文摘

光纤布喇格光栅(FBG)传感器是一种良好的传感器在测量应变、压力、振动、温度和在不同的应用程序,比如在智能结构、风力涡轮机、航空航天、工业、军事、医疗中心和土木工程。光纤光栅传感器具有以下优点:不受电磁干扰,重量轻,体积小,灵活,可伸缩的,高度准确,再稳定,能够在测量超高速事件。在本文中,我们提出并展示一个强度和波分多路复用(IWDM)光纤光栅传感器系统使用拉曼放大器和极端学习机(ELM)。我们使用一个IWDM技术提高光纤光栅传感器的数量。随着光纤光栅传感器数量的增加和两个或两个以上的光纤光栅的光谱重叠,传统的峰值检测unappropriate (CPD)方法检测中央布拉格波长的光纤光栅传感器。为了解决这个问题,我们使用榆树技术。榆树是用来精确地检测中央布拉格波长的光纤光栅传感器即使在光纤光栅的光谱部分或完全重叠。此外,拉曼放大器添加到纤维跨度来生成一个增益介质中的传输光纤、放大信号,补偿信号的损失。传输距离和传感信号质量增加时,拉曼泵浦功率的增加而增加。实验结果显示,一个拉曼放大器补偿信号损失和提供了一个稳定的传输距离感应输出甚至超出45公里。 We achieve a remote sensing of strain measurement using a 45 km single-mode fiber (SMF). Furthermore, the well-trained ELM wavelength detection methods accurately detect the central Bragg wavelengths of FBG sensors when the two FBG spectra are fully overlapped.

1。介绍

光纤传感器在智能结构十分重要,主要是输电线路,作为传感介质,或两者的结合。光纤布喇格光栅(FBG)是一个有利的光纤传感器来测量应变、压力、振动、温度和在不同的应用程序,比如在智能结构、风力涡轮机、航空航天、工业、军事、医疗中心和土木工程。此外,光纤光栅传感器的应用与桥梁监测、损伤检测、结构健康监测、铁路运输的应用程序,和其他恶劣环境应用(1- - - - - -3]。光纤光栅传感器的优点是不受电磁干扰,重量轻,体积小,高度准确,再稳定,能够在测量超高速事件。光纤光栅传感器的传感特性包括识别中央布喇格波长的变化时受到物理参数振动、应变、温度和其他传感器的性质的变化4- - - - - -6]。多路复用光纤光栅传感器是一种有效的技术来实现多点测量单光纤电缆。多路复用降低了quasidistributive应变测量的操作和安装成本(7]。各种多路复用技术、波分复用(WDM)是一个重要的机制,认识到精确的中心波长传感器网络中的每个光纤光栅传感器(7,8]。在波分复用,每个布拉格光纤光栅传感器需要一个不同的波长和光谱重叠是被允许的。然而,多路传感器的数量限制宽带源带宽和工作波长范围所需的各光纤光栅传感器(9]。

最近,研究者提出强度和波分多路复用(IWDM)技术来增加光纤光栅传感器的数量是多路复用(8- - - - - -10]。IWDM低复杂度的优势。IWDM方案提出了(9)使用可调谐光纤环激光器作为光源和一个法布里-珀罗滤波器来选择不同的波长。然而,这个方案不适合长途环境感知,因为它不放大光纤光栅信号。在[10),作者提出了光纤光栅传感器系统的容量和能力增强使用IWDM技术。然而,IWDM不可测的差距的问题当两个或两个以上的光纤光栅光谱部分或完全重叠。重叠光谱引起传感器之间的串扰和错误中部布喇格波长检测。此外,IWDM限制长距离传输时,光纤光栅传感器数量的增加。如今,除了使用IWDM增加光纤光栅传感器的数量,增加信号传输距离是一个非常重要的问题。

光纤光栅传感器系统的最大信号传输距离通常限制在25公里由于光纤链路的信号丢失和瑞利散射11- - - - - -16]。此外,信号损失和瑞利散射诱导光学噪声和降低信号传输质量。信号放大是很重要的对于长距离传输和远程传感功能。在不同的光学信号放大技术、拉曼放大是最好的放大器来提高传输距离。拉曼放大需要生成一个增益介质中的传输光纤,这加剧了光接收机的信号才能进入。拉曼放大有能力在任何放大信号波长带使用一个适当的注入方案(13- - - - - -15]。通过添加一个光纤喇曼放大器,信号功率损耗是降低高度提高了signal-spontaneous击败噪声性能。为了实现长距离光纤光栅传感器系统,提出了几种方法(13- - - - - -17]。在[13),拉曼激光远距离遥感已经证明。然而,光纤光栅被组合在一起的方向的长纤维,因此,审讯者是不可能的动态范围扩展,因为它会影响系统的响应时间。计划(17]提出linear-cavity光纤喇曼激光器的长途光纤光栅传感器系统。腔包括两个光纤光栅与光纤环镜。然而,光纤环镜系统稳定性的限制因素和配置的复杂性。此外,应用应变时,两个光纤光栅的光谱可能重叠,不能解决每一个光纤光栅的传感信息。最近,除了增加光纤光栅传感器的数量和最大传输距离增加,关注关注波长光谱重叠的检测光纤光栅传感器。

在IWDM,中央布拉格波长探测技术是一个非常重要的问题来检测每一个光纤光栅中心波长即使两个或两个以上的光纤光栅光谱部分或完全重叠(18]。先前的研究者提出几个中心波长检测方法,如tabu-gradient搜索算法(18)、过滤器(19,20.),传统的峰值检测(CPD) [21),径向基函数网络(22网络[],学习机23]。在[19),光纤光栅传感器的传感精度是提高使用数字低通滤波器。然而,由于噪音过滤器影响测量精度在过滤器。CPD使用可调谐滤光器来检测每一个光纤光栅的中心波长传感器(21]。然而,这种方法是不合适的,如果两个或两个以上的光纤光栅的光谱重叠,因为它不能解决每一个光纤光栅的传感信息。上述所有中央波长检测方法增加光纤光栅传感器和检测的数量限制中央布喇格波长的光纤光栅在光纤光栅光谱重叠。

本文提出了一种新颖的极端学习机(ELM)建立中央布拉格波长检测方案幽灵似地重叠光纤光栅传感器。一个榆树准确决定了中央布拉格波长。相比CPD机器学习方法,如神经网络(NN)和支持向量机(SVM) [24),一个榆树良好的泛化和快速学习的重要性和需要较少的人工干预。一个榆树在实时应用程序是有效的,因为它自动确定所有网络参数(25,26]。此外,我们建议IWDM增加光纤光栅传感器的数量,我们采用喇曼放大器来提高传感信号传输距离和改善信号质量。

本文的其余部分组织如下。节2操作原则进行了简要的讨论,给出了数学表达式。部分3提出了榆树。节4,并给出了实验和仿真结果。最后,我们总结本文的结论部分5。

2。操作原理和方法

的原理图IWDM和榆树技术应用到光纤光栅传感器系统通过使用解释三个光纤光栅传感器,如图1。宽带光源是EDFA发出。宽带光源发出的光注入光纤光栅传感器通过一个2×2耦合器(50:50)和分成两个分支(50:50)。一个50的一个分支:50耦合器组成1×2耦合器(30日:70)。两个光纤光栅传感器(即。,FBG1 and FBG2) are employed after a 30% and 70% output power ratio of a 1 × 2 coupler, respectively. FBG3 is employed after a 50% output power ratio of a 50 : 50 coupler. FBG3 is deployed after a 45 km SMF in order to have a gain medium. The back-reflected light from each FBG is propagated through the other arm of a 2 × 2 coupler and passes into the Raman amplifier. The Raman output power can be pumped to the SMF via a WDM coupler. The Raman amplifier consists of two laser diodes (LDs) with wavelengths of 1420 nm and 1450 nm. The polarization beam combiner (PBC) combines the outputs from the two LDs. The combined outputs from the two laser diodes are inserted into the Raman pump through the WDM coupler and the combined light is fed into a 45 km SMF. The output signal from the Raman amplifier is fed into the optical spectrum analyzer (OSA) to show the back-reflected wavelengths and to measure the central Bragg wavelengths. Finally, the measured reflected spectra of FBGs from OSA are sent to a personal computer (PC) for additional data processing.

传统的WDM要求各光纤光栅传感器应该有一个独特的光谱区,这限制了传感器系统的多路复用能力(9]。该方法允许两个光纤光栅的反射光谱重叠时进入重叠区域。当一个带宽的半宽度(FHWM)之间的距离大于两个光纤光栅中心波长,很难识别每个布拉格光纤光栅中心波长(24]。因此,在我们的研究中,重叠光谱的中心波长检测转化为一个回归的问题。我们假设是光纤光栅的反射光谱的阻塞性睡眠呼吸暂停综合症和 中央布喇格波长的吗我光纤光栅。阻塞性睡眠呼吸暂停综合症的测量光谱表示为 在哪里 中央布喇格波长的光纤光栅, 的峰值反射率是吗我光纤光栅,光纤光栅传感器的数量,是一个随机噪声。

如果光纤光栅的光谱重叠,很难确定中央布拉格波长(从光谱) 使用CPD方法。因此,我们使用榆树技术检测(识别)中央布喇格波长的光纤光栅传感器。拟议的榆树是采用多输入多输出回归如图2。榆树是一种监督学习算法有两个不同的阶段,也就是说,训练阶段(离线阶段)和测试阶段(在线阶段)。在训练阶段,大量的训练数据训练榆树提供。 在哪里 从光纤光栅反射光谱采样数据生成使用(1), 相应的目标输出,在光谱的波长数,系统中是光纤光栅传感器的数量。

在测试阶段,只有新的测量光纤光栅反射光谱的阻塞性睡眠呼吸暂停综合症被送入训练有素的榆树模型。训练有素的榆树模型快速检测(识别)中央每个光纤光栅布喇格波长的。

3所示。极限学习机(ELM)

提出一种ELM-based中央布拉格波长检测来解决这个问题的非线性光纤光栅应变因素之间的关系。计划(24)提出了一个榆树单隐层前馈网络(SLFNs)。SLFN结构包含三层,如输入层、隐藏层和输出层,由神经元连接,如图3方法是有限的和一个非线性前馈神经网络隐层,这种类型的网络能够使任何连续的随机近似非线性映射(27]。而不是使用基于传统的梯度学习方法需要若干次迭代,一个榆树其输入权重随机生成和使用简单的矩阵计算隐藏层和输出层之间确定权重的输出。解决榆树的正则化最小二乘速度比解决支持向量机中的二次规划问题的方法(25,26]。

ELM方法认为波长检测问题是一个回归的问题。在培训过程中,榆树随机生成输入权重和偏差值 。预测只能通过确定激活函数和计算隐层神经元的数目。给定的训练数据(2),一个任意的标准SLFN不同的样品( ), 输入波长光谱和吗 是目标光纤光栅的布喇格波长。标准SLFNs激活函数和隐藏的神经元数学表示如下: 在哪里 是输出权值连接我th隐藏神经元和输出神经元, 是随机选择的输入连接输入神经元和重量我th隐藏的神经元,是隐藏的神经元数量,是随机偏差输入层和连接我th隐藏层,实际的输出输入什么_。

根据(24),(3)可以改写成一个矩阵形式如下: 在哪里 在哪里隐藏层的输出矩阵,是输出权重矩阵,是目标输出。在反向传播学习算法,用户需要指定学习速率的值和总误差函数不会被发现。反向传播学习算法可能训练过度,可以局部最小值(28]。为了克服这个问题,计划(28提出了最小的范数最小二乘解 。因此,输出的重量可以通过矩阵的内积计算的和如下(24]。 在哪里是输出权重矩阵,是Moore-Penrose伪逆矩阵(MPPI)(29日),而是目标输出。方程(6)提供了最好的泛化性能最小训练误差(28]。最后,一旦训练有素的榆树,可以用于回归的任务。当我们获得新测量的光纤光栅反射光谱重叠阻塞性睡眠呼吸暂停综合症作为测试样本数据 ,训练有素的榆树的等效输出可以数学计算 在哪里是榆树的输出检测(估计)中央每个光纤光栅的布喇格波长。因此,训练有素的榆树可以检测或估计的中心波长测试样本。通常,榆树的算法网络学习算法是给定一个训练集: ,激活函数 ,隐藏节点的数量 。ELM-based学习过程可以概括如下:(1)确定隐层神经元的数量,随机集的偏见 ,并设置权重在输入层和隐层之间。(2)选择的激活函数,然后计算输出矩阵隐层的所有训练样本。(3)权重和输出的重量 计算,隐层输出矩阵的MPPI吗 。

4所示。实验和仿真结果

图1给出了实验装置的使用拉曼放大器和榆树IWDM-FBG传感器系统。宽带光源发出EDFA注入三个光纤光栅传感器。光纤光栅的反射光谱测量采样到1001分在一个波长范围从1545.71到1550.71 nm。阻塞性睡眠呼吸暂停综合症的跨越宽度将4海里和阻塞性睡眠呼吸暂停综合症的最小分辨率为0.03 nm。测量的光纤光栅反射光谱阻塞性睡眠呼吸暂停综合症被传递给电脑进行进一步的数据处理。FBG1的中心波长、FBG2 FBG3 1547.54 nm, 1547.83 nm,分别和1548.21海里。3 dB带宽FBG1 FBG2,和FBG3传感器0.24 nm,分别为0.226和0.24 nm。反射率以及带宽的光纤光栅传感器的变化在不同的光栅长度和折射率的变化。我们假设三个光纤光栅的反射光谱高斯形状的 在哪里是波长,光纤光栅反射率峰值最大,峰值波长的光纤光栅,是半宽度。通常,当三个核心布拉格波长之间的距离小于一半的带宽宽屏最大值(应用),很难直接区分峰值波长。每个光纤光栅的反射率峰值必须不同识别每个布拉格光纤光栅中心波长的光谱重叠。

光纤光栅传感器系统,最大信号传输距离通常限制在25公里由于纤维联系和瑞利散射信号的损失。信号损失和瑞利散射诱导光学噪声和降低信号传输质量11- - - - - -16]。因此,我们使用一个拉曼放大器增加传输距离(长距离传感)和弥补在长距离传输信号的损失。如图145公里后,FBG3部署SMF长距离信号传输或遥感45公里。图4(一)显示了三个光纤光栅的光谱测量拉曼泵关闭时,如图,FBG3波长很小的力量甚至消失时,拉曼泵关闭。因此,45公里传输后,检测中心是非常具有挑战性的布喇格波长的FBG3没有采用喇曼放大器。因此,通过添加一个光纤拉曼放大器(FBG3),信号功率损耗是降低高度提高了signal-spontaneous击败噪声性能。信号沿光纤传播将会减弱,但靠近光纤拉曼泵的位置,它将开始经历一些获得拉曼泵浦波长。更高的功率信号从而增加信噪比(信噪比),使纤维跨度长,更高的能力和频谱效率,和更长的距离。另一方面,FBG1和FBG2没有定位在长途而FBG3如图1。因此,FBG1和FBG2可以感知信号低于25公里。如图4(一),测量光谱FBG1 FBG2是可见的,甚至可以检测中央布拉格波长拉曼泵关闭时。由于这个原因,我们不需要任何拉曼放大FBG1和FBG2传感器。图4 (b)显示的是测量光谱,拉曼泵打开。如图,传感信号质量FBG1 FBG2是拉曼泵关闭时也一样。但是,FBG3的传感信号时显著提高拉曼泵是打开的,因为拉曼泵补偿长途光纤的信号丢失。SMF 45公里传输后,增益介质的价值FBG3前后拉曼放大器是4 dB,足以补偿信号损失。

IWDM技术可以增加多路复用的光纤光栅传感器的数量保持相同的动态范围为每一个光纤光栅传感器(8]。然而,随着光纤光栅传感器数量的增加,两个或两个以上的光纤光栅的光谱部分或完全重叠。因此,我们用榆树准确确定每个FGB中央布喇格波长的两个光纤光栅的光谱重叠。我们开发一个使用MATLAB仿真环境来验证ELM-based中央布拉格波长检测技术在光纤光栅的光谱重叠。仿真运行在PC,英特尔酷睿i7 - 4790 3.60 GHz CPU和20.48 GB RAM。ELM-based中心波长检测的仿真与三个光纤光栅传感器进行。假设三个光纤光栅的反射光谱是高斯形30.]。三个光纤光栅的反射光谱与随机噪声添加使用(1)来模拟在不好的环境中。在仿真过程中,中央布喇格波长的FBG1从1547.54到1548.662 nm FBG1通过应用应变变化,虽然FBG2的布喇格波长和FBG3固定在1547.83和1548.21 nm,分别。菌株应用于FBG1是增加了~ 75μɛ在每一个步骤。如果一个菌株应用于FBG1,中央布拉格波长将因为折射率的变化。因此,检测波长FBG1也变化。中心的布喇格波长位移FBG1根据光纤光栅轴向应变应用于被描述为 在哪里是中央布喇格波长偏移,是中央布喇格波长,是elastic-optical常数(Pe≈0.22),然后呢应用应变FBG1。如果我们知道中央的布喇格波长位移FBG1在每个应用应变值,我们可以计算FBG1中央布拉格波长在每个应用应变值通过以下方程:

因此,我们可以改变的中心波长FBG1在每个应用应变值使用(1),然后计算了光纤光栅的反射光谱(1使用MATLAB仿真)。14种不同的重复测量应变值(步骤)。图5显示了三个光纤光栅的反射光谱应用于FBG1应变时相应的应变措施0,2,4,6,8,10,12,14所示。如图所示,可以看出三个光纤光栅的光谱是不同的应变一步0,步骤12和14步。但是,FBG1和FBG2部分重叠光谱的应变应变步骤4步骤2和完全重叠。同样,FBG1和FBG3部分重叠光谱的应变第六步和第十步,完全重叠在步骤8。如图6光纤光栅光谱重叠导致串扰和不可测的光纤光栅传感器之间的差距,这就是为什么很难确定准确的中央(峰值)波长使用传统的CPD(没有使用榆树技术)的技术。

图6显示了不可测的差距三个光纤光栅传感器,当两个光纤光栅的光谱重叠。我们应用内的应变范围从0με到1052年μεFBG1,这导致其中心波长从1547.54到1548.662 nm的转变。当应用应变FBG1是在150年με和450年με的光谱FBG1 FBG2重叠,我们不能检测到两个光纤光栅的中心波长传感器使用CPD技术。不能探测光纤光栅的中心波长范围叫做不可测的缺口。当应用应变FBG1大于450με的光谱FBG1和FBG2分离但是FBG3 FBG1光谱的重叠。应用应变范围内FBG1 450με-900年με将创建FBG1和FBG3不可测的差距。因此,我们不能检测的中心波长FBG1 FBG3用CPD技术。我们可以直接检测的所有三个布拉格光纤光栅中心波长使用CPD技术只有在应用应变小于150με或大于900με。应用应变时在150年με和900年με,不可测的差距将至少创建两个光纤光栅传感器。由于这个原因,我们提出了榆树随后解决重叠或不可测的差距问题。对于每个应用应变值,训练有素的榆树可以准确检测中心三个光纤光栅布喇格波长使用(8)即使光纤光栅的光谱范围内的重叠或不可测的差距。

拟议的榆树技术演示和测试通过使用MATLAB仿真验证的榆树波长检测机制的可行性。为了培养一个榆树,训练数据集生成使用(1),这是三个光纤光栅的反射光谱通过应用FBG1应变变化。14种不同的重复测量应变值(措施),并计算了光纤光栅的反射光谱(1使用MATLAB仿真)。图5显示了三个光纤光栅的反射光谱FBG1当我们应用不同的菌株。训练数据集的输入和相应的目标。输入三个光纤光栅的反射光谱FBG1每个应用应变值,和相应的目标是每一个光纤光栅的中心波长在每个应用FBG1应变值。生成的训练数据预处理和准备可用于培训一个榆树基于(2)。训练数据的样本大小是15000。榆树是训练有素的30倍的训练数据集使用前馈神经网络算法。在训练阶段,我们有调整神经元的数量,数量的时代,和隐藏层的数量得到最好的泛化性能的榆树。获得最佳性能的训练有素的榆树当神经元的数量是2000,时代的数量是1000。训练和测试精度增加当神经元的数量增加。测试数据集生成三个光纤光栅的反射光谱测量的一个使用一个实验性阻塞性睡眠呼吸暂停综合症的方法。在实验中,应用应变FBG1将中央布拉格波长从1547.54到1548.662 nm,虽然中央布拉格波长的FBG2和FBG3是固定的。应用应变FBG1, FBG1被安装在翻译阶段(TS)。然后通过手动调优TS,应用于FBG1应变。 This manual tuning of the TS in the fiber grating leads to a shift in the central Bragg wavelength of FBG1. When the central Bragg wavelength of FBG1 shifts, an overlap occurs between FBG1 and FBG2 and between FBG1 and FBG3 at a different time. The shift in the central Bragg wavelength of FBG1 is observed and obtained from an OSA. The applied strain to FBG1 at each step is ~75 μɛ。应变()与位移()的翻译阶段 ,在那里总纤维长度是不堪重负。应用应变FBG1后,三个光纤光栅的反射光谱测量用一个阻塞性睡眠呼吸暂停综合症。14种不同的重复测量应变值(步骤)。对于每个应用应变值,三个测量一段时间内进行的3分钟。测试数据的样本大小是2000。数据7(一)和7 (b)显示三个光纤光栅的反射光谱产生的一些典型应用应变值的阻塞性睡眠呼吸暂停综合症(步骤)FBG1对应应变步骤4和8,分别。在测试阶段,我们采取了新的完全重叠光谱的阻塞性睡眠呼吸暂停综合症,如图7(一)和7 (b)测试训练有素的榆树模型。训练有素的榆树模型可以准确地检测或确定中央布喇格波长的FBG1 FBG2, FBG3 (8)。

数据7(一)和7 (b)显示三个光纤光栅的反射光谱测量的阻塞性睡眠呼吸暂停综合症,应用应变FBG1对应应变步骤4和步骤8,分别。如图,两个光纤光栅传感器光谱是重叠的,这就是为什么难以识别中央每个光纤光栅布喇格波长使用传统CPD技术。因此,我们使用榆树技术来解决这个问题。对于每个应用应变,榆树实现获得确切的布喇格波长的FBG1中部,FBG2, FBG3在所有独立的测试运行。图8显示仿真输出的检测中心使用训练有素的榆树模型三个光纤光栅布喇格波长的光谱FBG1和FBG2完全重叠在步骤4(见图7(一))。之差的绝对值预测中心波长值和实际计算中心波长值的检测误差,表示为检测误差= |预测中心波长值−实际中心波长值|。的检测误差提出了榆树模型当FBG1和FBG2光谱重叠是0.018,这是一个很小的错误。这表明我们可以准确地识别中央布喇格波长的FBG1 FBG2即使输入光谱的两个光纤光栅传感器是完全重叠。同样,图9显示仿真输出的检测中心三个光纤光栅布喇格波长使用训练有素的榆树当FBG1的光谱和FBG3完全重叠在步骤8(见图7 (b))。检测该方法的错误当FBG1和FBG3光谱重叠是0.021,这是一个很小的错误。因为FBG2的中心波长和FBG3是固定的(常数),我们可以很容易地确定为FBG1中心波长,FBG2, FBG3当训练有素的榆树检测(识别)三个光纤光栅的中心波长(见图8或9)。只有FBG1中心波长变化在波长位移或重叠。因此,数据8和9表明,训练有素的榆树模型可以准确地检测中央布喇格波长的FBG1 FBG2, FBG3即使输入光谱的两个光纤光栅传感器是完全重叠。

图10显示了训练有素的榆树模型的输出,这是中央的三个光纤光栅布喇格波长检测每个应变值(步骤)。当中央两个光纤光栅布喇格波长的部分或完全重叠(从应变步骤2到步骤12)拟议的榆树可以确定中央甚至三个光纤光栅的布喇格波长重叠的波长范围。榆树的性能模型可以描述训练时间,测试时间,测试结果的均方根误差(RMSE)值。一个榆树在训练时间和学习速度一个巨大的优势。当隐藏的神经元的数目是2000,榆树的训练时间是12和榆树的测试时间是0.10秒。训练时间和测试时间增加当隐藏的神经元数量的增加。因为一个榆树模型可以直接确定中央布喇格波长的光纤光栅传感器,榆树是简单得多,并且极大地降低了培训的时间和测试时间比CPD技术。RMSE可以评估中心的布喇格波长检测性能训练有素的榆树当两个或两个以上的光纤光栅光谱部分或完全重叠。RMSE值可以计算由以下方程: 在哪里是实际的布喇格波长中部,预测(发现)中央布拉格波长,然后呢是测试数据的数量。中央布拉格波长检测的准确性方面的训练有素的榆树模型RMSE整个操作压力范围(从0到1052με)是0.3点。

图11显示了训练有素的榆树中央布拉格波长检测错误(例如,)对14应变措施。如图,均方根误差是非常高的,当两个光纤光栅光谱完全重叠(当应变= 4步,一步= 8)这意味着检测精度降低时,两个波长光谱重叠。当两个中心布喇格波长完全重叠(应变步骤= 4和步骤= 8),一个榆树可以识别中央三光纤光栅布喇格波长的。应变步骤4和步骤8中的均方根误差是1.25点和1.28点,分别。图12显示了RMS与时代错误。榆树的检测性能是稳定的,当时代的数量增加,但它往往会变得更糟的是当使用太少的时代。如图时代号码是1000,均方根误差变得约0.25点这是非常小的。因此,实验和仿真结果表明,使用训练有素的榆树,中央布拉格波长的光纤光栅与明确的识别精度,即使光纤光栅的反射光谱完全重叠。中央布拉格波长检测精度达到一个榆树是0.3点,具有更好的泛化性能比CPD技术(19- - - - - -23]。

5。结论

介绍了一个使用拉曼放大器和榆树IWDM-FBG传感器系统。光纤光栅是有利的传感器在不同的应用程序和不受电磁干扰的优点,重量轻,灵活、可伸缩的,体积小,高度准确,再稳定,能够在测量超高速事件。拉曼放大器用于增加传感信号传输距离和优化信号的质量。增加拉曼泵浦功率增加传输距离和传感信号质量。实验结果表明拉曼放大器可以弥补损失甚至可以提供一个稳定的感应输出信号传输距离超过45公里。此外,我们实现遥感的应变测量的远程位置45公里。我们employed IWDM增加光纤光栅传感器的数量,使光纤光栅光谱重叠。拟议的榆树可以解决这一问题的不可测的差距一直在面对IWDM技术。榆树是简单得多,极大地减少了训练时间和测试时间,提高了检测精度比卷积波长检测技术。拟议的系统是0.3的RMSE点可以准确检测中央每个光纤光栅布喇格波长即使光纤光栅的光谱是完全重叠。

数据可用性

使用的数据来支持本研究的发现可以从第一作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了科技部,台湾,合同最106 - 2221 - e - 027 - 100。