一种基于神经网络的拉曼分布式温度传感方法和系统技术方案

本发明专利技术公开了一种基于神经网络的拉曼分布式温度传感方法和系统，方法包括以下步骤：(1)获取一个采样周期的自发拉曼散射强度数据，将该采样周期的自发拉曼散射强度数据输入训练好的一维去噪全卷积神经网络模型中，以生成去噪后数据。(2)利用去噪后数据中的斯托克斯数据序列与反斯托克斯数据序列完成分布式拉曼温度计算。本发明专利技术目的在于，解决现有基于小波去噪的拉曼分布式温度传感系统中存在的性能提升少、需要人工参数调优的技术问题。

【技术实现步骤摘要】
一种基于神经网络的拉曼分布式温度传感方法和系统
本专利技术属于光纤传感
，更具体地，涉及一种基于神经网络的拉曼分布式温度传感方法和系统。
技术介绍
基于拉曼的分布式温度传感(英文：Raman-baseddistributedtemperaturesensing，简写为RDTS)依据光纤中的自发拉曼散射(英文：spontaneousRamanscattering)光的强度来获得光纤的温度分布。由于其具备长距离全分布式测量、抗电磁辐射、实时连续测量等优点，广泛应用于电网、隧道、油气管道和核工业等关键设施的温度监测。获得的自发拉曼散射信号的信噪比(英文：signal-to-noiseratio)决定了拉曼的分布式温度传感的精度，比泵浦光弱约60dB。另外，由于传输损耗的影响，信号随着光纤的传播而减小。因此，基于单模光纤(英文：single-modefiber)的传统RDTS信噪比很低，限制了其在长距离应用中的测温精度。为了提高性能，人们提出了许多方法，包括使用特殊光纤、脉冲编码技术和去噪算法。然而，这些方法都有其局限性，如系统复杂度和成本较高。本文档来自技高网...

【技术保护点】
1.一种基于神经网络的拉曼分布式温度传感方法，其特征在于，包括以下步骤：/n获取一个采样周期的自发拉曼散射强度数据，将该采样周期的自发拉曼散射强度数据输入训练好的一维去噪全卷积神经网络模型中，以生成去噪后数据；/n利用所述去噪后数据中的斯托克斯数据序列与反斯托克斯数据序列完成分布式拉曼温度计算。/n

【技术特征摘要】
1.一种基于神经网络的拉曼分布式温度传感方法，其特征在于，包括以下步骤：
获取一个采样周期的自发拉曼散射强度数据，将该采样周期的自发拉曼散射强度数据输入训练好的一维去噪全卷积神经网络模型中，以生成去噪后数据；
利用所述去噪后数据中的斯托克斯数据序列与反斯托克斯数据序列完成分布式拉曼温度计算。


2.如权利要求1所述的基于神经网络的拉曼分布式温度传感方法，其特征在于，具体训练过程为，将训练数据集输入一维去噪全卷积神经网络中，神经网络训练为200个周期，批大小为16个，学习速率为1e-3，在每个训练周期中，输入数据首先向前传播，然后计算输出和目标之间的差的均方误差并向后传播。


3.如权利要求1所述的基于神经网络的拉曼分布式温度传感方法，其特征在于，所述分布式拉曼温度计算函数定义如下：



其中，T为分布式拉曼温度，T0为参考温度，R(T0)为温度T0时反斯托克斯光与斯托克斯光强度之比，Δv为拉曼频移，h为普朗克常数，k为玻尔兹曼常数，R(T)为温度T时反斯托克斯光与斯托克斯光强度之比。


4.如权利要求2所述的基于神经网络的拉曼分布式温度传感方法，其特征在于，所述训练数据集的生成方法为：
生成表达强度变化的随机数X，生成随机数n，将n个X添加到合成数据序列中，随机数X大于0小于1，随机数n大于1小于N，N为一维去噪全卷积神经网络的接受域；
在合成数据序列中加入标准偏差为预设值S的高斯白噪声；
重复上述步骤，生成4800个合成的自发拉曼散射数据，其中4000个作为训练数据集，其余800个作为验证数据集，每个自发拉曼散射数据包含10000个采样点数值。


5.如权利要求4所述的基于神经网络的拉曼分布式温度传感方法，其特征在于，所述预设值S的值为0.001。


6.如权利要求5所述的基于神经网络的拉曼分布式温度传感方法，其特征在于，所述一维去噪全卷积神经网络包括顺序相连预设值L层卷积神经网络结构；
第1个1维卷积层带有线性整流激活函数，第2个至第L-1个1维卷积层中每一层都带有批归一化函数和线性整流激活函数，第1个1维卷积神经网络用于接收训练数据，第L个1维卷积...

【专利技术属性】
技术研发人员：吴昊，张仲书，赵灿，
申请(专利权)人：芯华创武汉光电科技有限公司，
类型：发明
国别省市：湖北;42