Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Blast-Assisted Subsurface Characterisation Using a Novel Distributed Acoustic Sensing Setup Based on Geometric Phases.

Sensors (Basel, Switzerland)·2024
Same author

Phase-sensitive optical time domain reflectometry based on geometric phase measurement.

Scientific reports·2023
Same author

Machine learning assisted BOFDA for simultaneous temperature and strain sensing in a standard optical fiber.

Optics express·2023
Same author

Laser source frequency drift compensation in Φ-OTDR systems using multiple probe frequencies.

Optics express·2022
Same author

Application of Intensity-Based Coherent Optical Time Domain Reflectometry to Bridge Monitoring.

Sensors (Basel, Switzerland)·2022
Same author

Distributed humidity fiber-optic sensor based on BOFDA using a simple machine learning approach.

Optics express·2022

相关实验视频

Updated: Jul 23, 2025

High-speed Continuous-wave Stimulated Brillouin Scattering Spectrometer for Material Analysis
07:55

High-speed Continuous-wave Stimulated Brillouin Scattering Spectrometer for Material Analysis

Published on: September 22, 2017

10.2K

机器学习在Brillouin分布式光纤传感器中的方法

Christos Karapanagiotis1, Katerina Krebber1

  • 1Bundesanstalt für Materialforschung und-Prüfung, Unter den Eichen 87, 12205 Berlin, Germany.

Sensors (Basel, Switzerland)
|July 14, 2023
PubMed
概括

机器学习增强了Brillouin分布式光纤传感器 (DFOSs) 的功能,用于准确的温度和应变监测. 这些进步改善了工业应用,如结构健康监测和管道完整性.

科学领域:

  • 光电子和传感器技术
  • 机器学习应用 机器学习应用
  • 光纤传感传感器是指光纤传感器.

背景情况:

  • 布里卢恩的分布式光纤传感器 (DFOS) 提供连续的,远程的温度和应变监测.
  • 工业应用包括对基础设施和管道的结构健康监测.
  • 传统的信号处理限制了测量速度和分辨率.

研究的目的:

  • 审查用于Brillouin DFOSs的机器学习 (ML) 方法.
  • 突出ML对测量精度,速度和分辨率的影响.
  • 讨论这个跨学科领域的未来研究方向.

主要方法:

  • 在Brillouin DFOS信号处理中使用的ML算法的文献综述.
  • 分析ML在增强Brillouin光学时域分析 (BOTDA) 和Brillouin光学频域分析 (BOFDA) 中的作用.
  • 基于其在DFOS数据分析中的应用而对ML技术的分类.

主要成果:

  • 机器学习集成导致更快,更准确的温度,应变和湿度测量.
  • ML可以提高BOTDA系统中的空间分辨率.
  • ML显著减少了BOFDA系统的测量时间,没有额外的成本.
关键词:
美国FDA BOFDA BOFDA波特达 (Botda) 是一个布里卢因的散射情况人工神经网络的人工神经网络分布式光纤传感器的光纤传感器.机器学习是机器学习.应变和温度测量的测量.结构健康监测 结构健康监测

更多相关视频

Preparation of Extracellular Matrix Protein Fibers for Brillouin Spectroscopy
07:19

Preparation of Extracellular Matrix Protein Fibers for Brillouin Spectroscopy

Published on: September 15, 2016

10.5K
Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping
09:48

Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping

Published on: November 7, 2016

12.1K

相关实验视频

Last Updated: Jul 23, 2025

High-speed Continuous-wave Stimulated Brillouin Scattering Spectrometer for Material Analysis
07:55

High-speed Continuous-wave Stimulated Brillouin Scattering Spectrometer for Material Analysis

Published on: September 22, 2017

10.2K
Preparation of Extracellular Matrix Protein Fibers for Brillouin Spectroscopy
07:19

Preparation of Extracellular Matrix Protein Fibers for Brillouin Spectroscopy

Published on: September 15, 2016

10.5K
Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping
09:48

Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping

Published on: November 7, 2016

12.1K
  • 机器学习可以为复杂的传感场景提供增强的数据分析.

    • 结论:

    • 机器学习是Brillouin分布式光纤传感的转型技术.
    • ML为关键工业监控提供了具有成本效益的性能改进.
    • 未来的研究应该专注于先进的机器学习模型,以获得更大的传感能力.