同时测量温度和相对湿度,使用基于雷利的光学频域反射计的机器学习

科学领域:

• 光学传感技术的技术.
• 机器学习在计量学中的应用.
• 环境监测仪器仪表环境监测仪器仪表

背景情况:

• 准确同时测量温度和相对湿度 (RH) 对各种应用至关重要.
• 传统方法通常需要复杂的后处理或单独的传感器.
• 基于雷利的光频域反射计 (OFDR) 为分布式传感提供了一个有前途的平台.

研究的目的:

• 开发和验证机器学习 (ML) 模型,用于使用OFDR.同时传感温度和RH.
• 为了研究双段光纤传感器 (裸体和聚胺涂层) 的性能,以不同的环境灵敏度.
• 消除手动数据后处理,减少基于OFDR的测量分析时间.

主要方法:

• 使用了一个包含裸体和聚胺涂层纤维段的传感器单元,具有不同的温度灵敏度.
• 开发了一种机器学习 (ML) 模型,用于处理OFDR数据,同时进行温度和RH提取.
• 评估传感器单元长度和数据点数量对测量精度 (RMSE) 的影响.

主要成果:

• 实现高精度的同时温度和RH测量与根平均平方误差 (RMSE) 的0.36°C和1.73%RH,分别为3厘米的传感器长度.
• 证明了ML模型在区分和量化温度和RH贡献方面的有效性.
• 量化了传感器配置参数对整体测量精度的影响.

结论:

• 拟议的ML驱动的OFDR系统能够准确,同时和自动测量温度和RH.
• 与传统的后处理方法相比,这种方法大大减少了数据分析时间.
• 开发的技术为需要精确监控的不同领域的环境传感提供了强大的解决方案.