使用波长多样性和深度神经网络,通过分布式光纤传感器实现精确的多参数测量

科学领域:

• 光电学和光子学的光学电子和光子学.
• 传感器技术 传感器技术
• 在工程领域的人工智能.

背景情况:

• 准确,空间分辨率的多参数测量对于科学和工业应用至关重要.
• 现有的分布式光纤传感系统在测量准确性和同时检测参数方面面临挑战.
• 先进的传感需要集成的解决方案来处理和分析数据.

研究的目的:

• 开发和演示一个先进的分布式光纤传感器系统,利用波长的多样性来提高多参数测量精度.
• 集成深度神经网络 (DNN) 算法,以改进数据处理,包括无声化,参数估计和振动分类.
• 展示该系统对静态应变,温度和声振动的同时独立测量的能力.

主要方法:

• 基于波长多样性的分布式光纤传感架构的实施.
• 开发和验证一套用于信号处理的深度神经网络 (DNN) 算法.
• 在25公里的传感纤维上进行实验演示,空间分辨率为3米.

主要成果:

• 成功同时独立测量静态应变,温度和声振动.
• 在25公里的光纤上证明了高精度和3米的空间分辨率.
• 验证了DNN算法在传感系统中进行无声化和参数估计的有效性.

结论:

• 拟议的波长多样性分布式光纤传感器系统,通过DNN增强,为多参数监控提供了强大的工具.
• 该系统显示了智能结构健康监测应用程序的巨大潜力,这些应用程序需要高精度和分辨率.
• 这种综合方法提升了分布式光纤传感的功能,用于复杂的环境和结构分析.