光纤光栅温度补偿技术研究
摘要:光纤光栅同时敏感温度和应变。
因此,在测量与应变相关的物理量时,需要补偿温度的影响。
本文综述目前用于温度补偿的算法。
这些算法包括需要建立输入输出解析表达式的回归分析法和不需要建立解析表达式的机器学习法。
这些方法都可以实现温度补偿,但是,相比之下,机器学习法更为灵活,方便,在光纤传感领域具有一定的应用前景。
关键词:光纤光栅温度补偿传感器机器学习法
光纤光栅是一种新型光无源器件,具有体积小、本征防爆、抗电磁干扰、易于复用、耐高温及耐腐蚀等优点,受到研究人员极大的关注。
光纤光栅同时敏感温度和应变。
当测量与应变相关的被测量时,就需要补偿温度影响。
如何补偿温度的影响一直是科研人员潜心研究的问题。
1 光纤光栅传感原理
根据光纤光栅的耦合模理论,均匀非闪耀光纤光栅可将其中传输的一个导模耦合到另一个沿相反方向传输的导模而形成窄带反射波,反射波峰值波长随应变和温度的偏移量为:
从式(1)可以看出,温度和应变都会影响光纤光栅的波长偏移,因此,若测量与应变有关的物理量,就需要补偿温度的响应。
如何补偿温度是科研人员潜心研究的问题。
2 温度补偿方法
目前,温度补偿方法分为两类:硬件补偿法,即根据弹性元件自身的特点,测量光纤光栅反射波峰值波长差或反射波带宽消除温度的影响;模型法,即通过监测温度信号,建立输入输出模型进行温度补偿。
2.1 硬件补偿法
2.1.1 测量峰值波长差
将两个相同光纤光栅布置在梁上下表面相同的位置,形成差动结构,测量两个光纤光栅峰值波长的差;或者将一根光栅分成两部分,一部分处于自由状态,敏感温度,另一部分利用聚合物结构封装起来或粘贴在弹性元件上,敏感温度和应力,通过测量两部分光纤光栅的峰值波长差消除温度的影响。
2.1.2 测量带宽
在任意温度下,只要光纤光栅整体的温度保持一致,则光纤光栅各
点因温度而引起的变化就是相同的,即环境温度仅对光纤光栅反射波长有影响,不影响带宽。
根据这一原则,将光纤光栅斜向粘在等腰三角形梁的侧面[3]等。
利用硬件补偿温度需要寻找弹性元件具有特殊的应变区域,或者人为制作具有特殊应变区域的弹性元件,方法不灵活。
而且,由于光纤光栅就是光纤上的一段,光纤光栅的栅区位移不易确定,增加粘贴工艺难度。
2.2 模型法
模型法是利用多传感器技术改善传感器性能的基本方法。
所谓模型法,就是当待测量传感器存在干扰量时,若要消除干扰量的影响,就要有测量干扰量的传感器,从而建立测量待测量和干扰量的多传感器系统,通过不同算法建立输入输出关系,进而得到剥离温度影响的非温待测量,其框图如图1所示。
由图1可见,利用模型法分为两步,一是待测量x与温度T的双传感器系统的研制;二是温度补偿算法。
模型法灵活,易行,不受弹性元件、乃至测量原理的限制。
2.2.1 待测量x与温度T的双传感器系统
目前,光纤光栅待测量x与温度T的双传感器系统可以归纳为两类:双光纤光栅,包括不同种类、不同光栅常数的两个光纤光栅;光纤光栅与其他类型传感器组成双传感器。
双光纤光栅。
将不同直径的光纤熔接,然后在熔接处写入光栅使得同一光栅分布在不同直径的光纤上,进而具有不同的光栅常数,两部分光纤光栅同时敏感温度和非温待测量形成双传感器。
HB Liu等人利用聚合物和熔融石英两种材料制成的光纤光栅组成双传感器测量温度和压力。
光纤光栅与其他类型传感器。
C Ferna＇ndez-Valdivielso等人利用热致变色材料测量温度和光纤光栅组成双传感器系统。
ST.Oh等人[6]提出利用光纤光栅在写入过程中形成的双折射效应产生极化损耗与温度与应变的关系和光纤光栅的反射波长与温度和应变的关系形成双传感器区分测量温度和应变。
2.2.2 温度补偿算法
(1)线性回归分析算法。
目前,光纤光栅传感器进行温度补偿采用的算法主要是定常系数线性回归算法,其思路是利用式(1)进行的,即设定温度T和非温待测量x与光纤光栅波长的变化都是线性关系,建立输入输出模型。
利用式(1)进行温度补偿的定常系数线性回归算法思路简单,易于理解。
但是,实际上,式(1)只是光纤光栅反射波峰值波长与应变和温度关系的线性近似,没有考虑温度与应变交叉项的影响。
尤其是大量程的测量,非线性更加严重,而且,式(1)中的常系数也不再固定。
如果建立更加严谨的、严密的关系式,则式(1)必然是高阶多项式的非线性方程,就使得系数
矩阵复杂,增大处理难度。
因此,需要寻求新的温度补偿算法。
(2)机器学习算法。
BP神经网络补偿温度影响的研究:BP神经网络已经在模式识别等领域得到成功应用。
利用BP神经网络进行温度补偿包括以下步骤:形成训练样本和检验样本,它包括输入输出数据的归一化处理、训练样本和检验样本的选定;建立BP神经网络模型;网络补偿效果评价。
通过对光纤光栅聚合物传感器进行温度补偿发现,该方法有效。
支持向量机补偿温度影响的研究:支持向量机(Support Vector Machine,SVM)是一种新的机器学习方法,其基础是Vapnik创建的统计学习理论。
SVM采用结构风险最小化(Structural Risk Mini mization,SRM)准则,在最小化样本点误差的同时,最小化结构风险,提高了模型的泛化能力。
基于以上优势,SVM已经在系统辨识[12]等多个领域得到应用,取得了较好的效果。
利用SVM补偿的步骤包括将经过预处理的标定数据分成训练样本和检验样本、利用训练样本优化模型参数,包括核函数、惩罚因子和表征核函数的参数等。
将其用于光纤光栅传感器进行温度补偿收到了很好的效果。
3 结语
温度补偿是困扰科研人员的难点。
本文分析了不同的温度补偿方
法,并对用于温度补偿的算法进行分析。
可以看出,线性回归算法可以补偿温度的影响,但是它的应用是有限的。
机器学习法,包括神经网络和支持向量机等,应用方便,灵活,在光纤光栅传感领域具有一定的前景。
参考文献
[1] 单光纤光栅对温度与应变的同步测量[J].光电子·激光,2010(12).
[2] 刘君华．智能传感器系统[M]．西安:西安电子科技大学出版社,2000:250．
[3] 张伟刚,开桂云,赵启大．新型光纤布拉格光栅温度自动补偿传感研究[J]．光学学报,2002,22(8):999～1003．
[4] 乔学光,李育林．用不同周期重叠写入的光纤布拉格光栅传感器对应力和温度实现同时测量[J]．应用激光,1998,18(6):254～257．
[5] HB Liu,HY Liu,GD Peng,et al.Strain and temperature sensor using a combination of polymer and silica fibre Bragg gratings[J].Optics Communi cations,2003,219(1～6):139～142.
[6] S Oh,W Han,U Paek,et al.Discrimination of temperature and strain with a single FBG based on the birefringence effect[J].Optics Express,2004,12(4):724～729.
[7] 傅海威,乔学光,贾振安,等．光纤Bragg 光栅应变传感研究[J]．激光杂志,2004,25(5):68～69．
[8] 乔学光,贾振安,傅海威.光纤光栅温度传感理论与实验[J]．物理学报,2004,53(2):494～497．
[9] 杨淑娥,黄礼．基于BP神经网络的上市公司财务预警模型[J]．系统工程理论与实践,2005,25(1):12～18．
[10] 邵军,刘君华,乔学光.利用BP神经网络提高光纤光栅压力传感器的选择性[J]. 传感技术学报,2007,20(007):1531～1534.
[11] 张学工.统计学习理论的本质[M]．北京:清华大学出版社,2000:96～116．
[12] 叶美盈,汪晓东．混沌光学系统辨识的支持向量机方法[J]．光学学报,2004,24(7):953～956．
[13] 邵军,刘君华,乔学光,等.利用支持向量机补偿温度对光纤光栅传感的影响[J].光电子·激光,2010,6.。