单模光纤宏弯损耗的温度响应特性

为了实现光纤宏弯温度传感,对单模光纤宏弯损耗的温度响应特性进行了理论与实验研究.理论上对单模光纤宏弯损耗理论公式进行了温度修正.基于该公式模拟了波长、弯曲半径以及温度对纤芯-无限包层结构单模光纤宏弯损耗性能的影响.设计制作了一种带吸收层和镍保护层的单模光纤宏弯温度传感探头并进行了温度传感性能实验测试.结果表明:纤芯-无限包层结构单模光纤宏弯损耗对弯曲半径、波长和温度变化较为敏感,与温度之间的响应呈线性,该探头的温度分辨率为0.4℃;通过减小弯曲半径和提高光源波长,可进一步提高其温度灵敏度和分辨率.该结构光纤可近似看作纤芯-无限包层结构光纤,用于开发光纤宏弯温度传感器.     

基于BP神经网络的人体血液中红细胞浓度无创检测

采用BP神经网络算法模型对人体血液红细胞浓度进行无创检测。对获取的动态光谱数据和红细胞实测值利用BP神经网络进行建模分析,校正集输出对期望值的跟踪较好,相关系数R达到了0.993,用建立起的BP神经网络模型去检验预测集输出值,得到预测集的相对误差最大为4.7%,平均相对误差为2.1%,预测能力较为理想。结果表明：用BP神经网络模型能够较准确的处理动态光谱数据和人体红细胞实际值的非线性关系,提高了血液成分无创测量在临床上应用的可行性,具有较高的应用价值。     

PLS和SMLR建模方法在水蜜桃糖度无损检测中的比较研究

在实际应用中,一些实验条件往往不能严格控制而存在变化,从而影响近红外光谱检测模型的稳健性。文章以50个常温和50个冷藏后的奉化水蜜桃样品组成温度混合样品集,经光谱杠杆值和狄克松检验法进行异常光谱剔除后,采用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)对水蜜桃糖度进行建模分析。PLS的建模结果：校正集相关系数R_C=0.965, 校正均方根标准误差RMSEC=0.301°Brix,交叉验证R_CV=0.812,交叉验证均方根标准误差RMSECV=0.67°Brix,标准偏差与交叉验证均方根标准误差的比值RPD=1.72;SMLR的建模结果：校正集R_C=0.929,RMSEC=0.424°Brix, 交叉验证R_CV=0.887, RMSECV=0.532°Brix, RPD=2.16。SMLR的预测结果要优于PLS的预测结果,在SMLR分析中,在3个不同的光谱区域4 290～7 817,7 817～10 725,4 290～10 725 cm-1的RPD值分别为1.97,1.89,2.16。试验结果表明,将不同温度条件下的样品组成温度混合样品集,用PLS和SMLR建立的模型具有较好的预测效果。     

BP神经网络在使用红外热像仪技术预测冬小麦产量中的应用(英文)

通过使用红外热像仪技术获得冬小麦冠层不同温度值,计算得到冬小麦主要需水阶段水分胁迫指标ICWSI(infrared crop water stress index)。并根据此数据,使用一次灌溉周期中3个时段不同的ICWSI的平均值作为输入因子,相应实测冬小麦产量作为输出因子,建立了BP神经网络模型对冬小麦的产量进行预测,本文采用三层BP神经网络,其拓扑结构为3-5-1,数据归一化处理后收敛性能增强。预测结果显示,平均相对误差最大只有3.42%;为了证实这一方法的优越性,同时建立了基于ICWSI和冬小麦产量关系的非线性函数的预测模型,预测结果与实际产量值进行比较,平均相对误差最大达到了18.87%。两种预测方法得到的不同预测结果表明,将红外热像仪技术与BP神经网络预测方法相结合,可以成功用来预测冬小麦产量,比使用非线性函数预测的效果更好,精度更高,可靠性更强,可以用于实际生产需要。     

氧气顶炉口火焰温度多光谱分析

采用多波长分析方法测量氧气顶回转炉口火焰温度的研究。在该方法中,采用USB4000型光纤光谱仪测量火焰在可见光波长范围内的火焰辐射光谱,结合Levenberg-Marquardt最优化算法,得到火焰温度和单色辐射率变化规律。本文还提出了采用小波神经网络处理多光谱测温数据,该方法可以取消发射率与波长之间的假设模型,是一种获得目标真温及发射率行之有效的方法。网络中隐含层的神经元是由S函数和Morlet小波函数的乘积组合构成,在逼近火焰温度中具有良好的表现。     

应用差异光谱法建立绵羊采食复杂日粮干物质消化率模型的研究

研究旨在探讨利用放牧家畜“日粮—粪”差异光谱,建立干物质消化率模型的可行性。通过人工混合复杂日粮饲喂绵羊进行室内代谢试验,获得104份“日粮—粪”样品对,同时将相应的日粮和粪光谱做差获得104份差异光谱,将70份用于建模,34份用于检验。结合偏最小二乘法,利用差异光谱建立绵羊在采食成分较复杂时干物质消化率预测模型。最佳光谱范围为8 656～4 310 cm-1;光谱预处理方法以多元散射校正+一阶导数处理+Norris平滑(MSC+1st Deriv+Norris)处理的效果最好,最佳主因子数为7。经外部检验得到预测标准误差(RMSEP)为2.46%,相对标准误差(RPD)大于2.5,预测值与实际值的决定系数为0.833 9,说明所建近红外模型具有较好的预测效果。     

具有波长标定功能的多模光纤温度传感器

给出了基于宽谱光源问讯的具有波长标定功能的多模光纤温度传感器理论分析,指出光谱中凹陷所对应的特征波长位置是由多模光纤中激励起的多个传输模式再次耦合到引出单模光纤中进行干涉决定;特征波长由多模光纤的芯径、长度、纤芯和包层折射率决定.利用提出理论对光源光谱ASE的光谱范围中出现的特征波长的个数进行了分析模拟,并优化设计了只出现一个特征波长的多模光纤温度传感器,制作了三个长度分别约为4 cm,5.5 cm和10 cm的只有一个特征波长的多模光纤温度传感头,利用毛细玻璃管进行了封装, 并利用分辨率为0.01 nm的光谱分析仪进行了温度测量实验,发现温度与特征波长漂移的线性关系约为13 pm/℃.     

基于灰色关联分析的BP神经网络对混流闭式冷却塔出水温度的预测

通过控制变量法对混流闭式冷却塔进行测试, 采用灰色关联分析法对影响出水温度的因素进行筛选, 将关联度较大的5个因子作为输入参数, 进而建立灰色_BP神经网络预测模型, 对混流闭式冷却塔的出水温度进行预测。操作参数包括进水温度、湿球温度、补水温度、循环水流量和风量, 输出值为出水温度。网络采用三层结构, 隐含层神经元数为4个, 迭代次数为30 000次, 使用不涉及训练阶段的实验数据来验证所建立的模型。结果表明, 灰色_BP神经网络模型比传统BP神经网络模型的预测结果更加准确, 其预测值与实际值的相关系数、平均相对误差、均方根误差, 分别为0.998 9、0.293 4%和0.152 9, 因而可认为灰色_BP神经网络是预测混流闭式冷却塔出水温度的有效工具。     

波长和强度同时响应的锥形多模光纤温度传感器

通过将一段长为17 mm的多模光纤两端分别与单模光纤对芯熔接,然后对多模光纤部分进行拉锥处理,得到一种波长和强度同时对温度响应的锥形多模光纤温度传感器。实验研究了30 ℃~80 ℃范围内传感器的温度传感特性。实验结果表明:当环境温度发生变化时,该传感器在1 542 nm附近干涉波谷的波长和强度对温度的响应灵敏度分别可达到0. 041 nm/℃和0. 106 dB/℃,并且传感器干涉条纹的波长响应和强度响应之间呈良好的线性关系。基于传感器波长响应与强度响应之间的该线性关系,通过传感信号强度的检测即可实现干涉型光纤传感器的相位解调,该方法为传感解调信号提供了新思路,具有重要的参考价值。     

LED泵浦蓝宝石光纤荧光温度传感器

采用激光加热基座法制备端部Cr3+离子掺杂的蓝宝石单晶光纤,得到一体型蓝宝石单晶光纤荧光温度传感头.对所制备的荧光温度传感头的荧光温度特性进行了实验研究.结果表明,随着温度升高Cr3+∶Al2O3单晶光纤荧光寿命单调下降,从温度为0 ℃的4.0 ms下降到450 ℃的0.2 ms.利用所制备的荧光温度传感头,用波长405 nm紫色LED作为泵浦光源,采用相关检测技术在线实时测量荧光寿命,研制成测温范围0 ℃～450 ℃一体型蓝宝石光纤荧光温度传感器.     

基于BP神经网络和激光诱导击穿光谱的燃煤热值快速测量方法研究

作为煤质评价的重要指标之一,热值的快速、准确测量对电厂燃煤锅炉的优化燃烧和经济运行至关重要。采用激光诱导击穿光谱(LIBS)技术结合BP神经网络定量分析模型和聚类分析,以35个煤粉样品作为研究对象进行热值的定量分析。基体效应对LIBS光谱数据的显著影响,针对基于某类煤粉样品所建立的定标曲线不能直接用于不同煤种的定量分析,采用K-means聚类方法根据热值、灰分、挥发分把样品分为三类对训练集和预测集样品进行优化选择。通过谱线强度和热值变量相关性分析,同时考虑特征谱线的物理意义,最终提取12条元素谱线的峰值强度作为输入参数,建立BP神经网络模型对燃煤热值进行预测。定标结果表明,建立的神经网络模型具有良好的定量分析能力,定标曲线拟合度R2为0.996,热值预测值的相对误差低于3.42%,多次重复测量的相对标准偏差在4.23%以内。对聚类分析中3类样品具有不同的预测能力,采用峰值强度作为输入参数时,能够在一定程度上减弱试验参数波动和基体效应造成的影响。定量分析结果的重复性和准确性可以通过对不同类别的煤种分别建立BP神经网络模型来进一步改善。LIBS技术结合BP神经网络可以对煤粉热值进行定量分析,在现场在线/快速检测领域具有很好的应用价值和潜力。     

可见/近红外光谱法无损检测赣南脐橙可溶性固形物

应用可见/近红外光谱法对赣南脐橙可溶性固形物进行了无损检测研究。通过主成分分析,获取光谱的有效信息,将其作为人工神经网络的输入变量进行非线性建模。90个建模样品训练结果是,样品参考值与预测值之间的相关系数为0.9147,训练均方差为0.5203;38个未知样品预测结果是:样品参考值与预测值之间的相关系数为0.9033,预测均方差为0.6964,相对预测偏差4.5709%。实验结果表明基于人工神经网络的可见/近红外光谱法无损检测赣南脐橙可溶性固形物是可行的。     

基于拉曼光谱散射的新型分布式光纤温度传感器及应用

介绍了分布式光纤拉曼温度传感器(DTS)的基本原理、发展趋势和工程应用研究状况,研究了分布式光纤拉曼温度传感器的关键技术,全面提升了DTS的性能。将拉曼放大技术应用于DTS系统,用拉曼增益部分抵偿光纤的传输损耗,使系统的传感长度达到50 km;对脉冲激光器进行211位循环编码,在接收时采用相关运算解调,显著提高系统的信噪比,使测温不确定度达到1 ℃;采用双波长自校正技术提高了系统的空间分辨率,达到2 m;在DTS系统中嵌入光开关,使测温通道成倍扩展,有效延伸了传感光纤的总长度,组成光纤传感网络。     

基于PCA-BP神经网络的光谱消光法颗粒粒径反演算法研究

光谱消光法广泛应用于颗粒粒径测量领域,在利用光谱消光法对颗粒粒径进行反演的过程中,由于颗粒的消光系数存在理论复杂、计算繁琐、收敛速度慢以及求解不稳定等问题,很大程度上影响了整个反演过程的快速性和准确性。且在众多波长的消光数据中,存在较多重复冗余的信息,也很大程度上增加了反演算法的时间。针对光谱消光法粒径反演算法计算繁琐、反演效率低的问题,提出了基于主成分分析（PCA）和BP神经网络的光谱消光颗粒粒径分析方法。基于Mie散射理论对不同粒径、不同波长下的光谱消光值进行了仿真计算,通过对光谱消光数据集的主成分分析及各个波长综合载荷系数的计算,实现了最优特征波长的选取,利用降维后的光谱消光数据训练了PCA-BP神经网络模型,并利用该网络模型计算了粒径颗粒分布。通过仿真计算,比较了PCA-BP神经网络模型与传统的BP神经网络模型的预测精度,并分析了波长数目对两种神经网络模型预测结果的影响。针对训练得到的PCA-BP神经网络模型开展光谱消光法粒径参数反演算法的验证实验,搭建了光谱消光法颗粒粒径参数测量实验系统,测量了粒径范围在0.5～9.7 μm内的6种不同粒径参数的聚苯乙烯标准颗粒。仿真和实验结果表明：基于主成分分析方法可确定各个波长向量之间的相关性,利用综合载荷系数选取最优特征波长对应的消光值对整体的光谱数据具有较好的代表性,可实现光谱数据的降维。相比传统的BP神经网络模型,基于PCA-BP神经网络模型的颗粒粒径分布的分析方法预测精度更高,对于较分散颗粒系的分布参数的预测有更加明显的优势。而且,被选取的波长数较少时,PCA-BP神经网络模型依然有较高的预测精度。利用训练好的PCA-BP神经网络模型对颗粒粒径参数进行实验验证,预测结果可瞬时输出,颗粒粒径分布误差在5%以内,验证了该算法的可行性。     

基于神经网络的叶绿素含量精细测量建模方法研究

活体植物叶片叶绿素含量SPAD值易受叶片厚度、水分等影响,提出了基于多参数神经网络建模的叶绿素含量精细反演方法。通过测量叶片在中心波长分别为650,940和1 450 nm光照射下的透过率,获得叶片的SPAD值和水分指数WI(water index),同时用数字螺旋测微仪测量相应的叶片厚度并用分光光度法测得其叶绿素含量。利用建模集样本分别建立SPAD值与实测叶绿素含量之间的单参数模型和基于BP神经网络的WI、厚度及SPAD值与实测叶绿素含量之间的非线性模型。利用这两种模型分别计算获得验证集样本的叶绿素含量预测值,对预测值和实测值进行了相关分析和相对误差的分析。实验以340个三种不同植物叶片为样本,用以上方法进行了分析。结果表明,利用BP神经网络建模后,每种植物样本的叶绿素含量预测精度都有不同程度的提高,尤其对于叶片厚度值较大的样本,效果更为明显。数据显示所有混合样本平均相对误差绝对值由单参数模型的7.55%降低到5.22%,实测值与预测值的拟合决定系数由0.83提高到0.93。验证了利用多参数BP神经网络模型可以有效地提高活体植物叶绿素含量预测精度的可行性。     

动态光谱数据质量的评价

为消除数据采集过程中各种因素对基于动态光谱法无创血液成分测量精度的影响,需要对动态光谱数据建立一个质量评价标准,以提高建模的稳定性和预测的准确度。在对110名志愿者的测量数据进行分析后,提出了动态光谱数据的一个质量评价指标——稳定波长数,并依此选取出60例优秀样本。利用BP神经网络对此样本的总胆固醇、血糖、血红蛋白进行了建模和预测。预测结果较之对照组均有所改善,平均相对误差分别从13.8%,15.8%,5.4%降低到6.5%,6.5%,2.1%,证明将稳定波长数作为动态光谱数据质量评价标准的有效性。引入稳定波长数指标,可对测量数据进行预先的质量评估,提高实际仪器预测的可靠性,为动态光谱法血液无创检测走向临床应用铺平了道路。     

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光系统的相机标定的精度对三维测量的精度有很大影响。首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

Improvement of measurement range of optical fiber displacement sensor based on neutral network

By studying the output characteristics of random type optical fiber displacement sensor and semicircular type optical fiber displacement sensor, a sensor of new structure was designed. Using the ratio of the two output signals as the output of the whole system, the measurement range was enlarged, the linearity was improved, and the errors of reflective and absorbent changing in target surface are automatically compensated. Meantime, an optical fiber sensor model of correcting static error and linearizing the output curve based on BP artificial neural network was set up. The intrinsic errors such as fluctuations in the light, circuit excursion, the intensity losses in the fiber lines and the additional losses in the receiving fiber caused by bends were eliminated. By discussing in theory and experiment, the error of nonlinear is 2.9%, the measurement range reaches to 3.0 mm and the relative accuracy is 2%. This kind of sensor offers such advantages as no electromagnetic interference, simple construction, high sensitivity, good accuracy and stability.     

近红外光纤光谱技术检测西红柿果浆总酸及可溶性糖的研究

为了探索一种简捷、快速、高效的西红柿品质检测方法,应用近红外光谱技术与光纤传感技术相结合的新方法,快速测量西红柿果浆样品中营养成分的含量。实验所用的主要仪器为近红外光纤光谱仪,波长范围为900～2 500 nm。以164个西红柿样品为标准样品,进行了光谱采集及相应的化学值测定。实验数据采用偏最小二乘法(PLS)进行回归,建立西红柿果浆中总酸及可溶性糖含量的数学模型,并对回归方法进行统计分析。结果为：西红柿果浆中总酸验证集的决定系数(R2)为0.967,均方根误差(RMSEC)为0.133,预测均方根误差(RMSEP)为0.103;总糖验证集的决定系数(R2)为0.976,均方根误差(RMSEC)为0.463,预测均方根误差(RMSEP)为0.460。均达到了较好的预测结果,表明该方法对定量分析西红柿果浆中多组分含量是可行的。基于该方法快速、简便及可对同一样品多组分含量同时分析的优点,它是一种极具发展前途的传感器,正在逐渐成为国际传感器领域的研究热点。