对温度不敏感的光纤光栅压力传感器

分析了光纤Bragg光栅传感器的温度、应变交叉敏感机制,提出了一种新颖的方法,并进行了相应设计：将两根不同波长的光栅粘贴在传感器同一轮辐的正反面上,两个峰有不同的应变响应和温度响应,通过测量两个峰的漂移,就可以解矩阵方程实现压力和温度的同时测量,有效消除了交叉敏感对轮辐式光纤光栅压力传感器的测量精度的影响。改进封装工艺,可以使该方法更简便。     

海洋双光纤光栅压力传感器的温度响应特性

为满足海洋温深剖面连续拖曳测量的要求,测量海水深度的光纤布拉格光栅(FBG)压力传感器是利用FBG温补传感器来解决交叉敏感问题。由于二者对温度响应时间不一致,导致在中尺度旋涡、锋面等温度骤变海域测试海水压力时有所偏差。针对这一现象,设计出了一种新型的双光纤光栅压力传感器,通过在压力传感器的中心和边缘各封装温补和压力光纤光栅(边缘光栅不接触弹性膜片,仅受温度影响),使其对温度响应特性接近一致。实验测试结果表明:传感器的温补和压力光纤光栅对温度响应时间分别是1. 45 s和1. 52 s,响应一致性好。通过海试验证,FBG压力传感器与参考压力传感器ALEC—TD的相关系数高达0. 990 6,基本消除温度响应不一致导致的测量误差,能够达到准确测量压力的目的。     

基于短栅区光纤光栅传感器的油气管线腐蚀在线监测系统研究

基于短栅区光纤光栅传感器设计了一种油气管线腐蚀在线监测系统。对应油气管线外表面周向非线性应变,该系统可以测量油气管线腐蚀缺陷,保障管线安全运行。通过对管线圆柱型腐蚀缺陷周向应变特性及光纤光栅应变传感模型的理论分析,设计了3mm短栅区光纤光栅的应变传感阵列,并在模拟油气管道上验证了测量圆柱型缺陷表面周向非线性应变的可行性。结合波分复用、时分复用技术及光纤光栅解调系统可以组成解调7×7个应变及1个温度补偿共计50个光纤光栅传感器的在线监测系统。该系统已应用于中海油渤南龙口天然气终端处理厂,监测结果表明该在线监测系统稳定可靠,是监测油气管线腐蚀状况,保障管线安全运行的一种有效可靠方法。     

光纤光栅智能复合材料基础问题研究

为了使光纤光栅传感器埋入到复合材料中,对结构进行健康监测,其基础研究尤为重要.研究了光纤光栅作为温度和应变传感器埋入到复合材料预浸料中,监测复合材料模压成型的全过程.设计了几种光纤入出口的方法,都能够很好地保护光纤在入出口处不被折断,保证了光栅在复合材料中的成活率.对埋入光纤的相容性使用有限元和实验的方法进行了研究.研究表明:埋入光纤对复合材料的力学性能影响不大.这些研究为光纤光栅在复合材料中的应用提供了前提.     

高温光纤温度传感器的研究进展

对高温光纤温度传感器的最新研究进展进行了归纳和总结,详细讨论了光纤成分、光纤几何形状、光纤光栅类型、光纤光栅制作方法以及光纤传感器结构等对测量温度的影响,并对几种典型的高温光纤温度传感器的工作原理进行了详细论述.研究表明:高温光纤温度传感器具有优良的特性,能够在恶劣环境下测量极高的温度.     

实用的在线光纤电流传感器

提出了一种由磁致伸缩材料管和光纤光栅构成的新型光纤光栅电流传感器。实验结果表明该传感器有良好的线性响应 ,并且不受磁滞效应的影响。波长漂移对线电流的灵敏度为 0 .0 0 0 74nm/A     

电能表自动化检定压接端子温升监测系统

提出了一种基于双套管结构光纤光栅封装探头形式,研究了基于该封装探头形式下光纤光栅测量温度的同时屏蔽外力影响;在电能表压接触头上布置双套管结构光纤光栅测温探头,通过光缆及光学分路器将传感器连接,并通过主光缆接到控制室的光纤光栅解调仪上,再通过监控软件对信息进行处理,从而构建了电能表压接温度监测系统;研究表明该系统不仅满足强电磁场环境下对温度监测实时性和精确性的要求,还可以屏蔽外部应力对温度监测的影响;温度监控软件对实时的温度信息处理,可以实现温度的图形显示、列表显示,超温时的报警显示等功能。     

具有温度补偿的膜片型光纤光栅温度压力传感器

阐述了具有温度补偿结构的膜片型光纤光栅温度压力传感器。传感器以弹性膜片为感压元件,在压力作用下产生轴向位移来压缩压力敏感光栅以实现压力传感;通过结构温度补偿消除压力敏感光栅的温度漂移,同时串入感温光栅进行实时修正并实现温度测量。对传感器的压力和温度特性进行了测量。试验结果表明:压力灵敏度为528 pm/MPa,温度灵敏度为8 pm/℃。     

光纤光栅传感器技术及其在电力系统中的应用

在分析Bragg光纤光栅和长周期光纤光栅传感测试技术工作原理的基础上,系统总结了光纤光栅传感器在电力系统中的应用.对光纤光栅传感技术在电力电缆监测、汽轮机内部湿度场监测、高压开关柜隔离触头温度监测、线圈绕组温度监测、风力发电机叶片的监测及发电机绕组端部的振动测量几个方面的应用做了具体的阐述和实用价值的分析,本文还提出了基于磁致伸缩材料GMM的光纤光栅电流传感器的测量模型,理论计算灵敏度达到了0.0888nm/A.     

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GA-WNN的电涡流传感器的温度补偿

针对电涡流传感器的温度漂移对其测量精度带来较大影响的问题,提出了基于遗传优化小波神经网络(GA-WNN)算法对电涡流传感器进行温度补偿修正模型。通过对电涡流传感器做标定实验,并且利用LM35温度传感器监测其工作温度,建立GA-WNN神经网络模型。该模型用遗传算法对小波神经网络的权、阈值进行全局的优化,改善了小波神经网络训练速度慢的问题,克服了易陷入局部最优的缺陷。研究结果表明,补偿后的灵敏度温度系数由8.69×10^-3/℃提升到3.48×10^-4/℃;零位温度系数由4. 78×10^-3/℃提升到1.85×10^-4/℃,均提高了一个数量级,成功实现了温度补偿的目的。     

多传感器数据融合在涂层厚度检测中的应用

在涂层厚度测量的过程中,电感传感器的输出值存在对温度的交叉灵敏度,为消除温度对测量数据的影响,提出了一种基于神经网络的多传感器数据融合技术处理方法,该方法以传感器的输出值与温度值作为网络的输入,通过对网络的训练达到消除非目标参量—温度的影响。通过对融合前后的数据进行比较分析,表明该方法大大降低了交叉干扰,有效提高了测量精度。     

基于PSO的神经网络在传感器 数据融合中的应用

针对压力传感器对温度存在交叉灵敏度这一具体问题,常采用BP神经网络对其进行数据融合.但BP神经网络方法训练收敛速度慢,易陷入局部最优.采用PSO全局优化算法训练多层前向神经网络权值,使网络训练误差比BP方法降低了两个数量级,并且收敛速度明显加快.融合结果表明基于PSO神经网络方法更有效地消除了温度对压力传感器的影响,显著提高了传感器的稳定性和准确度.     

基于改进SPSO-BP神经网络的温度传感器湿度补偿

针对在实际使用中湿度影响温度传感器准确性的问题,通过对基本粒子群算法的分析,得出不受速度向量影响的简化粒子群算法,同时采用线性递减惯性权重,提出了一种改进SPSO-BP神经网络温度传感器的湿度补偿方法.通过改进的简化粒子群算法的不断迭代,优化BP神经网络的权阈值,直到得到最优权阈值,并赋给BP神经网络.根据湿度影响实验中测得的数据,运用此方法建立湿度补偿模型,与BP神经网络方法对比分析.结果表明,改进SPSO-BP神经网络的模型结构简单、补偿精度高,收敛速度快,有效地对温度传感器进行了湿度补偿.     

基于PSO-BP神经网络的湿度传感器温度补偿

针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题,提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型,利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优,将粒子群优化算法优化好的权值阈值赋给BP神经网络,对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据,通过建立模型,实现温度补偿,与传统BP神经网络补偿结果进行比较。实验表明,与传统BP神经网络模型相比,利用PSO-BP神经网络模型进行温度补偿后所得的误差绝对值之和降低了10.3887%RH,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高,能更加有效地补偿温度对湿度传感器的影响。     

用神经网络消除温度对传感器输出的影响

针对温度对半导体压力传感器输出影响的问题,提出一种新的消除方法———神经网络法,建立了2-6-1神经网络结构,并利用神经网络的学习记忆功能,消除了温度对传感器输出的影响,实际运行结果表明,该方法具有实用、高效等特点。     

一种湿度传感器温度补偿的融合算法

针对自动气象站上湿度传感器在实际应用过程中易受温度影响的问题,提出采用RBF神经网络与最小二乘相结合的融合算法实现湿度传感器的温度补偿。该方法将湿度传感器在温度影响下的特性曲线分为两个非线性段和一个线性段,并且自适应的确定线性段和非线性段,在线性段利用最小二乘方法拟合出直线方程,在非线性段利用RBF神经网络补偿温度产生的影响。仿真结果表明,这种方法简单易行,与一般的BP神经网络和最小二乘多项式方法相比,具有拟合训练速度快,补偿精度高的特点,可以有效用于湿度传感器的温度补偿,提高传感器的测量精度和可靠性。     

声表面波压力传感器温度误差及补偿方法研究

要提高声表面波压力传感器的测量精确度，温度补偿是主要难题。尽管目前有许多补偿方法，但其效果不佳。采用软件方法进行温度补偿的研究在国内外已成热点，但选用神经网络对SAW压力传感器进行温度补偿尚罕见报道。本文以CSF-10型SAW压力传感器为研究对象，通过理论分析和实验，得到了SAW压力传感器的温度特性曲线，又经现场实际操作，BP神经网络对SAW压力传感器温度补偿的效果良好，充分表明了应用神经网络在提高声表面波测量精度方面是行之有效的方法。     

基于混合优化算法的压力传感器温度补偿

针对压阻式压力传感器存在温度漂移,其测量精度受温度影响很大的问题,使用最小二乘拟合方法与RBF神经网络共同建立压力传感器温度补偿模型.针对低温和高温区域使用RBF神经网络进行补偿,对中间线性区域使用最小二乘拟合方法进行补偿.同时为了提高RBF神经网络拟合效果,使用进化算法和下降梯度算法优化RBF神经网络参数.实验结果表明,本文使用方法与单纯使用RBF神经网络或最小二乘拟合方法进行温度补偿,具有更高的训练效率和温度补偿效果,能够提高压力传感器在各种环境下的测量精度和工作可靠性.     

基于MSP430F448的压力智能变送器的设计与实现

针对硅压阻式传感器输出信号的非线性和温度失调,提出了以仪用嵌入式微处理器MSP430F448为核心,利用神经网络进行非线性补偿的智能压力变送器的设计方案。文章描述了智能压力变送器的系统架构,着重阐述了对压阻式传感器输出信号智能补偿的原理。测试结果表明经补偿后的模拟输出有良好的线性特性,变送器的输出精度达到了0.72%。