高複屈折低反射率FBG-FPIによる温度とひずみの多点同時測定

利用高双折射和低反射率 FBG-FPI 多点同时测量温度和应变

基本信息

批准号：
21K04087
负责人：
和田篤
金额：
$ 2.66万
依托单位：
防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究の目的は、ひずみと温度変化を同時に測定可能で、かつ、高速で高精度な測定が可能な光ファイバセンサを実現する事である。センシング素子として、高複屈折ファイバ上に低反射率光ファイバ・ブラッググレーティングFBGを2つ書き込むことで構成したファブリ・ペロー干渉計(FBG-FPI) を導入する事で高精度なひずみと温度の多点同時測定を、センサ応答の読み出しに半導体レーザの高速波長掃引を用いる事で高速な測定を実現する。既に、高複屈折ファイバ上に構成した低反射率FBG-FPIを用いて温度とひずみの同時センシングを試みており、単点センサとして使用した場合は同等の条件で高反射率のFBG-FPIを使用した時よりも高精度な測定ができること、その一方で、設置する低反射率FBG-FPIを追加し、多点センサとして使用した場合は、計測点を数点増やしただけで測定精度が低下する事が分かっている。今年度は、フーリエ変換によらないセンサ出力の解析方法として、多重回帰分析を用いる方法と機械学習を用いる手法を検討した。多重回帰分析を用いる方法では、標本化した反射スペクトルを正弦関数自体を独立変数とした重回帰モデルと捉え、回帰係数を推定して位相情報を得る。この手法では、フーリエ変換を用いた解析では分離不可能な近接した周波数の正弦関数を分離可能である。実際にこの手法を用いて固体振動測定の実験を行い、振動検出が可能である事を確認した。機械学習を用いる手法ではニューラルネットワークを採用し、実験条件を再現したシミュレーションデータを学習させた。機械学習を用いれば、光源の波長掃引の非線形性や強度の変動に対処する為の数値補正に頼らずとも高精度な位相推定が行える可能性がある。現在、概ね妥当な位相推定結果が得られているが、実用には推定精度を更に向上させ、学習データを実際に実験で得られるデータに近づける必要がある。

本研究的目的是实现一种能够同时测量应变和温度变化的光纤传感器，并且能够高速、高精度地测量。通过引入法布里-珀罗干涉仪（FBG-FPI）作为传感元件，该干涉仪由写在高双折射光纤上的两个低反射率光纤布拉格光栅FBG组成，可以获得高精度的应变和温度变化。速度测量是通过使用半导体激光器的高速波长扫描来读出传感器响应来实现的。已经尝试使用配置在高双折射光纤上的低反射率 FBG-FPI 来同时感测温度和应变，并且当用作单点传感器时，可以在相同条件下使用高反射率 FBG-FPI。另一方面，如果添加低反射率 FBG-FPI 并将其用作多点传感器，仅增加测量点的数量就会降低测量精度。今年，我们研究了使用多元回归分析的方法和使用机器学习的方法作为不依赖傅里叶变换的传感器输出分析方法。在使用多元回归分析的方法中，将采样的反射光谱视为以正弦函数本身作为自变量的多元回归模型，并通过估计回归系数来获得相位信息。通过这种方法，可以分离通过傅立叶变换分析无法分离的相近频率的正弦函数。我们实际上进行了使用该方法测量固体振动的实验，并证实了振动检测是可能的。机器学习方法采用神经网络，并根据再现实验条件的模拟数据对其进行训练。使用机器学习，可以执行高度准确的相位估计，而无需依赖数值校正来处理光源波长扫描的非线性或强度波动。目前，已经获得了总体合理的相位估计结果，但为了实际使用，还需要进一步提高估计精度，使学习数据更接近实验中实际获得的数据。