相位解调Φ-OTDR双路检测方法及机理研究

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:haidong711
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着工业物联网的快速发展,一种新型的基于相位敏感光时域反射计的(Phase-sensitive optical time-domain reflectometer,Φ-OTDR)分布式光纤声学传感器(Distributed Fiber Optic Acoustic Sensor,DAS)得到了广泛的研究。基于此项技术的Φ-OTDR分布式光纤声学传感器不仅具有普通光纤传感器的优点,而且具有重量轻、监测范围宽、隐蔽性好、灵活性好、灵敏度高、定位准确等优点,可以被广泛应用于周界安全,温度检测,地震应用,入侵检测,铁路安全监控等重要领域。与点传感器相比,DAS扮演着不可替代的角色。但传统的Φ-OTDR系统是基于幅度检测的,难以对外部振动事件进行更精确的定量检测。所以Φ-OTDR相位解调系统是通过使用适当的信号处理算法来量化外部动态干扰。到目前为止,已经提出了多种不同的解调方法去重建动态振动信息,如直接检测解调方法、数字相干解调方法、干涉仪解调方法等。因为干涉仪解调方法具有高分辨率和平坦的频率响应,因此干涉仪解调结构是一种常用的解调方法。在基于干涉仪解调方法中,在Φ-OTDR相位解调结构中引入3×3耦合器和不平衡迈克尔逊干涉仪,这种结构相比于相位生成载波解调方法,就不需要外部引入载波进行调制,因此这种结构简化了传感系统的解调复杂度,并同时降低了采样率要求,同时也提高了传感系统的动态测量范围。本文主要是对基于3×3耦合器并结合不平衡迈克尔逊干涉仪结构的双路探测系统的机理进行深入研究。与目前已经提出的基于3×3耦合器的Φ-OTDR相位解调系统不同之处在于,本文提出的Φ-OTDR解调系统只需要两个光电探测器和双通道采集设备即可进行光电转换和数据采集,降低了系统硬件成本,方便了信号处理。在信号处理部分,我们采用改进的两路微分交叉相乘解调算法,将3×3耦合器不理想对称对解调结果所带来的影响降到最小。通过理论分析、仿真和实验结果表明,在3×3耦合器不对称的情况下,本文提出的解调算法可以提高系统信号解调结果的稳定性和抗噪声性能。根据设计的相位解调系统,进而在光学平台上搭建实验系统。将多个压电陶瓷放置在2km的传感光纤上,模拟了多个振动事件。实验结果表明,我们的系统能够检测和恢复在不同位置同时发生的多个不同振动事件的实际波形。所提出的Φ-OTDR系统的背景噪声水平约为-30.95dB(8.98×10-4rad/√Hz),在1kHz时的信噪比约为36.24dB,并且所提出的系统能够以R~2=0.9983的线性振幅响应来重建声学振动信号。同时我们的系统实现了在50 Hz到10 kHz频率范围内的声学振动信号的正确解调。本文提出的基于3×3耦合器并结合不平衡迈克尔逊干涉仪的相位解调Φ-OTDR双路检测系统以及对应的两路DCM解调算法提高了系统解调结果的稳定性,降低了3×3耦合器不完全对称对解调结果的影响,同时结构简单成本低。本方案为动态声学测量提供了一种新的选择,同时为相位解调Φ-OTDR系统在实际应用中保持性能稳定性和可靠性提供了保障。
其他文献
高光谱图像分类是高光谱图像研究的一个重要分支。已经有很多研究人员提出了高精度的高光谱分类网络。但是这些网络需要占用相当多的处理资源和处理时间,限制了深度学习技术以及高光谱数据的应用和推广。轻量级网络在最近几年成为深度学习领域的一个新热点,然而现有的轻量级网络多为普通RGB图像处理所设计,并不适合处理高光谱图像。针对高光谱图像分类问题的轻量级网络进行研究,本文的主要工作有如下三个方面:1)本文从GP
大气偏振模式作为地球的自然属性,其中蕴含丰富的光学特性分布信息,并且大气偏振模式在天空中稳定存在,即使在复杂大气环境因素影响下,大气偏振模式仍然呈现出一系列的时空连续分布规律,因此其在自主导航、目标探测等领域具有广阔的应用前景。为了解决在大气偏振模式实测实验中有时会出现数据缺失或数据集断档的情况,本文设计一种基于序列信息的局部大气偏振模式信息重构网络,并通过仿真与实测偏振数据进行实验验证本文所提方
强化学习是人工智能的重要分支之一,近年来受到了广泛的关注与研究。强化学习以奖励为唯一的指导,利用不断试错的方式,使得智能体在与环境的频繁交互中逐渐学习到能够获得最大累计期望奖励的最优策略。但当奖励分布稀疏或奖励分配不均时,便会影响智能体的训练,造成智能体收敛速度缓慢和训练不足等问题,即稀疏奖励问题和信用分配问题。本文主要贡献如下:(1)针对稀疏奖励问题,提出了一种基于情感的异构多智能体强化学习奖励
室内人体定位与动作识别一直以来都是当代人工智能领域研究的热点之一,针对这两方面已有的研究成果非常多,但是从成本、实现复杂度和人体隐私等方面去考虑,现有的一些人体目标定位和动作识别算法存在使用的仪器昂贵、环境要求太高和容易泄露生活隐私等问题。本文针对上面的问题提出了利用人体运动时热释电红外传感器输出的模拟信号来对人体进行定位和动作识别。首先热释电红外传感器成本和功耗都低,其次它采集的信号是人体红外热
从上世纪60年代起,特征选择作为一种降低特征数量、去除冗余特征和噪声数据的降维技术,已被广泛地应用于机器学习和数据挖掘的各个领域。传统的特征选择方法通过计算特征与类别变量之间的相关性进行特征选择,但是传统的特征选择方法忽略了它们之间的因果关系。因果特征选择方法通过学习类别变量的局部贝叶斯网络(Bayesian network,BN)结构,即马尔科夫边界(Markov boundary,MB),发现
柔性驱动器能够感知外界环境(电、光、湿度、磁等)刺激,将外部能量转换成机械能,产生特定的机械响应,具有结构简单、环境适应性强、性能稳定等优点,可广泛应用于软体机器人、人工肌肉、智能设备、医疗健康等领域。目前,多数柔性驱动器制备过程繁杂,可响应的外部刺激源单一,力学性能差。本文针对上述不足,选择合适的柔性智能材料,并结合其特点设计具有多刺激源响应的柔性驱动器,并产生快速大变形,实现良好的机械性能输出
随着水泥装备向大型化发展的需要,以预分解技术改进传统的水泥生产方式是当前我国水泥工业的发展方向。分解炉是预分解系统的核心部分,它承担了预分解窑系统中煤粉燃烧、气固换热和碳酸盐分解任务。碳酸盐的有效分解是制约水泥质量的重要因素,而它的有效分解需要一个相对稳定的温度,因此分解炉的温度控制对整个预分解系统的热力分布、热工制度的稳定至关重要。本文在目前国内外水泥分解炉温度预测技术研究现状的基础上,首先,基
电容式射频微机电系统(RF-MEMS)开关由于其具有体积小、性能优于其他同类型器件等优点在当今信息化快速发展的社会得到了广泛的应用,但此类开关的可靠性已经成为制约其快速发展的因素之一,因而对提高开关应用的可靠性也受到越来越多的研究者关注,其中,对于此类开关的寿命预测也逐渐成为研究热点之一。本文选择了影响电容式RF-MEMS开关寿命因素之一的弹性系数kb作为研究对象,研究在不同系数下开关的寿命长短。
新干法水泥预分解生产技术逐渐成为当下水泥生产技术的主流方法,分解炉是水泥生产过程中的重要设备,其承担了水泥熟料90%左右的分解任务,分解炉能否稳定工作对水泥的产量和质量都有重要影响。本文首先论述了水泥生产对我国经济建设发展的意义,从研究现状出发,简要介绍不同学者在分解炉的建模和控制研究上使用的方法。针对预分解技术,简要介绍了悬浮预热器与分解炉工作机理,并论述影响出口温度的主要因素。在分解炉出口温度
电力变压器是电力系统重要组成部分之一,变压器的正常运行是电网安全稳定运转的必要条件。随着我国经济高速发展,变压器的数量和容量均明显增加,因此变压器故障诊断方法的研究具有重要的现实意义。由于能够实现在线实时监测,油中溶解气体分析法成为应用广泛的变压器故障诊断方法。油中溶解气体分析法理论简单,准确率较低,无法解决实际工程中变压器故障类型复杂的问题,因此现代智能方法受到广大研究人员的关注。人工神经网络是