基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法技术

本发明专利技术涉及一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，利用分布式估计算法构建光纤布拉格光栅（FBG）非对称光谱模型，在FBG的反射光谱受环境影响而发生光谱不对称的情况下完成波长解调工作，本发明专利技术既能够满足正常光谱的高精度解调要求，又能够对非对称光谱进行最大限度的解调，增强FBG传感网络对非对称光谱的解调能力。

Asymmetric Spectral Demodulation of Fiber Bragg Grating Sensors Based on Distributed Estimation Algorithms

【技术实现步骤摘要】
基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法
本专利技术涉及光纤光栅领域，特别是一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法。
技术介绍
光纤布拉格光栅(FiberBraggGrating,FBG)作为新一代传感器，是近年来传感领域的研究热点，被广泛应用于电力工业、土木工程、航天航空、石油化工以及医疗等领域。光纤光栅传感技术具有非电检测、抗电磁干扰、耐高温、零漂移、精度高、体积小等优点，是传统传感器的一个很有前途的替代品。由于光纤布拉格光栅使用的是光而不是电，不受电磁场的影响，易于复用。它们的尺寸和重量可以忽略不计且防水性能强，因此便于埋入材料或结构内部进行无损检测。为了应对大型复杂结构对象的监测需求，光纤光栅传感技术逐渐从单一化向网络化演变，通过组建分布式光纤光栅传感网络可以实现多点多维物理参量的同时探测。FBG传感技术的早期研究多集中在FBG传感器本身的设计、制作和封装实现方面，而当将传感器构成传感网络用于实际工程时，FBG传感网络不可避免会受到光噪声、测量环境的温度振动等不确定因素的影响，不均匀的应力分布或横向载荷也会给测量过程带来干扰，从而导致FBG反射光谱形变或跳动。严格来讲，FBG谱峰一般情况下都不是标准的对称谱，这些非对称光谱难以被解调，从而使FBG失去了传感能力。对于大规模分布式FBG传感网络，FBG的解调方法是衡量整个传感系统性能的核心技术之一。对FBG中心波长的解调是FBG传感技术的研究重点。国内外相关研究机构在FBG解调技术方面开展了卓有成就的研究工作，并取得了一些重要进展，但大多关注在解调系统的机理实验和器件研发方面，现有的解调方法很少考虑到分布式传感网络反射谱的多峰、异构、非对称等独有特性，对于复杂大型分布式FBG传感网络并不完全适用。因此，探究FBG多峰、非对称谱的寻峰算法对完善解调方法的适用性、提高解调精度、以及优化串扰和噪声处理能力具有重要意义。FBG非对称光谱典型特性包括光谱谱峰侧偏、光谱顶部展宽、光谱局部变形等，这些非对称光谱难以被解调，从而使FBG失去了传感能力。因此，增强FBG传感网络对复杂非对称光谱的解调能力对于提升FBG传感网络在实际工程中的传感精度具有非常重要的现实意义。
技术实现思路
有鉴于此，本专利技术的目的是提出一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，既能够保证对正常光谱的高精度解调，又能够最大限度地对非对称光谱进行自适应解调。本专利技术采用以下方案实现：一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，提供一光纤布拉格光栅传感器非对称光谱解调系统，所述系统包括光纤布拉格光栅、宽带光源、3dB光耦合器、光谱分析仪和计算机；所述光谱分析仪分别与所述3dB光耦合器和所述计算机连接；所述宽带光源产生的入射光经过所述3dB光耦合器进入所述光纤布拉格光栅阵列中，而各所述光纤布拉格光栅的反射光谱经过所述3dB光耦合器进入所述光谱分析仪进行采样处理，经所述光谱分析仪处理后的数据即采样数据最后送入计算机进行解调处理；具体按照以下步骤实现：步骤S1：对采集到的大量典型非对称光谱，利用聚类分析方法提取出典型非对称光谱特征，将标准的正常光谱对应的高斯模型转变成非对称高斯模型，得到非对称光谱模型；步骤S2：利用最小化构造光谱和实际采样光谱之间的差异度的原理来进行光纤布拉格光栅解调，构建如下的解调模型：其中λB,αL,αR为待求的决策变量，R0(λ)为实际需要解调的光纤布拉格光栅传感网络采样光谱数据；在求解该解调模型的同时，还需要辨识出αL,αR这两个形态参数；利用分布式估计算法实现该解调模型对非对称光谱的解调；步骤S3：所述光纤布拉格光栅的反射光谱通过所述3dB光耦合器进入光谱分析仪进行采样；所述光谱分析仪将得到采样数据发送到所述计算机进行数据处理，得到采样光谱R0(λ)，并将所述采样光谱数据送到分布式估计算法模型中进行解调。进一步地，步骤S1中所述非对称光谱模型公式如下：引入了左右侧光谱形态参数，用以描述不同特征的光谱变化趋势；式中αL、αR分别对应于光谱模型中左形态参数和右形态参数；λB为FBG反射光谱的布拉格中心波长；阶数m是控制峰值跨度；I是反射功率；Noise(λ)是光谱的噪声波动量。进一步地，步骤S3中所述在分布式估计算法模型中进行解调具体包括以下步骤：步骤S31：根据光谱分析仪采样反射光谱R0(λ)时所获取到的波长λ的范围，在此范围内随机生成中心波长λB，在光谱左形态参数和右形态参数的范围内随机生成αL和αR，αL和αR是大于1的常数，其范围均为[1,+∞]，从而随机产生初始种群S0，其中含有NP个个体，利用所述非对称光谱模型得出每个个体的R(λ,λB,αL,αR)，其中设置m＝2，I＝1，对概率赋初值P0(X)＝0.5，初始化迭代次数t＝1，设置最大迭代次数Tmax；步骤S32：计算每个个体的适应度函数值即求出每个个体构造的拟合光谱R(λ,λB,αL,αR)与采样光谱R0(λ)之间的差值，按照适应度值进行从小到大排序，并从中选取M(M≤NP)个优势个体；步骤S33：以步骤S32中M个优势个体为样本，利用群体增量学习(population-basedincrementallearning,PBIL)算法模型更新概率模型；更新后的概率模型公式为：Pt+1(X)＝(1-a)Pt(X)+Bt(X)，其中X为种群样本，a为学习率，取0.01～0.1，Pt(X)为当前迭代次数下的概率向量，Bt(X)为当前迭代次数下的种群最优解；步骤S34：利用步骤S33得到的概率模型采样产生N(N＜NP-M)个新个体，则新一代种群由采样产生的新个体、选择的优势个体和随机产生的初始种群组成，记为St，采用最佳精英主义思想，保留了父代部分优势个体的同时，将劣势个体替换为概率模型产生的新个体；步骤S35：判断是否达到终止条件，即迭代次数t是否小于Tmax，若是，则执行步骤S32，t＝t+1，若否，则迭代结束；步骤S36：分布式估计算法输出最优解，得到采样光谱的中心波长值λB、左形态参数αL和右形态参数αR。与现有技术相比，本专利技术有以下有益效果：本专利技术既能够满足正常光谱的高精度解调要求，又能够对非对称光谱进行最大限度的解调，增强FBG传感网络对非对称光谱的解调能力。附图说明图1为本专利技术实施例的光纤布拉格光栅典型非对称光谱图。图2为本专利技术实施例的光纤布拉格光栅传感器非对称光谱解调系统示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图2所示，本实施例提供了一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，提供一光纤布拉格光栅传感器非对称光谱解调系统本文档来自技高网...

【技术保护点】
1.一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，其特征在于：提供一光纤布拉格光栅传感器非对称光谱解调系统，所述系统包括光纤布拉格光栅、宽带光源、3dB光耦合器、光谱分析仪和计算机；所述光谱分析仪分别与所述3dB光耦合器和所述计算机连接；所述宽带光源产生的入射光经过所述3dB光耦合器进入所述光纤布拉格光栅阵列中，而各所述光纤布拉格光栅的反射光谱经过所述3dB光耦合器进入所述光谱分析仪进行采样处理，经所述光谱分析仪处理后的数据即采样数据，最后送入计算机进行解调处理；具体按照以下步骤实现：步骤S1：对采集到的大量典型非对称光谱，利用聚类分析方法提取出典型非对称光谱特征，将标准的正常光谱对应的高斯模型转变成非对称高斯模型，得到非对称光谱模型；步骤S2：利用最小化构造光谱和实际采样光谱之间的差异度的原理来进行光纤布拉格光栅解调，构建如下的解调模型：

【技术特征摘要】
1.一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，其特征在于：提供一光纤布拉格光栅传感器非对称光谱解调系统，所述系统包括光纤布拉格光栅、宽带光源、3dB光耦合器、光谱分析仪和计算机；所述光谱分析仪分别与所述3dB光耦合器和所述计算机连接；所述宽带光源产生的入射光经过所述3dB光耦合器进入所述光纤布拉格光栅阵列中，而各所述光纤布拉格光栅的反射光谱经过所述3dB光耦合器进入所述光谱分析仪进行采样处理，经所述光谱分析仪处理后的数据即采样数据，最后送入计算机进行解调处理；具体按照以下步骤实现：步骤S1：对采集到的大量典型非对称光谱，利用聚类分析方法提取出典型非对称光谱特征，将标准的正常光谱对应的高斯模型转变成非对称高斯模型，得到非对称光谱模型；步骤S2：利用最小化构造光谱和实际采样光谱之间的差异度的原理来进行光纤布拉格光栅解调，构建如下的解调模型：其中λB,αL,αR为待求的决策变量，R0(λ)为实际需要解调的光纤布拉格光栅传感网络采样光谱数据；在求解该解调模型的同时，还需要辨识出αL,αR这两个形态参数；利用分布式估计算法实现该解调模型对非对称光谱的解调；步骤S3：所述光纤布拉格光栅的反射光谱通过所述3dB光耦合器进入光谱分析仪进行采样；所述光谱分析仪将得到采样数据发送到所述计算机进行数据处理，得到采样光谱R0(λ)，并将所述采样光谱数据送到分布式估计算法模型中进行解调。2.根据权利要求1所述的一种基于分布式估计算法的光纤布拉格光栅传感器非对称光谱解调方法，其特征在于：步骤S1中所述非对称光谱模型公式如下：引入了左右侧光谱形态参数，用以描述不同特征的光谱变化趋势；式中αL、αR分别对应于光谱模型中左形态参数和右形态参数；λB为FBG反射光谱的布拉格中心波长；阶数m是控制峰值跨度；I是反射功率；Noise(λ)是光谱...

【专利技术属性】
技术研发人员：江灏，曾琦颖，陈静，缪希仁，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35