基于PSO-BP神经网络的光纤传感器光强补偿

基于反射式强度调制光纤传感器在测量实验过程中易受周围环境影响造成光源波动以及对探头的欺骗,提出了一种补偿措施,使用粒子群(PSO)优化反向传播(BP)神经网络算法补偿传感器获得光功率值,该算法不仅利用了PSO的寻找粒子群体的最佳位置的搜索性能,还利用了BP算法比较强的局部最优权值阈值搜索性能,粒子群算法优化反向传播神经...     

优化的RBF神经网络对光纤位移传感器温度补偿

在对光纤位移传感器进行温度标定的过程中,随着工作环境的变化,位移传感器的测量值会产生误差,从而使位移传感器在使用时随着环境温度的变化发生精度下降的情况。为减少这种漂移偏差,该文使用径向基(RBF)神经网络对位移传感器进行温度补偿,并采用自适应的设计思想寻找RBF函数中心。将位移量和环境温度作为输入,其输出为传感器输出电压,使用自适应的设计思想来确定基函数的中心,建立一个基于RBF神经网络的模型。结果表明,该模型的训练结果可以使光纤位移传感器进行测量的相对误差降低9.23%,在测量精度上有很大的改进,证明了该方法的可行性。     

微型反射式横向位移光纤传感器研究

提出了一种测量横向位移的微型反射式光纤传感器，可用于测量物体相对传感器轴线垂直方向的微位移变化量。从光纤出射光场的光强分布函数出发，用数值积分的方法求解出了反射式横向位移传感器的光强调制曲线，进而设计了光纤传感探头和电路。结果表明，传感器的测量线性范围是1mm，分辨率达lμm。     

双路接收型光纤位移传感器补偿机理分析

本文采用了双路光纤接收方法,给出了一种可实现光强自动补偿的光纤位移传感原理。理论上,分析了该传感器的补偿机理,给出了该传感器特性调制函数的理论表达式,并对理论结果进行了实验验证。     

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

温度补偿型光纤光栅位移传感器

基于等腰三角形悬臂梁和双光纤光栅结构设计并制造了一种高分辨率、温度自补偿的光纤位移传感器。采用光谱分析法对测量结果进行解调,常温下的实验结果表明,传感器的量程为0-70mm,灵敏度为21.9pm/mm,线性拟合度高达0.999,重复性误差为4.72％FS,迟滞误差为2.70％FS。而且在0-60℃温度范围内的零漂为0.41pm/℃,温度性能良好。该传感器能很好的应用于水利水电工程、工业与民用建筑等结构上裂缝或接缝开合度的长期监测。     

一种提高反射式光纤位移传感器灵敏度的方法

本文介绍了一种提高反射式光纤位移传感器灵敏度的方法,即设置两光纤倾斜一定角度,且二者与反射面夹角相等,通过调整两光纤间夹角及两光纤间隔来进一步提高灵敏度。     

基于RBF神经网络的加速度传感器动态补偿研究

提出一种应用径向基函数(RBF)神经网络进行加速度传感器动态性能补偿方法.介绍动态补偿原理以及算法,并将其与BP神经网络法和系统辨识法进行比较.该方法利用加速度传感器的动态标定数据,采用RBF神经网络搜索和优化补偿模型参数.结果表明,这种补偿模型误差小,比用系统辨识法有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度.     

宽量程反射式光纤位移传感器的研究

分析了反射式光纤位移传感器的输出特性,设计了一种新的宽量程反射式光纤位移传感器。以传感器的输出及其相对应的实际位移训练神经网络,建立基于神经网络的传感器逆模型,将其用于传感器输出信号的处理,扩大了测量范围和提高了测量精度。     

基于反射式塑料光纤传感器的微位移测量技术研究

近年来,高精度的位移测量精度要求越来越高,为响应这一需求,本文依据待测位移量可由反射光强变化得出的原理设计了一种基于塑料光纤的位移传感器.本文所涉及的光纤位移传感器以静态拉伸式杨氏模量测量实验中钢丝长度的微小变化为待测量进行设计.在整个传感器系统制作完成后,结果显示,在0~3mm的位移范围内,测量输出与实际位移成线性关系且线性度为0.6%,在较大位移区间内实现了具有良好线性度的测量,同时,根据实验结果测得灵敏度为2.13mV/μm,保证了测量的精准度.这种设计方法的使用扩大了塑料光纤的应用领域,同时,优化了传感器的精准度和线性化精度等性能指标.     

对光纤位移传感器耦合效率的修正

采用积分的方法，算出了两光纤位移传感器的耦合效率，导出了光纤位移传感器耦合效率的解析表达工，并与常规理论计算的结果进行了比较。     

反射补偿式光纤位移传感器的理论分析

概述了反射式光纤传感器的发展。讨论了这类光纤传感器理论分析中所采用的纤端出射光场光强径向均匀分布的假设。给出了纤端出射场的光通量分布函数,并以全光路补偿反射式光纤探头为例,建立了补偿机理的理论分析方法,给出了传感特性调制函数的解析表达式。最后,简要分析了这类光纤传感器的温度稳定性问题。     

基于灰色神经网络的压力传感器温度补偿模型

压力传感器的输出随温度呈非线性变化,同时含有较大的随机噪声。针对BP神经网络对压力传感器温度补偿建模时误差较大的问题,提出了基于灰色模型和BP神经网络的压力传感器温度补偿模型。首先,用灰色模型对数据进行预处理,以减小原始数据的噪声;然后,用降噪后的样本数据作为BP神经网络的输入进行训练。在相同的训练次数下训练误差可减小一个数量级。结果表明,采用该模型补偿后的压力传感器补偿精度明显优于BP网络模型。     

反射式光强调制型光纤传感器的应用及发展

论述了反射式光纤传感器的原理和发展，并介绍了其在实际测量中的一些具体应用。     

半导体激光器多路光纤位移传感器中光强对测量精度的影响

利用半导体激光器线性调频外差干涉原理及分频复用技术构成的新型光纤位移传感器，可同时进行多点位移测量。测量范围为±１ｍｍ，精度为±０．１５μｍ（３σ）。研究了光强因素对其测量精度的影响。     

光纤光栅应变传感器温度补偿系统研究

提出了采用BP神经网络算法来实现FBG应变传感器的温度补偿系统,用以改善FBG应变传感器的温度交叉敏感现象。通过计算机程序和实验表明,此方法实现了FBG应变传感器对应变量和温度量的精确分离,较好地改善了温度对传感器造成的非线性干扰,使传感器对应变的测量误差达到10-3数量级。同时,有效地抑制了FBG应变传感器非线性特性的影响。