JLT:深度学习用于克服布里渊光时域分析中的非本地效应
光纤传感Focus
2024-06-21 12:00
文章摘要
本文主要探讨了如何利用深度神经网络(DNN)技术来克服布里渊光时域分析(BOTDA)中的非本地效应(NLE)。BOTDA是一种广泛应用于管道监测、滑坡预警和结构健康监测的分布式温度应变传感方法。文章首先介绍了BOTDA中存在的一阶和二阶NLE问题,这些效应会导致布里渊增益谱(BGS)失真,影响测量精度。传统解决方法涉及复杂的硬件改进,成本高且复杂。为此,华中科技大学研究团队提出了一种基于DNN的解决方案,该方案无需改变系统硬件,能有效处理一阶和二阶NLE,提高BOTDA系统的测量准确性和对NLE的容忍度。通过仿真和实验验证,DNN模型在强NLE条件下相比传统方法显著提高了温度提取的准确性,降低了测量误差,证明了该技术在实际应用中的潜力和优势。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。