅温度传感器的响应速度，并且可以实现比光纤光栅传感器耐温性更高的温度传感。

实施例1：

请参阅图1至图5，以下以经遗传算法优化的BP神经网络为例具体阐述，本发明实施例输入数据组合方式采用某时刻波长值与该时刻波长随时间的变化率，波长随时间的变化率采用梯度算法求解。其具体步骤如图1所示，包括：

步骤1、标定光纤光栅温度传感器的响应速度曲线并对原始数据进行预处理，然后将获得的样本数据分为训练集和测试集，并对样本数据进行归一化处理；

步骤2、根据样本数据建立BP神经网络回归模型，分别确定BP神经网络的输入层、隐含层和输出层的节点数，获得BP神经网络的输出；

步骤3、利用遗传算法对BP神经网络进行优化；

步骤4、将遗传算法得到的最优个体作为BP神经网络的初始权值和阈值，使用训练集数据对网络进行多次训练，以均方根误差作为评价网络是否收敛的标准，将训练得到的网络结构参数进行保存，即为GA-BP光纤光栅温度传感解调模型；

步骤5、使用测试集数据对上述模型进行测试，以均方根误差作为评判标准，若测试通过，则说明建立的模型是有效的；若测试不通过，则重复上述步骤2、3、4；

步骤6、利用上述模型进行温度预测。

本实施例的步骤1中光纤光栅温度传感器响应速度曲线获取方式为：通过将光纤光栅温度传感器置于高温炉中逐渐升温，利用光谱仪或者解调仪采集升温过程中光纤光栅的光谱信息。

本实施例的步骤1中数据预处理方式为：对实际采集的光谱数据进行高斯拟合以得到每个光谱的中心波长，进而得到光纤光栅温度传感器的响应速度曲线。

本实施例的步骤1中样本数据的格式为：每一组数据按照输入输出对模式组织，输入数据为光纤光栅温度传感器响应速度曲线上某点的波长值及该点所对应的波长随时间的变化率，输出数据为外界温度，从而实现光纤光栅温度传感。其中，本实施例输入数据组合方式为某时刻波长值与该时刻波长随时间的变化率；波长随时间的变化率采用梯度算法求解。

本发明实施例的步骤1中数据归一化方式为：利用Matlab自带的mapminmax函数分别对输入数据和输出数据进行归一化处理，以消除各维数据之间的数量级及量纲差别。

本发明实施例的步骤2中BP神经网络的训练方法为离线训练。

根据输入输出样本数据设计BP神经网络的结构，因此本发明实施例步骤2中输入层的节点个数为2，隐含层的节点个数为10，输出层的节点个数为1。

本发明实施例的步骤2中BP神经网络的终止条件为：训练次数100，学习率为0.1，收敛误差为0.00001。

本发明实施例的步骤3中所述利用遗传算法对BP神经网络进行优化的具体方式为：由BP神经网络的结构确定遗传算法个体的长度，种群中的每个个体都包含整个网络的所有权值和阈值，个体通过适应度函数计算个体适应度值，然后通过选择、交叉和变异操作找到最优适应度值对应个体，遗传算法优化过程中最优个体适应度值变化如图2所示。最后将上述最优个体作为BP神经网络的初始权值和阈值并对网络进行训练，用训练后的BP神经网络对外界温度进行预测，预测结果如图3所示，遗传算法优化的BP神经网络预测输出和期望输出的误差如图4所示。将预测输出和期望输出的误差除以期望输出得到BP神经网络的拟合百分比误差，如图5所示。如果百分比误差小于一定值，则可以表明解调效果良好。

本发明实施例的步骤3中所述遗传算法将BP神经网络训练得到的误差值作为遗传算法的适应度值。示例性的，本发明实施例的步骤3中所述遗传算法个体长度的确定方式为：假设BP神经网络输入层有m个节点，隐含层有n个节点，输出层有p个节点，则遗传算法的个体长度S＝m*n+n*p+n+p；对于本例而言，BP神经网络输入层有2个节点，隐含层有10个节点，输出层有1个节点，则遗传算法的个体长度S＝2×10+10×1+10+1＝41。

本发明实施例的步骤3中判断遗传算法优化过程结束的方法为：预先设定进化代数，当进化代数达到设定的代数时终止条件满足，即BP神经网络优化过程结束，遗传算法输出最优个体。本实施例的步骤3中所述遗传算法采用实数编码方式，进化代数设置为100，种群规模设置为20，交叉概率设置为0.4，变异概率设置为0.2。

本发明实施例1公开的一种光纤光栅温度传感解调方法，连续采集2点或2点以上某时刻光纤光栅温度传感器的波长信息，然后根据上述信息反演出外界环境温度；其无需等待光纤光栅自身的温度与外界环境温度达到热平衡即可获知外界温度，因此，利用本发明能够明显提高光纤光栅温度传感器的响应速度，并且可以实现比光纤光栅传感器耐温性更高的温度传感。

实施例2：

请参阅图6至图8，本发明实施例的一种基于反演算法的光纤光栅温度传感解调方法，具体包括以下步骤：

步骤1、标定光纤光栅温度传感器的响应速度曲线，并对该数据进行预处理得到样本数据；

步骤2、对光纤光栅温度传感器的温度-波长曲线进行标定；

步骤3、利用样本数据及公式法的基本公式建立光纤光栅温度反演模型，即求解得出K；

步骤4、对上述光纤光栅温度反演模型进行测试，以均方根误差作为评判标准，若测试通过，则说明建立的模型是有效的；若测试不通过，则重复上述步骤3；

步骤5、利用上述模型进行温度预测。

本实施例的步骤1中光纤光栅温度传感器响应速度曲线获取方式为：通过将光纤光栅温度传感器置于高温炉中逐渐升温，利用光谱仪或者解调仪采集升温过程中光纤光栅的光谱信息。

本实施例的步骤1中数据预处理方式为：对实际采集的光谱数据进行三次函数拟合以得到每个光谱的中心波长，进而得到光纤光栅温度传感器的响应速度曲线。

本实施例的步骤2中光纤光栅温度传感器的温度-波长曲线标定方式为：将光纤光栅温度传感器置于高温炉中并随炉升温，每间隔50℃设置一个标定温度点，并记录下标准温度传感器温度示值与光纤光栅温度传感器波长值。之后，利用上述数据点建立温度与波长值之间的函数关系。

本实施例的步骤3中采用曲线拟合的方法得出不同外界温度下对应的K值。图6给出了公式法的预测结果，公式法的预测输出和期望输出的误差如图7所示。将预测输出和期望输出的误差除以期望输出得到公式法的拟合百分比误差，如图8所示。如果百分比误差小于一定值，则可以表明解调效果良好。

综上所述，本发明实施例具体公开了一种光纤光栅温度传感解调方法，连续采集2点或2点以上某时刻光纤光栅温度传感器的波长信息，然后根据上述信息反演出外界环境温度。所述方法包括：标定光纤光栅温度传感器的响应速度曲线；数据预处理；利用采集的数据建立温度反演模型；最后利用所建立的温度反演模型进行预测。应用本发明，能够明显提高光纤光栅温度传感器的响应速度，并且可以实现比光纤光栅温度传感器耐温性更高的温度传感。

下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节，请参照本发明方法实施例。

本发明实施例的一种基于反演算法的光纤光栅温度传感解调系统，包括：

波长及曲线获取模块，用于获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线；

变化率获取模块，用于基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率；

解调实现模块，用于基于反演算法建立光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，包括以下步骤：

获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线；

基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率；

基于反演算法建立光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调。

2.根据权利要求1所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述获取待解调处理光纤光栅温度传感器的预设多个时刻的波长时，波长采集时刻在所述待解调处理光纤光栅温度传感器与外界温度达到热平衡之前或达到热平衡时。

3.根据权利要求1所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线的步骤具体包括：

将所述待解调处理光纤光栅温度传感器置于高温炉并逐渐升温；利用光谱仪或者解调仪采集升温过程中光纤光栅的光谱信息；

对采集的光谱数据进行高斯拟合或三次函数拟合，得到每个光谱的中心波长；

基于所述每个光谱的中心波长，得到光纤光栅温度传感器的响应速度曲线。

4.根据权利要求1所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率的方法为梯度法、中点公式法、三点公式法、五点公式法、样条函数法、辛普森数值微分法或理查德外推算法。

5.根据权利要求1所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述反演算法为非线性自回归法时，基于反演算法建立所述待解调处理光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调的步骤具体包括：

步骤1、将采集的样本数据集分为训练集和测试集；其中，所述样本数据集中的每一组样本数据按照输入输出对的模式组织，输入数据为光纤光栅温度传感器响应速度曲线上某时刻的波长值及该时刻所对应的波长随时间的变化率，输出数据为外界温度；

步骤2、基于非线性自回归法，建立所述待解调处理光纤光栅温度传感器的响应速度曲线中各样本数据时刻的波长和该样本数据时刻所对应的波长随时间的变化率与外界温度之间的非线性关系，构建获得第一光纤光栅温度传感解调模型；

步骤3、基于所述训练集对所述第一光纤光栅温度传感解调模型进行多次训练直至模型收敛，采用测试集测试通过后，获得训练好的反演模型；

步骤4、基于所述训练好的反演模型进行温度预测，获取外界温度，实现解调。

6.根据权利要求5所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述输入数据的组合为，预定时刻的波长值与所述预定时刻的上一时刻的波长随时间的变化率、预定时刻的波长值与所述预定时刻的波长随时间的变化率、预定时刻的波长值与所述预定时刻的下一时刻的波长随时间的变化率。

7.根据权利要求5所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述非线性自回归法为神经网络、支持向量机或逻辑回归。

8.根据权利要求1所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述反演算法为公式法时，基于反演算法建立所述待解调处理光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调的步骤具体包括：

步骤1)、对光纤光栅温度传感器的温度-波长曲线进行标定，结合光纤光栅温度传感器的响应速度曲线，得到样本数据；

步骤2)、利用所述样本数据及公式法的基本公式建立第二光纤光栅温度反演模型；其中，所述公式法的基本公式为：

T_f为环境温度，T为光纤光栅温度传感器自身的温度，建立模型的过程为求解K的过程；

步骤3)、以均方根误差作为评判标准，对步骤2)获得的第二光纤光栅温度反演模型进行测试，测试通过后，获得测试好的反演模型；

步骤4)、基于所述测试好的反演模型进行温度预测，获取外界温度，实现解调。

9.根据权利要求8所述的一种基于反演算法的光纤光栅温度传感解调方法，其特征在于，所述步骤1)具体包括以下步骤：

将光纤光栅温度传感器置于高温炉中并随炉升温，每间隔50℃设置一个标定温度点，记录标准温度传感器温度示值与光纤光栅温度传感器波长值；

利用记录的数据点建立温度与波长值之间的函数关系，结合光纤光栅温度传感器的响应速度曲线，获得样本数据。

10.一种基于反演算法的光纤光栅温度传感解调系统，其特征在于，包括：

波长及曲线获取模块，用于获取待解调处理的光纤光栅温度传感器的预设多个时刻的波长；基于所述预设多个时刻的波长，获得光纤光栅温度传感器的响应速度曲线；

变化率获取模块，用于基于所述预设多个时刻的波长，获取各时刻的波长随时间的变化率；

解调实现模块，用于基于反演算法建立光纤光栅温度传感器的响应速度曲线中各时刻的波长和该时刻所对应的波长随时间的变化率与外界温度之间的非线性关系；基于所述非线性关系及多个时刻的波长获取外界温度，实现解调。

Images