基于多级衍射及自适应补偿的光纤光栅传感器解调技术

解调技术是决定光纤光栅传感解调系统速率、精度、容量等性能的关键因素。提出一种基于线阵光电探测器成像原理的光纤光栅传感器解调方案,通过多级衍射,结合弱曝光自适应超频技术和FPGA并行数据处理技术,实现了对传感信号的快速解调,同时可以实现对级联型光纤光栅传感器和长周期光纤光栅传感器信号的解调。使用温度、应力敏感光纤光栅传感器对搭建的铁路桥模型进行监测,实验结果表明,光纤光栅传感系统的解调精度可以达到10 pm量级,系统可测量光谱范围达50 nm,提高了传感系统的解调速率和精度,同时实现了光纤光栅解调设备的微型化。     

基于单片机的光纤光栅解调器

Bragg光栅解调系统是光栅传感器得以实用化的关键。根据光纤Bragg光栅传感器的传感机理,介绍了Bragg光栅解调系统的工作原理,建立了解调系统模型,提出了实现Bragg光栅解调的单片机解调系统,给出了详细的软硬件设计方案。光栅解调系统测量能够精度达到±5pm,重复性最大误差为±8pm。     

煤矿用光纤Bragg光栅火灾探测系统研究

采用特殊合金材料封装制作了光纤Bragg光栅火灾探测器,温度传感实验表明,该火灾探测器的温度灵敏度是裸光栅的1.755倍,实现了温度的增敏;应用该火灾探测器与光纤光栅波长解调仪、数据传输和控制总线、数据控制中心等设计了煤矿用光纤Bragg光栅火灾探测系统,该系统采用光纤光栅波长解调仪对由现场感温光栅反射回的光信号进行波长解调并测试波长的变化率,通过该波长变化率获知是否发生火灾。实验表明,该系统具有较高的火灾探测准确率,并能缩短报警时间。     

FBG温度传感的多路解调方法

提出了一种基于匹配光纤布拉格光栅的光栅温度传感新型多路解调方案,利用微机控制步进电机对多路匹配光栅施加压力和拉力从而与测量光栅匹配,达到对温度传感信号的解调。并对实验数据进行处理,建立了系统的响应特性模型。实验结果证明,该解调方法测量简单,重复性好,准确度较高。     

基于线阵图像传感器的光纤光栅传感解调技术

对比线阵CCD，CMOS图像传感器和InGaAs图像传感器的原理、特点和性能，提出了基于InGaAs图像传感器的光纤光栅传感解调技术，并设计了基于线阵InGaAs图像传感器的光纤光栅传感解调系统，而且通过计算机控制单独对应力和温度变化进行了测量实验，得到了理想的结果．基于线阵InGaAs图像传感器的解调系统不但测量精度和分辨率很高，而且基本上实现了光纤光栅传感的智能化，为光纤光栅传感的工业化奠定了基础，具有很好的应用前景.     

光纤光栅传感系统的现状及发展趋势

介绍了光纤光栅传感系统的构成,分析了光纤光栅传感系统所用的3种不同的光源LED,LD和掺铒光源的性能,阐述了光纤光栅传感器的工作原理和各种不同的温度和应力的区分测量方法,描述了滤波法、干涉法、可调窄带光源法等几种常用的信号解调技术,最后,提出适应未来的需要如何对光纤光栅传感系统的光源、光纤光栅传感器和信号解调进行优化。     

分布式光纤光栅传感器波长检测新技术简述

本文阐述了光纤布拉格光栅温度应力传感器的工作原理及光栅中心波长的移动探测解调原理，以及分布式光纤光栅传感器解调的新方法，并且给出了其应用前景。     

基于DSP的光纤光栅解调系统设计与实现

基于DSP小波消噪技术设计实现了光纤光栅解调系统.利用DSP对含噪光纤光栅反射谱进行分解与重构,实现了实时小波消噪;利用单片机外部中断实现反射谱峰值的准确定位.进行了相关的仿真试验,验证了利用DSP进行小波消噪处理的可行性.光纤光栅温度解调实验结果表明,解调系统的解调线性度得到了改善.     

阵列波导光栅波长解调系统的温度补偿方法的研究

阵列波导光栅波长解调系统具有结构简单、响应速度快等优点,由于阵列波导光栅的中心波长会受环境温度影响而产生漂移,影响解调精度。在分析了阵列波导光栅波长解调原理的基础上,提出了一种阵列波导光栅波长解调系统的温度补偿方法。该方法利用补偿光栅确定温度补偿系数,实现对阵列波导光栅波长解调系统的温度补偿,消除了温度漂移对解调精度的影响。实验结果表明,在环境温度变化范围为14-44℃时,该方法解调误差仅为2pm,较未加入补偿有明显提高,在高精度阵列波导光栅波长解调领域具有很高的应用前景。     

基于卡尔曼滤波算法的嵌入式光纤光栅解调系统

针对目前光纤光栅解调系统算法复杂，需要借助上位机进行解调的不足，设计了一种基于卡尔曼滤波算法的嵌入式光纤光栅解调系统。该系统在STM32嵌入式平台上采用卡尔曼滤波算法，结合趋势判断算法实现了FBG中心波长的快速解调。实验结果表明，系统的测温精度可达±0.1℃,对FBG温度传感器中心波长的解调稳定性可达±3 pm,温度与波长线性变化的拟合度可达0.998以上，能够满足实际工程应用的需求。     

一种自由曲线廓形误差的高效可靠评价方法

为实现对自由曲线廓形误差的高效可靠评价,提出了一种结合多项式方程求根与 实数编码遗传算法(RCGA)的评价方法。首先,根据最小二乘准则建立了廓形误差评价的优化模 型;进而,通过构造多项式方程,并采用 Halley 迭代对方程求根,实现了点到自由曲线距离的 高效计算;然后,采用 RCGA 完成了优化模型的求解,并与分割逼近法得到的结果进行了对比。 结果表明,该方法高效可靠,相同条件下计算时间约为分割逼近法的 5%,能够满足自由曲线 廓形误差的评价。     

倾角仪特性研究及其测量误差补偿

为了减轻非线性因素和环境温度的变化对倾角仪测量的影响,在充分研究倾角仪测量特性的基础上,采用多项式拟合方法研究了倾角仪非线性误差和温度漂移误差的软件补偿技术.建立了测量误差与非线性输出的多项式模型,拟合求出了多项式模型的各个系数与环境温度的关系函数,得到了倾角仪在一定倾角范围和温度范围内的测量误差的计算公式.实验证明了...     

离散系统自寻最优降阶模型的一种新方法及应用

本文提出了离散系统自寻最优降阶模型的一种新方法及应用.它是通过将误差多项式的系数设置为零使模型与系统的部分 M 参数及 H 参数相匹配,M 参数和 H 参数又是根据七种不同的误差积分指标由用户根据需要选定其中的任意一种,使这种误差积分指标最小而实现自寻最优的匹配,从而使获得的降阶模型接近于系统.就是说保持了系统的一定特性.这是一种合理的近似.根据这种方法以 PASCAL 语言编制成程序,在 PDP-11/23计算机上运行.以某个实际的计算机系统为例,进行了仿真和比较,论证了这种方法的正确性、可行性以及相当好的效果.这是一种效率高。易于实现 M 和 H 参数的最优匹配型,并易于理解的方法。     

电液伺服系统多项式非线性建模与控制一体化设计

常规电液伺服系统PID控制无法克服非线性因素影响,存在跟踪准确性和鲁棒性问题.因此,本文提出电液伺服系统多项式非线性H_∞控制律设计方法,改进电液伺服系统的控制性能与鲁棒性.首先利用多项式非线性模型对电液伺服系统进行系统辨识,得到以误差作为状态变量的多项式非线性模型;然后设计多项式非线性控制律,证明所提出控制律可以保证系统从干扰至控制输出L₂增益小于等于设定值,并且在系统干扰为零时保证误差全局渐进收敛,同时给出了控制律的求解方法.最后对提出的控制律进行实验验证.实验结果表明:相较于常规PID控制,多项式非线性控制律能够改善实验台伺服缸控制过程的瞬态响应,具有更好的抗干扰能力.本文提出的设计方法为非线性H_∞控制在电液伺服系统控制领域的实际应用提供了可行方案.     

废气氧传感器Hammerstein模型结构的确定

研究了废气氧(EGO)传感器Hammerstein模型结构辨识方法。静态非线性函数选用双曲正切与多项式组合形式,动态线性环节分别选用带外生变量的自回归(ARX)模型、输出误差(OE)模型和Box-Jenkins(BJ)模型结构。采用交叉准则法进行参数估计和阶次选择,通过仿真比较对模型进行检验。结果表明:最终输出误差(FOE)准则和最终预报误差(FPE)准则均适用于用估计数据选择阶次,但前者比后者更可靠。基于预测误差法的3阶OE模型和BJ模型均可用于EGO传感器Hammerstein模型动态线性环节的建模。     

Residual orientation modeling for fingerprint enhancement and singular point detection

This paper presents a novel method for fingerprint orientation modeling, which executes in two phases. Firstly, the orientation field is reconstructed using a lower order Legendre polynomial to capture the global orientation pattern in the fingerprint structure. Then the preliminary model around the region with presence of fingerprint singularities is dynamically refined using a higher order Legendre polynomial. The singular region is automatically detected through the analysis on the orientation residual field between the original orientation field and the orientation model. The method does not require any prior knowledge on the fingerprint structure. To validate the performance, the method has been applied to fingerprint image enhancement, fingerprint singularity detection and fingerprint recognition using the FVC 2004 data sets. Compared with the recently published Legendre polynomial model, the proposed method attains higher accuracy in fingerprint singularity detection, lower error rates in fingerprint matching.     

A noniterative neuro-fuzzy based identification method for Hammerstein processes

In this paper, a noniterative identification procedure for neuro-fuzzy based Hammerstein model is presented. The proposed method not only avoids the inevitable restrictions on static nonlinear function encountered by using the polynomial approach, but also overcomes the problems of initialization and convergence of the model parameters, which are usually resorted to trial and error procedure in the existing iterative algorithms used for the identification of Hammerstein model. To construct the neuro-fuzzy based model, a clustering algorithm is presented to estimate the centers and widths of the model, and an analytical solution is developed to calculate the weights of the model in a noniterative manner. Examples are used to illustrate the applicability of the proposed method and a comparison with polynomial approach is made.     

基于立体视觉的高精度标定与测量方法

立体视觉测量系统中,光学系统产生的畸变使目标的成像偏离了理论成像点,导致系统产生测量误差。针对提高系统测量精度的问题,提出一种基于立体视觉的测量方法。首先,根据标定板上各角点的像素分辨率,拟合整个成像平面的四次多项式,且多项式的系数与物体到相机的距离成比例;然后,应用双目测距原理,测量被测物体的纵向距离;最后,基于所得的多项式,应用单目相机测量待测物体的横向尺寸。实验结果表明,对于所提方法,当物体距离相机5 m以内时,其纵向距离误差可以减小到5%以内;当物体距离相机1 m时,其横向宽度测量误差在0.5 mm内,逼近理论最高分辨率。     

切比雪夫正交基神经网络的权值直接确定法

经典的BP神经网络学习算法是基于误差回传的思想.而对于特定的网络模型,采用伪逆思想可以直接确定权值进而避免以往的反复迭代修正的过程.根据多项式插值和逼近理论构造一个切比雪夫正交基神经网络,其模型采用三层结构并以一组切比雪夫正交多项式函数作为隐层神经元的激励函数.依据误差回传(BP)思想可以推导出该网络模型的权值修正迭代公式,利用该公式迭代训练可得到网络的最优权值.区别于这种经典的做法,针对切比雪夫正交基神经网络模型,提出了一种基于伪逆的权值直接确定法,从而避免了传统方法通过反复迭代才能得到网络权值的冗长训练过程.仿真结果表明该方法具有更快的计算速度和至少相同的工作精度,从而验证了其优越性.     

Prediction of multivariate chaotic time series with local polynomial fitting

To improve the prediction accuracy of complex multivariate chaotic time series, a novel scheme formed on the basis of multivariate local polynomial fitting with the optimal kernel function is proposed. According to Takens Theorem, a chaotic time series is reconstructed into vector data, multivariate local polynomial regression is used to fit the predicted complex chaotic system, then the regression model parameters with the least squares method based on embedding dimensions are estimated,and the prediction value is calculated. To evaluate the results, the proposed multivariate chaotic time series predictor based on multivariate local polynomial model is compared with a univariate predictor with the same numerical data. The simulation results obtained by the Lorenz system show that the prediction mean squares error of the multivariate predictor is much smaller than the univariate one, and is much better than the existing three methods. Even if the last half of the training data are used in the multivariate predictor, the prediction mean squares error is smaller than that of the univariate predictor.