波长检测串行WDM超短纤维布拉格格网状传感器网络基于CCD查询器使用深度信念网络和子搜索算法

科学领域:

• 光电学是指光电子产品.
• 传感器网络 传感器网络
• 机器学习 机器学习

背景情况:

• 纤维布拉格格 (FBG) 传感器对于应变测量至关重要.
• 在FBG网络中重叠的频谱对准确的信号解调构成了挑战.
• 现有的方法可能需要高精度的询问器,这限制了实际应用.

研究的目的:

• 为串行波长分割多重复合 (WDM) FBG传感器网络开发一种高效的应变测量方法.
• 为了使用低精度充电合装置 (CCD) 询问器实现准确的信号采集.
• 提高FBG传感器系统的通用性和现实世界的实施.

主要方法:

• 使用超短FBG来管理光谱重叠.
• 在没有光学开关的情况下实现串行WDM FBG传感器网络架构.
• 将功能学习的深度信念网络 (DBN) 与用于超参数优化的子搜索算法 (SSA) 结合起来.

主要成果:

• DBN-SSA模型证明了与CCD查询器数据的良好解调精度和速度.
• 获得了1.68 pm的最佳根平均平方误差 (RMSE).
• 实现了1.4ms的单次推断时间,表明了高效率.

结论:

• 拟议的DBN-SSA解调系统为具有有限数据精度的FBG传感器网络提供了可靠的解决方案.
• 这种方法提高了FBG传感器技术的实用性和可访问性.
• 该方法有效地解决了与重叠频谱和低分辨率数据采集相关的挑战.