CN114877923A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114877923A CN114877923A CN202210434907.3A CN202210434907A CN114877923A CN 114877923 A CN114877923 A CN 114877923A CN 202210434907 A CN202210434907 A CN 202210434907A CN 114877923 A CN114877923 A CN 114877923A
- Authority
- CN
- China
- Prior art keywords
- fabry
- waveguide grating
- perot
- sensor
- demodulation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 40
- 230000003287 optical effect Effects 0.000 claims abstract description 101
- 238000001228 spectrum Methods 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 230000002269 spontaneous effect Effects 0.000 claims abstract description 19
- 238000003062 neural network model Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000005855 radiation Effects 0.000 claims description 11
- 239000013307 optical fiber Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013526 transfer learning 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
- G01D5/35309—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 using multiple waves interferometer
- G01D5/35312—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 using multiple waves interferometer using a Fabry Perot
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/10—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type
- G02B6/12—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type of the integrated circuit kind
- G02B6/12007—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type of the integrated circuit kind forming wavelength selective elements, e.g. multiplexer, demultiplexer
- G02B6/12009—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type of the integrated circuit kind forming wavelength selective elements, e.g. multiplexer, demultiplexer comprising arrayed waveguide grating [AWG] devices, i.e. with a phased array of waveguides
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Optics & Photonics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Optical Transform (AREA)
Abstract
本发明涉及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，包括自发辐射光源、光环形器、Fabry‑Perot干涉传感器、2*2耦合器、光谱分析仪、阵列波导光栅、多通道微机电系统光开关、光功率计、驱动电路模块阵列、数据处理模块和数据输出模块，所述的Fabry‑Perot干涉传感器包括有第一次解调和第二次解调两次解调过程，所述的第一次解调获得Farby‑Perot干涉传感器的反射光在阵列波导光栅各通道中的透射光强度，所述的第二次解调利用神经网络模型获得指定在监测波长范围内Fabry‑Perot干涉传感器的各干涉峰的峰值波长与传感器有效空腔长度，本发明提供的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具有成本低、高稳定、高精度和高分辨率的优势。
Description
技术领域
本发明属于光纤传感器解调技术领域，具体涉及一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统及方法。
背景技术
光纤Fabry-Perot干涉传感器由于其在测量精度、分辨率、稳定性和制备成本方面的显著优势被广泛应用于温度、压力、应力、生物传感和色散测量应用中。而针对Fabry-Perot干涉传感器有效和可靠的解调则在其的实际应用中显得至关重要。
传统上，谱域白光干涉法被认为是解调Fabry-Perot干涉传感器最直接有效的方法，该方法通过直接检测和分析Fabry-Perot干涉传感器的反射光谱，测量光程差完成对Fabry-Perot干涉传感器的解调。波长追踪法是最简单的光程差测量算法，它一般通过识别两相邻干涉峰的峰值波长完成光程差计算。尽管它可以高效完成Fabry-Perot干涉传感器的解调，但是，这种方法存在三个明显的局限性：1、是商业化的光谱分析仪处理数据繁琐且不适合集成为仪表仪器，除此之外其价格高昂，并不适合在实际工程应用；2、Fabry-Perot干涉仪反射光谱曲线呈正弦分布，以至于干涉峰的峰值位置难以被准确确定；3、要获得优越的解调精度，先进的算法必不可少，然而这些算法的复杂性较高，对计算成本提出了较高的要求，且存在较低的解调可重复性，在重复解调过程中会出现稳定性和解调精度的损耗。
因此，如何提供一种低成本、高稳定、高精度的Fabry-Perot干涉传感器解调方式成为本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是为了解决背景技术中所提出的问题，而提供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，具有成本低、高稳定、高精度和高分辨率的优势。
本发明的目的是这样实现的：
一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统，包括自发辐射光源、光环形器、Fabry-Perot干涉传感器、2*2耦合器、光谱分析仪、阵列波导光栅、多通道微机电系统光开关、光功率计、驱动电路模块阵列、数据处理模块和数据输出模块；所述的Fabry-Perot干涉传感器包括有第一次解调和第二次解调两次解调过程，所述的第一次解调获得Farby-Perot干涉传感器的反射光在阵列波导光栅各通道中的透射光强度，所述的第二次解调利用神经网络模型获得指定在监测波长范围内Fabry-Perot干涉传感器的各干涉峰的峰值波长与传感器有效空腔长度；
所述的自发辐射光源与光环形器的输入端连接，所述自发辐射光源用于在所述的第一次解调中输出宽带光；
所述Fabry-Perot干涉传感器用于产生Fabry-Perot干涉反射干涉谱；
所述光环形器的输入输出端与所述Fabry-Perot干涉传感器连接，所述光环形器的输出端与所述2*2耦合器的输入端连接，所述光纤环形器用于将所述的第一次解调过程中自发辐射光源输出的的宽带光输入至Fabry-Perot干涉传感器以形成反射干涉谱后输入到所述2*2耦合器中；
所述2*2耦合器的第一输出端与所述阵列波导光栅的输入端连接，所述2*2耦合器的第二输出端与所述光谱分析仪的输入端连接，所述2*2耦合器用于将所述第一次解调中源于Fabry-Perot干涉传感器的反射光分为两路，其中一路作为参考谱输出到光谱分析仪，另一路进入阵列波导光栅中；
所述光谱分析仪用于直接检测和分析所述Fabry-Perot干涉传感器的光谱，为所述的第二次解调提供参考；
所述阵列波导光栅的N个输出端与所述多通道微机电系统光开关的N个输入端对应连接，所述阵列波导光栅用于将所述第一次解调中来源于所述2*2耦合器的第一输出端的Fabry-Perot干涉传感器反射光波分解复用至其下N个通道输出端中，将所述Fabry-Perot干涉传感器反射干涉谱转换为在所述阵列波导光栅N个通道中的透射光强度；
所述多通道微机电系统光开关的输出端与所述光功率计输入端相连，所述多通道微机电系统光开关用于控制所述阵列波导光栅下N个输出通道的光通行情况；
所述光功率计的输出端和数据处理模块的输入端相连，所述光功率计用于获取来源于所述Fabry-Perot干涉传感器的反射光在所述阵列波导光栅N个输出通道下的透射光强度；
所述驱动电路模块阵列的输出端和所述多通道光开关的输入引脚和数据处理模块的输入引脚相连，用于向它们供电以实现控制功能；
所述数据处理模块与所述输出模块连接，所述数据处理模块用于在所述第一次解调过程中获取所述Fabry-Perot干涉传感器在所述阵列波导光栅各输出通道下的透射光强度以形成数据集，并将所述数据集进行处理以进行第二次解调，以及用于在所述第二次解调过程中将所述反射谱信号进行解调得到所述Fabry-Perot干涉传感器的多个干涉峰的峰值波长以及其有效空腔长度；
所述数据输出模块输出所述Farby-Perot干涉传感器的解调结果，包括干涉峰的峰值波长和有效空腔长度。
优选的，所述自发辐射光源输出的波长范围为C波段。
优选的，所述光环形器为1*2光环形器，所述1*2光环形器的第一输出端与所述Fabry-Perot干涉传感器连接，所述1*2光环形器的第二输出端与所述2*2耦合器的输入端连接，所述2*2耦合器用于将在第一次解调过程中的Fabry-Perot干涉传感器的反射光分为两路，其中一路作为参考谱输出到光谱分析仪，另一路分配到阵列波导光栅。
优选的，所述2*2耦合器的分光比为50％：50％，其中50％的激光作为参考谱输出到所述光谱分析仪，50％的激光分配到所述阵列波导光栅。
优选的，所述阵列波导光栅上共有40个输出通道，每个通道均独立存在和使用。
优选的，所述驱动电路模块阵列包括FPGA驱动电路和Arduino驱动电路。
优选的，所述数据处理模块上部署了神经网络算法模型，用于接收所述第一次解调过程中源于所述光功率计中的所述透射光强度信息，后进入所述第二次解调过程完成对所述Fabry-Perot干涉传感器在指定波长范围内的各干涉峰的峰值波长解调和有效腔长解调。
一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统的解调方法，包括如下步骤：
S110、调整自发辐射光源向光环形器输出宽带光；
S120、光环形器将宽带光输出至Fabry-Perot干涉传感器；
S130、Fabry-Perot干涉传感器的反射光由光环形器输出至2*2耦合器；
S140、2*2耦合器将所述来源于Farby-Perot干涉传感器的反射光分为两路，其中一路作为参考谱输出至光谱分析仪，另一路进入到阵列波导光栅中，将所述反射光波长解复用至不同的通道中；
S150、阵列波导光栅的N个通道输出和多通道微机电系统光开关的输入连接，所述多通道微机电系统光开关的输出和所述光功率计的输入连接；
S160、光功率计对Farby-Perot干涉传感器的反射光在所述阵列波导光栅的N个输出通道中的透射光强度进行读取，并输入至数据处理模块；
S170、数据处理模块接收来自所述光功率计的数据并进行处理，完成对指定波长范围内的所有Farby-Perot干涉传感器的干涉峰的峰值波长的解调和记录，以及记录下此刻所述Farby-Perot干涉传感器的有效空腔长度；
S180、数据输出模块输出所述Farby-Perot干涉传感器在指定波长范围内的干涉峰的峰值波长和有效空腔长度。
与现有技术相比，本发明的有益效果在于：本发明提供的一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统及方法，联合多峰值波长追踪和神经网络算法，将Farby-Perot干涉传感器在指定波长范围内的各个干涉峰的峰值波长转化为在阵列波导光栅各个通道中的透射光强度，经过训练的端到端的的神经网络模型直接读取透射光强度数据并输出相应的干涉峰的峰值波长，并基于峰值波长计算出传感器的有效空腔长度，在实际测量应用中无需光谱分析仪的辅助，该系统即可达到pm级的波长解调分辨率和0.1um的腔长解调精度，很大程度上减少了系统的成本和复杂性，且具备稳定和优越的解调性能；另外可实现多类不同结构的Fabry-Perot干涉传感器的解调，具备良好的适用性；其次可根据实际需要，调整所选用的所述阵列波导光栅的通道来实现系统所监测的波长范围的变更；提供的解调系统稳定，高性能，具备成本效益，适用于各类结构健康监测系统中。
附图说明
图1是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统结构示意图。
图2是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统的具体实施方式示意图。
图3是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统的神经网络算法模型示意图。
图4是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统的干涉传感器在1530-1560nm波长范围内的三个干涉峰在外部以100微应力为周期，持续施加1000微应力期间的变化示意图。
图5是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统的干涉传感器在1530-1560nm范围内的三个干涉峰的峰值波长和实际峰值波长值的误差示意图。
图6是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调系统的输出的干涉传感器的有效腔长值误差示意图。
图7是本发明一种基于阵列波导光栅和神经网络算法的新型Fabry-Perot干涉传感器解调方法的流程图。
图中：1、自发辐射光源；2、光环形器；3、Fabry-Perot干涉传感器；4、2*2耦合器；5、光谱分析仪；6、阵列波导光栅；7、多通道微机电系统光开关；8、光功率计；9、驱动电路模块阵列；10、数据处理模块；11、数据输出模块。
具体实施方式
下面结合附图对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例，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，都属于本发明保护的范围。
实施例1
一种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，其中，每次Fabry-Perot干涉传感器解调过程包括第一次解调过程和第二次解调过程，所述第一次解调过程用于获得Fabry-Perot干涉传感器反射光在所述阵列波导光栅各通道下的透射光强度，所述第二次解调过程获得Fabry-Perot干涉传感器在指定波长范围内的各干涉峰的峰值波长和传感器的有效腔长长度。
如图1所示，所述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包括：自发辐射光源1、光环形器2、Fabry-Perot干涉传感器3、2*2耦合器4、光谱分析仪5、阵列波导光栅6、多通道微机电系统光开关7、光功率计8、驱动电路模块阵列9、数据处理模块10和数据输出模块11。
所述自发辐射光源1与光环形器2的输入端连接，所述自发辐射光源1用于在所述的第一次解调过程中输出宽带光；
所述光环形器2的输入输出端与所述Fabry-Perot干涉传感器3连接，所述光环形器2的输出端与所述2*2耦合器的输入端连接，所述光纤环形器2用于将所述的第一次解调过程中自发辐射光源1输出的宽带光输入至Fabry-Perot干涉传感器3以形成反射干涉谱后输入到所述2*2耦合器4中；
所述Fabry-Perot干涉传感器3用于产生所述的传感器反射干涉谱；
所述2*2耦合器4的第一输出端与所述阵列波导光栅6的输入端连接，所述2*2耦合器4的第二输出端与所述光谱分析仪5的输入端连接，所述2*2耦合器4用于将所述第一次解调过程中源于Fabry-Perot干涉传感器3的反射光分为两路，其中一路作为参考谱输出到所述光谱分析仪5，另一路进入所述阵列波导光栅6中；
所述光谱分析仪5用于直接检测和分析所述Fabry-Perot干涉传感器3的光谱，为所述的第二次解调过程提供参考；
所述阵列波导光栅6的N个通道输出端与所述多通道微机电系统光开关7的输入端连接，所述阵列波导光栅6用于将所述第一次解调过程中来源于所述2*2耦合器4的第一输出端的Fabry-Perot干涉传感器3反射光波分解复用至其下N个通道输出端中，将所述Fabry-Perot干涉传感器3反射干涉谱转换为在所述阵列波导光栅5的N个输出通道中的透射光强度；
所述驱动电路模块阵列9的输出端和所述多通道微机电系统光开关7的输入引脚和数据处理模块10的输入引脚相连，用于向它们供电并实现控制功能；
所述多通道微机电系统光开关7的输出端与所述光功率计8的第一输入端相连，所述多通道微机电系统光开关7用于控制所述阵列波导光栅6下各输出通道的光通行情况；
所述光功率计8的输出端和数据处理模块10的输入端相连，所述光功率计8用于获取来源于所述Fabry-Perot干涉传感器3的反射光在所述阵列波导光栅4的第一至第九通道下的透射光强度；
所述数据处理模块10的输出端与所述数据输出模块11输入端连接，所述数据处理模块10用于在所述第一次解调过程中获取所述Fabry-Perot干涉传感器3在所述阵列波导光栅4各通道下的透射光强度以形成数据集，并将所述数据集进行处理以进行第二次解调过程，以及用于在所述第二次解调过程中将所述反射谱信号进行解调得到所述Fabry-Perot干涉传感器3在指定波长范围内的各干涉峰峰值波长以及其有效空腔长度。
所述数据输出模块11输出所述Farby-Perot干涉传感器3的解调结果，包括干涉峰的峰值波长和有效空腔长度。
本发明提供的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，联合多峰值波长追踪和神经网络算法，将Farby-Perot干涉传感器在指定波长范围内的各个干涉峰的峰值波长转化为在阵列波导光栅各个通道中的透射光强度，经过训练的端到端的的神经网络模型直接读取透射光强度数据并输出相应的干涉峰的峰值波长，并基于峰值波长计算出传感器的有效空腔长度，在实际测量应用中无需光谱分析仪的辅助，该系统即可达到pm级的波长解调分辨率和±0.1um的腔长解调精度，很大程度上减少了系统的成本和复杂性，且具备稳定和优越的解调性能；另外可实现多类不同结构的Fabry-Perot干涉传感器的解调，具备良好的适用性；其次可根据实际需要，调整所选用的所述阵列波导光栅的通道来实现系统所监测的波长范围的变更；提供的解调系统稳定，高性能，具备成本效益，适用于各类结构健康监测系统中。
实施例2
在实施例1的基础上，如图2所示为Fabry-Perot干涉传感器解调系统在实际测量中的具体实施方案。
所述自发辐射光谱1的波长范围为1528-1603nm，C波段，输出光强为20.0nW，所述光环形器2，其结构为1*2光环形器，其内部包括一个输出端、一个输入输出端及一个输出端，其中输入输出端连接至Fabry-Perot干涉传感器3，输出端连接至所述2*2耦合器4。
具体的，所述Fabry-Perot干涉传感器3为单模光纤-毛细玻璃管-单模光纤结构，其中单模光纤的外径为150微米，毛细玻璃管内径为75微米，外径为125微米，所述Fabry-Perot干涉传感器在1530-1560nm波长范围内的三个干涉峰在外部以100微应力为周期，持续施加1000微应力期间的变化如图3和图4，从左至右分别称为干涉峰#1，干涉峰#2和干涉峰#3。
所述2*2耦合器4的分光比为50：50，50％的激光作为参考谱输出到所述光谱分析仪5，50％的激光分配到所述阵列波导光栅6，所述阵列波导光栅6为40通道，125GHz规格，每个通道中心波长之间的间距均为0.8nm，且各通道的半高全宽为0.456nm,所述阵列波导光栅6中有九个输出通道被使用，其中第一至第八通道输出和所述多通道微机电系统光开关7的第一至第八输入连接，第九通道输出与所述光功率计8第二输入连接。
所述多通道微机电系统光开关7具备八个输入接口，所述多通道微机电系统光开关7的输出和所述光功率计8的第一输入连接，它由驱动电路模块阵列9中的Arduino驱动电路所控制，通过向多通道微机电系统光开关7发送高低电平以控制所述阵列波导光栅6各通道的光通行情况。
所述光功率8计为双通道光功率计，所述光功率8计对于透射光强度探测范围为0-69.00dBm，数据传输接口为RS232。
所述驱动电路模块阵列9包含FPGA驱动电路和Arduino驱动电路，其中，FPGA驱动电路和数据处理模块10、数据输出模块11连接，Arduino驱动电路与所述多通道微机电系统光开关7连接。
所述数据处理模块10包括多峰值解调单元和有效腔长解调单元，且内部署了一个端到端的神经网络算法模型，所述端到端的神经网络算法模型如图3，其中，所述神经网络算法模型接收来自所述光功率计8的输出，以完成所述Fabry-Perot干涉传感器3的解调，并向所述数据输出模块11输出，所述神经网络算法模型包含一层输入层、五层隐藏层和一层输出层，输入层共有九个神经元，每层隐藏层均有100个神经元，输出层共有三个神经元。
所述数据输出模块11输出的所述Fabry-Perot干涉传感器3在1530-1560nm范围内的三个干涉峰的峰值波长和实际峰值波长值的误差如图5，来自于所述光谱分析仪5的参考量，输出的所述Fabry-Perot干涉传感器3的有效腔长值误差如图6。
实施例3
结合图7，一种基于阵列波导光栅和神经网络算法的Fabry-Perot干涉传感器解调方法，其中，每次Fabry-Perot干涉传感器的解调过程包括第一次解调过程和第二次解调过程，所述第一次解调过程获得Farby-Perot干涉传感器的反射光在阵列波导光栅各通道中的透射光强度，所述第二次解调过程利用神经网络模型获得检测波长范围内Fabry-Perot干涉传感器的各干涉峰的峰值波长与传感器有效空腔长度，所述基于阵列波导光栅和神经网络算法的Fabry-Perot干涉传感器解调方法包括：
S110、调整自发辐射光源向光环形器输出宽带光；
S120、光环形器将的宽带光输出至Fabry-Perot干涉传感器；
S130、Fabry-Perot干涉传感器的反射光由光环形器输出至2*2耦合器；
S140、2*2耦合器将所述来源于Farby-Perot干涉传感器的反射光分为两路，其中一路作为参考谱输出至光谱分析仪，另一路进入到阵列波导光栅中，将所述反射光波长解复用至不同的通道中；
S150、阵列波导光栅的N个通道输出和多通道微机电系统光开关的输入连接，所述多通道微机电系统光开关的输出和所述光功率计的输入连接；
S160、光功率计对Farby-Perot干涉传感器的反射光在所述阵列波导光栅的N个通道中的透射光强度进行读取，并输入至数据处理模块；
S170、数据处理模块接收来自所述光功率计的数据并进行处理，完成对Farby-Perot干涉传感器在指定波长范围内的各个干涉峰的峰值波长的解调和记录，以及记录下此时所述Farby-Perot干涉传感器的有效空腔长度；
S180、数据输出模块输出所述Farby-Perot干涉传感器在指定波长范围内的干涉峰的的峰值波长和有效空腔长度。
与传统的波长追踪法相比，本发明最高可以达到pm级别的多波长解调分辨率，且在实际工程应用中无需使用光谱分析仪就可以实现高精度的多峰值波长解调和传感器有效腔长解调。
所述阵列波导光栅将所述Fabry-Perot干涉传感器的反射光波分解复用至其下N个通道中，将所述Farby-Perot干涉传感器在指定波长范围内的各干涉峰的峰值波长转换为所述Fabry-Perot干涉传感器在所述阵列波导光栅N个通道中的透射光强度，其中透射光强度被定义为所述Fabry-Perot干涉传感器的反射干涉谱和所述阵列波导光栅通道反射谱重叠部分的有效面积。
所述数据处理模块中已经部署了一个训练好的端到端的神经网络算法模型，所述神经网络算法模型的输入端为所述阵列波导光栅各通道下的透射光强度，所述神经网络算法模型的输出端为所述Farby-Perot干涉传感器在指定波长范围内各干涉峰的峰值波长，然后再根据这些峰值波长数据计算出传感器的有效空腔长度。
所述的神经网络模型具有良好的泛化能力，支持迁移学习和重新训练，以获得更优越的性能，具备丰富的可拓展性。
本发明通过使用阵列波导光栅将来源于Fabry-Perot干涉传感器的反射光波分解复用至不同的通道，将Fabry-Perot干涉传感器在指定波长范围内的个干涉峰的峰值转换为阵列波导光栅通道中的透射强度，并和神经网络算法模型有效地结合在一起，免去了在实际工程应用中使用昂贵且数据处理繁琐的光谱分析仪以及先进且复杂的算法，可以实现低成本、高分辨率、高精度、适用性强的Farby-Perot干涉传感器解调，同时可以实现解调系统的集成和小型化。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的保护范围内所做的任何修改，等同替换等，均应包含在本发明的保护范围之内。
Claims (8)
1.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，其特征在于：包括自发辐射光源(1)、光环形器(2)、Fabry-Perot干涉传感器(3)、2*2耦合器(4)、光谱分析仪(5)、阵列波导光栅(6)、多通道微机电系统光开关(7)、光功率计(8)、驱动电路模块阵列(9)、数据处理模块(10)和数据输出模块(11)；
所述的Fabry-Perot干涉传感器(3)每次的解调包括有第一次解调和第二次解调两次解调过程，所述的第一次解调获得Farby-Perot干涉传感器的反射光在阵列波导光栅(6)各通道中的透射光强度，所述的第二次解调利用神经网络模型获得指定在监测波长范围内Fabry-Perot干涉传感器(3)的各干涉峰的峰值波长与传感器有效空腔长度；
所述的自发辐射光源(1)与光环形器(2)的输入端连接，所述自发辐射光源(1)用于在所述的第一次解调中输出宽带光；
所述Fabry-Perot干涉传感器(3)用于产生Fabry-Perot干涉反射干涉谱；
所述光环形器(2)的输入输出端与所述Fabry-Perot干涉传感器(3)连接，所述光环形器(2)的输出端与所述2*2耦合器(4)的输入端连接，所述光纤环形器用于将所述的第一次解调过程中自发辐射光源(1)输出的的宽带光输入至Fabry-Perot干涉传感器(3)以形成反射干涉谱后输入到所述2*2耦合器(4)中；
所述2*2耦合器(4)的第一输出端与所述阵列波导光栅(6)的输入端连接，所述2*2耦合器(4)的第二输出端与所述光谱分析仪(5)的输入端连接，所述2*2耦合器(4)用于将所述第一次解调中源于Fabry-Perot干涉传感器(3)的反射光分为两路，其中一路作为参考谱输出到光谱分析仪(5)，另一路进入阵列波导光栅(6)中；
所述光谱分析仪(5)用于直接检测和分析所述Fabry-Perot干涉传感器(3)的光谱，为所述的第二次解调提供参考；
所述阵列波导光栅(6)的N个输出端与所述多通道微机电系统光开关(7)的N个输入端对应连接，所述阵列波导光栅(6)用于将所述第一次解调中来源于所述2*2耦合器(4)的第一输出端的Fabry-Perot干涉传感器(3)反射光波分解复用至其下N个通道输出端中，将所述Fabry-Perot干涉传感器(3)反射干涉谱转换为在所述阵列波导光栅(6)N个通道中的透射光强度；
所述多通道微机电系统光开关(7)的输出端与所述光功率计(8)输入端相连，所述多通道微机电系统光开关(7)用于控制所述阵列波导光栅(6)下N个输出通道的光通行情况；所述光功率计(8)的输出端和数据处理模块(10)的输入端相连，所述光功率计(8)用于获取来源于所述Fabry-Perot干涉传感器(3)的反射光在所述阵列波导光栅(6)N个输出通道下的透射光强度；
所述驱动电路模块阵列(9)的输出端和所述多通道光开关的输入引脚和数据处理模块(10)的输入引脚相连，用于向它们供电以实现控制功能；
所述数据处理模块(10)与所述输出模块连接，所述数据处理模块(10)用于在所述第一次解调过程中获取所述Fabry-Perot干涉传感器(3)在所述阵列波导光栅(6)各输出通道下的透射光强度以形成数据集，并将所述数据集进行处理以进行第二次解调，以及用于在所述第二次解调过程中将所述反射谱信号进行解调得到所述Fabry-Perot干涉传感器(3)的多个干涉峰的峰值波长以及其有效空腔长度；
所述数据输出模块(11)输出所述Farby-Perot干涉传感器的解调结果，包括干涉峰的峰值波长和有效空腔长度。
2.根据权利要求1所述的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，其特征在于：所述自发辐射光源(1)输出的波长范围为C波段。
3.根据权利要求1所述的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，其特征在于：所述光环形器(2)为1*2光环形器(2)，所述1*2光环形器(2)的第一输出端与所述Fabry-Perot干涉传感器(3)连接，所述1*2光环形器(2)的第二输出端与所述2*2耦合器(4)的输入端连接，所述2*2耦合器(4)用于将在第一次解调过程中的Fabry-Perot干涉传感器(3)的反射光分为两路，其中一路作为参考谱输出到光谱分析仪(5)，另一路分配到阵列波导光栅(6)。
4.根据权利要求1所述的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，其特征在于：所述2*2耦合器(4)的分光比为50％：50％，其中50％的激光作为参考谱输出到所述光谱分析仪(5)，50％的激光分配到所述阵列波导光栅(6)。
5.根据权利要求1所述的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，其特征在于：所述阵列波导光栅(6)上共有40个输出通道，每个通道均独立存在和使用。
6.根据权利要求1所述的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，其特征在于：所述驱动电路模块阵列(9)包括FPGA驱动电路和Arduino驱动电路。
7.根据权利要求1所述的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，其特征在于：所述数据处理模块(10)上部署了神经网络算法模型，用于接收所述第一次解调过程中源于所述光功率计(8)中的所述透射光强度信息，后进入所述第二次解调过程完成对所述Fabry-Perot干涉传感器(3)在指定波长范围内的各干涉峰的峰值波长解调和有效腔长解调。
8.一种权利要求1-7任一所述的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的解调方法，其特征在于：包括如下步骤：
S110、调整自发辐射光源(1)向光环形器(2)输出宽带光；
S120、光环形器(2)将宽带光输出至Fabry-Perot干涉传感器(3)；
S130、Fabry-Perot干涉传感器(3)的反射光由光环形器(2)输出至2*2耦合器(4)；
S140、2*2耦合器(4)将所述来源于Farby-Perot干涉传感器的反射光分为两路，其中一路作为参考谱输出至光谱分析仪(5)，另一路进入到阵列波导光栅(6)中，将所述反射光波长解复用至不同的通道中；
S150、阵列波导光栅(6)的N个通道输出和多通道微机电系统光开关(7)的输入连接，所述多通道微机电系统光开关(7)的输出和所述光功率计(8)的输入连接；
S160、光功率计(8)对Farby-Perot干涉传感器的反射光在所述阵列波导光栅(6)的N个输出通道中的透射光强度进行读取，并输入至数据处理模块(10)；
S170、数据处理模块(10)接收来自所述光功率计(8)的数据并进行处理，完成对指定波长范围内的所有Farby-Perot干涉传感器的干涉峰的峰值波长的解调和记录，以及记录下此刻所述Farby-Perot干涉传感器的有效空腔长度；
S180、数据输出模块(11)输出所述Farby-Perot干涉传感器在指定波长范围内的干涉峰的峰值波长和有效空腔长度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210434907.3A CN114877923B (zh) | 2022-04-24 | 2022-04-24 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210434907.3A CN114877923B (zh) | 2022-04-24 | 2022-04-24 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114877923A true CN114877923A (zh) | 2022-08-09 |
| CN114877923B CN114877923B (zh) | 2023-06-09 |
Family
ID=82671970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210434907.3A Active CN114877923B (zh) | 2022-04-24 | 2022-04-24 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114877923B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116202567A (zh) * | 2023-02-03 | 2023-06-02 | 海南大学 | 一种基于光谱重建的超高频响光纤光谱仪及实施方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008232878A (ja) * | 2007-03-22 | 2008-10-02 | Institute Of National Colleges Of Technology Japan | 光スペクトルパタンマッチング法による分布型センサシステム |
| CN102928003A (zh) * | 2012-10-31 | 2013-02-13 | 西安交通大学 | 一种具有实时参考的光纤光栅解调系统 |
| CN108303124A (zh) * | 2018-02-05 | 2018-07-20 | 江南大学 | 一种基于静态可调谐光源的光纤光栅解调系统及方法 |
| CN109186643A (zh) * | 2018-06-21 | 2019-01-11 | 上海第二工业大学 | 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 |
| US20190178688A1 (en) * | 2016-08-11 | 2019-06-13 | Tianjin University | Fiber bragg grating demodulation device capable of supressing fluctuations at variable ambient temperature and demodulation method thereof |
| CN110118532A (zh) * | 2019-05-15 | 2019-08-13 | 重庆大学 | 光纤Fabry-Perot位移传感器的双波长非线性位移解调方法及系统 |
| CN110887513A (zh) * | 2019-11-19 | 2020-03-17 | 天津大学 | 一种基于bp神经网络的光纤光栅传感系统及其解调方法 |
-
2022
- 2022-04-24 CN CN202210434907.3A patent/CN114877923B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008232878A (ja) * | 2007-03-22 | 2008-10-02 | Institute Of National Colleges Of Technology Japan | 光スペクトルパタンマッチング法による分布型センサシステム |
| CN102928003A (zh) * | 2012-10-31 | 2013-02-13 | 西安交通大学 | 一种具有实时参考的光纤光栅解调系统 |
| US20190178688A1 (en) * | 2016-08-11 | 2019-06-13 | Tianjin University | Fiber bragg grating demodulation device capable of supressing fluctuations at variable ambient temperature and demodulation method thereof |
| CN108303124A (zh) * | 2018-02-05 | 2018-07-20 | 江南大学 | 一种基于静态可调谐光源的光纤光栅解调系统及方法 |
| CN109186643A (zh) * | 2018-06-21 | 2019-01-11 | 上海第二工业大学 | 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 |
| CN110118532A (zh) * | 2019-05-15 | 2019-08-13 | 重庆大学 | 光纤Fabry-Perot位移传感器的双波长非线性位移解调方法及系统 |
| CN110887513A (zh) * | 2019-11-19 | 2020-03-17 | 天津大学 | 一种基于bp神经网络的光纤光栅传感系统及其解调方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116202567A (zh) * | 2023-02-03 | 2023-06-02 | 海南大学 | 一种基于光谱重建的超高频响光纤光谱仪及实施方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114877923B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN201476800U (zh) | 一种基于awg的高速多通道光纤光栅传感解调系统 | |
| US6310703B1 (en) | Method and apparatus for optical performance monitoring in wavelength division multiplexed fiber optical systems | |
| CN100507455C (zh) | 一种强度调制型光纤传感器的复用方法 | |
| CN101718942A (zh) | 一种多通道光纤光栅解调仪 | |
| CN101881634A (zh) | 基于awg的高速多通道光纤光栅传感解调系统及方法 | |
| CN103278185B (zh) | 基于校准光纤光栅的腔衰荡光纤光栅传感解调装置 | |
| CN109238320A (zh) | 基于边缘滤波和时分复用的光纤光栅传感解调系统及方法 | |
| CN102818531A (zh) | 一种基于重叠多光栅的动态应变测量仪 | |
| CN106768468A (zh) | 一种波分复用准分布式光纤延迟温度传感器 | |
| CN104535007A (zh) | 一种基于腔长可调f-p白光干涉解调装置的分布式光纤应变测量系统 | |
| CN104501731A (zh) | 一种低相干多路复用准分布光纤应变测量系统 | |
| CN114877923A (zh) | 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 | |
| CN108507597A (zh) | 光纤法珀传感器解调装置及方法 | |
| CN110632033A (zh) | 基于fbg解调仪的f-p干涉型多点测量氢气传感器 | |
| CN105698831A (zh) | 双芯光纤光栅阵列传感网络及分布式传感信息获取方法 | |
| CN204630604U (zh) | 一种sms型并联多路复用光纤传感器 | |
| KR100322125B1 (ko) | 배열격자도파로 모듈 및 이를 이용한 광신호 모니터링 장치 | |
| AU2020103661A4 (en) | A distributed fiber strain measurement system based on an adjustable-cavity-length F-P white light interferometric demodulator | |
| CN204555926U (zh) | 一种基于腔长可调f-p白光干涉解调装置的分布式光纤应变测量系统 | |
| AU2020103490A4 (en) | A multiplexing optical fiber interferometer and its nesting construction method | |
| JPS58132637A (ja) | 光フアイバを用いた圧力計測装置 | |
| CN111811553B (zh) | 一种基于光子灯笼光纤的传感网络及方法 | |
| CN113916271A (zh) | 光学传感器寻址芯片、模组、测量系统及测量方法 | |
| CN109443403B (zh) | 一种光纤efpi传感器解调装置 | |
| CN117191094A (zh) | 一种级联型光纤传感器多参量监测系统和方法 |
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 |