[发明专利]一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法及系统

说明书

本发明提供了一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法及系统，具体包括以下步骤：将畸变光谱的波长解调问题转换为非线性回归问题，建立相应的回归模型，利用基于差分进化改进的极限学习机对畸变光谱样本进行学习，得到训练好的模型，再利用训练好的模型对实际采样光谱进行快速解调，并辨识出相应的畸变参数。本发明既能够保证对正常光谱的高精度解调，又能够最大限度地对畸变光谱进行自适应解调。

技术领域

本发明涉及光纤光栅技术领域，特别是一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法及系统。

背景技术

光纤布拉格光栅(Fiber Bragg Grating,FBG)作为新一代传感器，凭借其高灵敏度、低损耗、低成本、抗电磁干扰、抗腐蚀、耐高温、便于复用组网等方面的独特优点，被广泛应用于电力工业、土木工程、石油化工等多种工程领域的传感监测中，尤其在结构健康监测领域具有巨大的应用价值。因为FBG传感器的尺寸和重量都非常小且防水性能强，便于埋入材料或结构内部，通过组建分布式光纤光栅传感网络就能实现对结构对象的安全评估和损伤定位，从而满足大型复杂结构对象的监测需求。

因FBG传感技术的独特优势使FBG传感网络在实际应用中的工作环境都十分恶劣，虽然FBG传感器都是经过封装保护的，但长期的信息监测依然会使其受到诸如环境温度、湿度、化学腐蚀等外界因素的冲击影响。在应用环境的不断作用下，FBG传感器不可避免地会出现不同程度的性能退化，使得FBG的反射光谱出现畸变，导致测量结果出现偏差，降低了检测系统的可靠性。而在大型结构健康监测系统中,FBG传感器通常是以组网复用形式被大规模埋嵌到结构中,若只更换单个FBG传感器,不仅会破坏整体网络结构,甚至需要更换整条光缆，这势必会造成巨大的经济损失，故对于大规模分布式的FBG传感网络，寻找有效的FBG畸变光谱解调方法，是提高整个FBG传感网络可靠性的一个关键技术。

FBG畸变光谱典型特性包括光谱的主峰展宽变大、光谱的波形左右不对称、光谱的光强变弱、光谱的旁瓣峰值增高等，这些畸变光谱难以被解调，且与正常光谱之间存在串扰现象，从而使FBG的传感能力大大降低。因此，增强FBG传感网络对畸变光谱的解调能力，对于提升FBG传感网络在实际工程中的传感精度及使用寿命具有非常重要的现实意义。

发明内容

有鉴于此，本发明的目的是提出一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法及系统，既能够保证对正常光谱的高精度解调，又能够最大限度地对畸变光谱进行自适应解调。

本发明采用以下方案实现：一种基于差分进化改进极限学习机的光纤光栅传感网络畸变光谱解调方法，具体包括以下步骤：

将畸变光谱的波长解调问题转换为非线性回归问题，建立相应的回归模型，利用基于差分进化改进的极限学习机对畸变光谱样本进行学习，得到训练好的模型，再利用训练好的模型对实际采样光谱进行快速解调，并辨识出相应的畸变参数。

进一步地，在将畸变光谱的波长解调问题转换为非线性回归问题之前包括步骤：

对采集到的大量典型畸变光谱，利用聚类分析方法提取出典型畸变光谱特征，将标准的正常光谱对应的高斯模型转变成畸变高斯模型，得到畸变光谱模型。

进一步地，所述畸变高斯模型的公式如下：

式中，λ_B为FBG反射光谱的布拉格中心波长；ε、τ、α是光谱模型中的畸变参数，分别为衰减因子、展宽参数、波形不对称参数；I_r是反射功率；Δλ_B为FBG的3dB带宽；λ为FBG波长范围取得的间隔点。。

进一步地，所述回归模型的建立如下：

一个由n个FBG构成的传感网络，该网络的反射光谱R(λ)由该网络中每一个FBG的反射光谱构成，则反射光谱R(λ)的表达式为：