基于电弧等离子体的光纤光栅快速退火的研究

为了实现光纤布喇格光栅的快速退火,采用高温电弧等离子体热处理光纤光栅的方法,设计了相关实验进行验证。由实验可知,透射谱深度23dB、中心波长1552.09nm、3dB带宽0.2784nm的光纤光栅,经电弧等离子体放电扫描后,光纤光栅的透射谱深度减小,3dB带宽变窄,中心波长蓝移;随着重复扫描次数的增加,各参量变化趋势减缓,最终透射谱深度减小13dB、中心波长蓝移0.84nm、3dB带宽变窄0.1013nm;将电弧等离子体处理后的光纤光栅放入高温炉24h退火后,透射谱深度、中心波长、3dB带宽均不再发生变化。结果表明,将电弧等离子体用于光纤布喇格光栅的退火处理是可行的,并且具有周期短、涂覆层无损伤的优点。     

金属化封装光纤光栅传感器超低温特性研究

传统胶封光纤光栅(Fiber Bragg Grating,FBG)传感器的胶黏剂在超低温环境中存在着板结、与基体间热失配等问题。针对胶封光纤光栅传感器在超低温条件下进行测量的局限性,本文设计一种全金属化封装结构,并采用超声焊接的方法将光纤光栅封装固定于特种铝合金基底表面。在-160～0 ℃环境下,对两支FBG温度传感器的超低温传感特性进行了实验测试。结果表明,该封装形式的FBG传感器的线性度较好,相关系数均在0.99以上。它们的温度灵敏度系数在线性变化区间平均值分别为27.88 pm/℃和26.17 pm/℃,分别是封装前裸光纤光栅的2.75倍和2.58倍左右,提高了温度灵敏度。此金属化封装的FBG温度传感器的工艺简单,易于实现,可用于超低温恶劣环境下的温度测量。     

基于卷积神经网络的混叠光谱解调方法

研究了一种基于深度学习的光纤光栅混叠FBG光谱解调方法。利用卷积神经网络(Convolutional Neural Networks, CNN)模型处理混叠光谱非线性序列模型问题,通过一维卷积神经网络预测识别混叠光谱中心波长,并搭建了并联结构的混叠光谱数据自动采集实验系统,验证了混叠光谱的中心波长高精度解调。实验分析了训练样本、迭代次数对训练时间、测试时间、解调精度的影响,并对训练完成后的模型进行了解调时间测试。分别与其他解调算法进行了解调精度和测试时间对比,同时对同一组光谱数据使用解调模型算法及最高点寻峰算法进行中心波长值的对比并进行误差分析。实验结果表明:解调模型均方根误差结果为0.082 58 pm,使用Intel(R) Core(TM) i7-8550U CPU （Central Processing Unit）的解调计算时间为0.338 s。研究结果表明:采用卷积神经网络模型对于混叠光谱中心波长解调结果的准确性具有合理性,与其他算法相比,文中的解调算法在解调精度和时间上具有优势,模型大小在400 kB以下,所需算力较小,可部署在小型嵌入式设备中,在大规模机载传感网络,结构健康监测中有良好的应用前景。     

“钢-铅”粘接结构非接触激光超声检测方法

为了解决核工业领域防辐射用钢铅粘接结构的非接触、高精度无损检测问题,研究激光超声检测方法。建立了粘接结构模型,分析了激光超声的传播及脱粘导致的声波反射和衰减;实验测量了良好粘接与脱粘处的窄带激光超声信号,观测到脱粘导致的界面反射信号幅度变化;分析得出表征脱粘的激光超声反射系数与声波频率和测量位置的关系;通过激光超声C扫描方法实现模拟脱粘试样的检测与成像。研究表明:激光超声方法可以实现两层钢铅粘接结构脱粘的成像检测,在核工业防辐射结构检测中具有应用前景。     

基于深度学习的机翼蒙皮载荷计算方法

针对传统的载荷标定方程计算机翼蒙皮载荷精度低的问题,提出了一种基于深度学习的机翼蒙皮载荷计算新方法。考虑真实机翼蒙皮受力复杂,首先建立了机翼蒙皮试验件模型,使用Ansys仿真软件对试验件进行有限元分析,获得应变与载荷仿真数据,并对仿真数据进行数据清洗与预处理;其次,构建深度神经网络模型,将应变与载荷作为神经网络模型的输入与输出值,采用Adam算法优化提出的载荷计算模型;最后,在测试集上对载荷值进行预测,使用平均相对误差与绝对值差作为评价指标。实验结果显示,基于深度学习的载荷计算方法在小载荷数据上平均绝对误差为0.081 N,在正常载荷数据上的平均相对误差为0.063 8%;与传统载荷计算方法比较,本文提出的新方法计算的载荷精度明显优于传统方法。     

基于Kolmogorov-Smirnov检验的远程拉曼光谱寻峰算法

远程拉曼系统已经开始用于深空物质检测,要求远程拉曼系统具有小型化,抗辐射和低功耗等特点。为了解决通过降低激光脉冲能量来实现低功耗情况下,拉曼信号信噪比降低的问题,提出了一种新的拉曼光谱寻峰算法,根据远程拉曼特点,采用统计学中Kolmogorov-Smirnov检验作为寻峰方法,以此提高拉曼光谱的信噪比。为此建立了一个远程拉曼系统,实验中使用的激光脉冲能量为3 m J,检测距离为3.15 m。通过对设定的参数进行检验,验证了基于Kolmogorov-Smirnov检验的远程拉曼光谱寻峰算法的准确性和普适性。     

远程激光拉曼光谱探测系统前置光学系统设计

为实现远程物质高空间分辨力的拉曼光谱探测,设计了共孔径远程激光拉曼光谱探测系统的前置光学系统。光学系统采用共孔径结构,实现了激光发射系统、拉曼光收集系统及微区成像系统的共孔径、共光轴。设计的光学系统能够对激光进行聚焦以缩小激光光斑尺寸,使系统具有优于0.125 mrad的空间分辨率。该拉曼光收集透镜有效通光口径为50 mm,拉曼散射光在耦合透镜焦平面上的像高小于25m,可以与50m狭缝宽度的光谱仪进行空间光耦合,也可使用50m芯径的光纤来耦合光学系统与光谱仪。该系统可用于远距离物质的激光聚焦、拉曼光谱探测及微区成像。     

远距离物质拉曼光谱探测系统

为了实现远距离物质的识别检测,设计和建立了脉冲门控非接触式的拉曼光谱探测系统,利用强脉冲激光的高能量密度（~106 W）增强被探测物质的拉曼散射信号,通过大口径透镜系统提高拉曼光收集效率,同时采用同步延时系统控制ICCD的开启和积分时间,有效地去除背景光和荧光的干扰,提高信噪比,从而显著增加拉曼光谱探测距离。初步研究了不同通光口径对探测能力的影响,以及在950 mm的探测距离上获得了清晰的硫元素和纯净水的拉曼光谱信号。     

基于概率推演的动态程序切片优先度计算方法

为了提高程序调试的效率,本文提出一种基于概率推演自动计算动态程序切片中每条语句的正确概率并赋予优先度的方法。首先从程序运行过程抽取其相应的动态依赖关系图;然后根据依赖关系转化成贝叶斯网络;最后在该网络上运行概率推演并统计,得到程序静态语句的正确概率。使用具有优先度的动态程序切片结果可进一步提高调试人员定位缺陷和分析故障的效率。实验表明本方法平均可将实际错误排名在切片结果的前20.2%。     

基于深度学习的舌鳞癌拉曼光谱分割方法

拉曼光谱能够反映生物组织的分子结构变化，可用于舌鳞癌组织检测。然而，现有方法仅能够鉴别舌鳞癌组织属性，判断组织是否发生癌变，无法定位舌鳞癌组织拉曼光谱的重要谱带区域。因此，提出一种基于深度学习的舌鳞癌组织拉曼光谱重要谱带区域分割方法。首先，利用光纤拉曼光谱采集设备采集22位病人44块肿瘤组织的拉曼光谱数据，对数据进行预处理、标注，并分为训练集和测试集；然后，建立谱带区域深度卷积神经网络模型，该模型包括三个基本模块，即拉曼光谱特征提取网络、重要谱带推荐网络以及重要谱带回归网络。其中拉曼光谱特征提取网络用于提取舌鳞癌组织光谱特征，重要谱带推荐网络和重要谱带回归网络用于分割舌鳞癌组织光谱的重要谱带区域。实验结果显示，在交并比为0.7的判断标准下，所提方法对舌鳞癌组织重要谱带分割的平均精度为99%。