双反射峰光纤布拉格光栅调谐与传感研究

介绍了一种基于光纤光栅封装技术的双Bragg波长调谐及传感方案。封装光栅使之产生双反射峰,一个峰对应力更敏感,便于应力调谐,另一个则被温度增敏,更适用于温度调谐。应力调谐时采用了特殊机构,使光纤光栅的张应变与压应变连续并有良好的线性关系,独立调谐范围达5.64nm,温度为23℃至60℃时的独立调谐范围达1.48nm。     

Bragg光纤光栅传感器内不均匀应力分布的模拟和重构

介绍了对加载随机的不均匀应力的光纤光栅进行反射谱的模拟和应力分布的重构.利用传输矩阵以及改进的矩阵两种方法,很好地实现了加载随机应力的光纤光栅的反射谱模拟.利用去层法实现光纤光栅应力分布重构的两种随机应力分布重构方法.由于光纤光栅的脉冲响应时域信号严格对应于光纤光栅结构的轴向分布,利用这种因果性质,在已知光纤光栅反射谱的情况下,先获得靠近光纤光栅入射端的一小段光纤光栅所受的应力,再通过去层方式,逐步获得整个光纤光栅的应力分布.两种重构方式分别利用了时域脉冲响应信号的时域截断特性和相位特征,准确获得了光纤光栅上所受的不均匀应力分布.这种随机应力分布重构的方法使得光纤光栅可以应用在小构件以及精细结构上应力集中点的非均匀应力测量和分析上.     

弯曲光纤光栅温度与应力传感特性研究

光纤布拉格光栅(FBG)是利用纤芯折射率的周期性变化实现传感的光纤器件,消除待测参量与温度的交叉敏感性是其在应用过程中必须解决的关键问题.采用典型的双光栅结构,分别将两支FBG粘贴于弯曲金属薄片的内侧和外侧,测量金属薄片在温度与应力作用下FBG的反射波长.实验结果表明,两支光栅的反射波长随温度升高而增加、与应力成相反的线性变化关系.根据此现象可有效消除温度变化对FBG的影响,实现应力测量.     

光纤Bragg光栅折射率调制特性研究

在光纤Bragg光栅(FBG)中两个正反向模式之间会发生耦合,要了解光纤光栅的物理特性,提高反射率的精度,就需要深入研究光纤光栅的耦合模理论.通过光纤Bragg光栅的耦合方程,研究在不同的折射率调制深度的情况之下光纤反射谱变化,并用Matlab做仿真实验,结果发现光栅长度取2,5,10 mm,弱光栅、中度光栅、强光栅在折射率变化0.000 1时的反射谱带宽最大值分别是2.015 0×10-11,5.276 7×10-11,9.2143 ×10-11.计算表明:在固定光栅长度情况下,每0.000 1折射率变化所导致的反射谱带宽变化值在任意反射带中都相对稳定,其中,弱光栅反射谱最小,中度光栅反射谱次之,强光栅反射谱最大.     

基于回归分析的取样光栅传感特性分析

基于耦合模理论,采用传输矩阵法分析了取样光栅反射谱.取样光纤光栅在受到外界环境应变和温度影响时,其反射光谱的反射率和波长会发生变化.通过测量反射光谱的反射率变化和波长漂移,就能够实现用单根的取样光纤光栅同时测量应变和温度.取样光纤光栅的光弹系数为P11=0.121,P12=0.27.纤芯材料的泊松比0.17.热膨胀系数为5.5×10-7/℃,光纤材料的热光系数为8.3×10-6/℃.通过仿真实验获得了取样光纤光栅的应变和温度传感数据.采用回归分析的方法得到系数矩阵中A,B,C,D分别为-0.00033/ε,-0.00011/℃,-0.00055nm/ε,0.013 nm/℃.应变测量范围为0 με～1800 με,温度测量范围为0℃～180℃.     

光纤Bragg 光栅的温度传感研究􀀁

本文分析了光纤 Bragg光栅在受到温度调制时的滤波特性。与温度对光纤光栅反射谱波长的影响相比 ,对其带宽的影响可忽略。实验中 ,光纤光栅受温度的调制 ,并且其反射谱由光谱仪记录。结果表明该光纤 Bragg光栅对温度产生的波长偏移是 0 .0 0 991nm/℃。值得注意的是实验中最大标准误差为 0 .0 3nm,能满足目前波分复用技术所需的信道精度。     

基于光纤光栅传感的根式沉井静载实验研究

应用光纤光栅传感网络测量桥梁根式沉井在破坏性静载荷实验中的应力变化。进行现场实验,根据有限元分析,多通道光纤光栅传感阵列设计安装在沉井的合适位置。根据沉井土层的分布情况,共布置10层光纤光栅传感元,每层包括8个光纤光栅应变计和1个光纤光栅温度补偿器。布置安装的光纤光栅传感系统通过对每层8个应变点的监测,可以准确测量同一水平结构层的应力变化分布。实验结果表明,光纤光栅传感网络可以在全程载荷实验过程中,监测桥墩的应力变化,为桥梁的安全运营提供了可靠的依据。     

光纤光栅传感器应力补偿及温度增敏封装

针对光纤光栅温度传感器的交叉敏感问题,提出了一种光纤光栅温度传感器的铝盒封装工艺,并对铝盒封装光栅温度传感器的温度和应力特性进行了理论分析和实验研究.研究表明,该封装有效地减小了光纤光栅的应变灵敏性,并将光纤光栅的温度灵敏度提高到裸光栅的1.8倍.     

单个光纤布喇格光栅实现应变温度同时测量的研究

实现单个光纤布喇格光栅同时测量应变和温度的实验系统.在该系统中,温度变化使光栅的布喇格波长位移,应变使反射谱分裂成双峰.结果表明,根据光栅的初始布喇格波长和两个分裂的布喇格波长可以同时确定应变和温度的变化.应变和温度灵敏度的实验结果分别为1.172 pm/με和10.78 pm/℃.该系统在结构健康监测、智能材料和结构等领域有应用前景.     

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.     

基于FBG的电力杆塔倾角传感器研究

电力杆塔监测对保证输电线路运行安全具有重要意义。对基于光纤Bragg光栅（FBG）的电力杆塔倾角传感器进行研究,底端固定于传感器外壳上的等强度悬臂梁自由端挂有重物,且在等强度悬臂梁两侧对称中心线上各粘贴一个FBG。电力杆塔发生倾斜时,重物带动等强度悬臂梁自由端产生挠度,使FBG产生中心波长移位,对中心波长进行监测即可实现杆塔倾斜角度测量。实验表明：测量小角度（小于15°）时,重复性误差为l％Fs,非线性误差为0．4％FS,滞后误差为0．8％FS;测量大角度（15°-45°）时,重复性误差为1．5％FS,非线性误差为0．77％FS,滞后误差为1．1％FS。     

无线传感器网络中基于区域决策的距离均值融合算法

研究了无线传感器网络中基于距离的决策融合算法,并针对它们的不足,提出了一种基于区域决策的距离均值融合算法.该算法首先采用目标定位运算估计目标源的位置,并划定以目标源为中心的一定区域为有效区域,然后根据距离均值模型计算有效区域内传感节点的可信度权重,并将其决策和相应的权重上传到融合中心进行决策融合.仿真实验表明,该算法比其它基于距离的融合算法具有更高的检测概率和较好的抗噪性能,适合中大规模无线传感器网络.     

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。     

改进重构权值的局部线性嵌入算法

目的 局部线性嵌入（LLE）算法是机器学习、数据挖掘等领域中的一种经典的流形学习算法。为克服LLE算法难以有效处理噪声、大曲率和稀疏采样数据等问题,提出一种改进重构权值的局部线性嵌入算法（IRWLLE）。方法 采用测地线距离来描述结构,重新构造和定义LLE中的重构权值,即在某样本的邻域内,将测地距离与欧氏距离之比定义为结构权值;将测地距离与中值测地距离之比定义为距离权值,再将结构权值与距离权值的乘积作为重构权值,从而将流形的结构和距离两种信息进行有机的结合。结果 对经典的人工数据Swiss roll、S-curve和Helix进行实验,在数据中加入噪声干扰,同时采用稀疏采样的方式来生成数据集,并与原始LLE算法和Hessian局部线性嵌入（HLLE）算法进行比较。实验结果表明,IRWLLE算法对比于LLE算法和HLLE算法,能够更好地保持流形的近邻关系,对流形的展开更加完好。尤其是对于加入噪声的大曲率数据集Helix,IRWLLE展现出极强的鲁棒性。对ORL和Yale人脸数据库进行人脸识别实验,采用最近邻分类器进行识别,将IRWLLE算法的识别结果与LLE算法进行对比。对于ORL数据集,IRWLLE算法识别率为90%,原LLE算法的识别率为85.5%;对于Yale数据集,IRWLLE算法识别率为88%,原LLE算法的识别率为75%,可见IRWLLE在人脸识别率上也有很大提高。结论 本文提出的IRWLLE算法对比于原LLE算法,不仅将流形距离信息引入到重构权值中,而且还将结构信息加入其中,有效减少了噪声和流形外数据点的干扰,所以对于噪声数据具有更强的鲁棒性,能够更好地处理稀疏采样数据和大曲率数据,在人脸识别率上也有较大提升。     

基于密度峰值的加权犹豫模糊聚类算法

由于人们对事物认知的局限性和信息的不确定性,在对决策问题进行聚类分析时,传统的模糊聚类不能有效解决实际场景中的决策问题,因此有学者提出了有关犹豫模糊集的聚类算法.现有的层次犹豫模糊K均值聚类算法没有利用数据集本身的信息来确定距离函数的权值,且簇中心的计算复杂度和空间复杂度都是指数级的,不适用于大数据环境.针对上述问题,...     

An Extension of Fuzzy L‐R Data Classification with Fuzzy OWA Distance

K‐Nearest neighbor (K‐NN) algorithm is a classification algorithm widely used in machine learning, statistical pattern recognition, data mining, etc. Ordered weighted averaging (OWA) distance based CxK nearest neighbor algorithm is a kind of K‐NN algorithm based on OWA distance. In this study, the aim is two‐fold: i) to perform the algorithm with two different fuzzy metric measures, which are Diamond distance, and weighted dissimilarity measure composed by spread distances and center distances, and ii) to evaluate the effects of different metric measures. K neighbors are searched for each class, and OWA distance is used to aggregate the information. The OWA distance can behave as intercluster distance approaches single, complete, and average linkages by using different weights. The experimental study is performed on well‐known three classification data sets (iris, glass, and wine). N‐fold cross‐validation is used for the evaluation of performances. It is seen that single linkage approach by using two different metric measures has significant different results.     

基于距离和权重改进的K-means算法

K-means聚类算法简单高效,应用广泛。针对传统K-means算法初始聚类中心点的选择随机性导致算法易陷入局部最优以及K值需要人工确定的问题,为了得到最合适的初始聚类中心,提出一种基于距离和样本权重改进的K-means算法。该聚类算法采用维度加权的欧氏距离来度量样本点之间的远近,计算出所有样本的密度和权重后,令密度最大的点作为第一个初始聚类中心,并剔除该簇内所有样本,然后依次根据上一个聚类中心和数据集中剩下样本点的权重并通过引入的参数[τi]找出下一个初始聚类中心,不断重复此过程直至数据集为空,最后自动得到[k]个初始聚类中心。在UCI数据集上进行测试,对比经典K-means算法、WK-means算法、ZK-means算法和DCK-means算法,基于距离和权重改进的K-means算法的聚类效果更好。     

Second Order Training of a Smoothed Piecewise Linear Network

In this paper, we introduce a smoothed piecewise linear network (SPLN) and develop second order training algorithms for it. An embedded feature selection algorithm is developed which minimizes training error with respect to distance measure weights. Then a method is presented which adjusts center vector locations in the SPLN. We also present a gradient method for optimizing the SPLN output weights. Results with several data sets show that the distance measure optimization, center vector optimization, and output weight optimization, individually and together, reduce testing errors in the final network.     

高光谱数据探讨水稻叶片叶绿素含量对叶片及冠层光谱反射特性的影响

为了考察叶绿素含量变化对叶片及冠层反射率的影响,利用PROSPECT模型和FCR模型,模拟叶片叶绿素含量变化(20μg/cm²、22μg/cm²、24μg/cm²、26μg/cm²、28μg/cm²、30μg/cm²)时的叶片反射率和叶面积指数变化(1、3、5)时的冠层反射率。叶片及冠层反射率的变化大小,用同一波段上反射率的标准差来衡量,研究的波段范围为400～940 nm,波段间隔为5 nm。研究发现叶绿素对叶片反射率的影响,在710 nm波长处最大,标准差变化曲线在550 nm、710 nm、795 nm和830 nm处形成4个峰值,对冠层反射率的影响,与叶面积指数大小有关,叶面积指数为1、3、5时,叶绿素对冠层反射率影响最大的波长分别为715 nm、720 nm和725 nm,标准差变化曲线分别在550 nm和715 nm、550 nm和720 nm、550 nm和725 nm形成了两个峰值。