基于阵列波导光栅和神经网络算法的Fabry-Perot干涉传感器解调系统及方法

基于阵列波导光栅和神经网络算法的fabry-perot干涉传感器解调系统及方法
技术领域
1.本发明属于光纤传感器解调技术领域，具体涉及一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统及方法。


背景技术：

2.光纤fabry-perot干涉传感器由于其在测量精度、分辨率、稳定性和制备成本方面的显著优势被广泛应用于温度、压力、应力、生物传感和色散测量应用中。而针对fabry-perot干涉传感器有效和可靠的解调则在其的实际应用中显得至关重要。
3.传统上，谱域白光干涉法被认为是解调fabry-perot干涉传感器最直接有效的方法，该方法通过直接检测和分析fabry-perot干涉传感器的反射光谱，测量光程差完成对fabry-perot干涉传感器的解调。波长追踪法是最简单的光程差测量算法，它一般通过识别两相邻干涉峰的峰值波长完成光程差计算。尽管它可以高效完成fabry-perot干涉传感器的解调，但是，这种方法存在三个明显的局限性：1、是商业化的光谱分析仪处理数据繁琐且不适合集成为仪表仪器，除此之外其价格高昂，并不适合在实际工程应用；2、fabry-perot干涉仪反射光谱曲线呈正弦分布，以至于干涉峰的峰值位置难以被准确确定；3、要获得优越的解调精度，先进的算法必不可少，然而这些算法的复杂性较高，对计算成本提出了较高的要求，且存在较低的解调可重复性，在重复解调过程中会出现稳定性和解调精度的损耗。
4.因此，如何提供一种低成本、高稳定、高精度的fabry-perot干涉传感器解调方式成为本领域技术人员亟待解决的技术问题。


技术实现要素：

5.本发明的目的是为了解决背景技术中所提出的问题，而提供基于阵列波导光栅和神经网络算法的fabry-perot干涉传感器解调系统及方法，具有成本低、高稳定、高精度和高分辨率的优势。
6.本发明的目的是这样实现的：一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统，包括自发辐射光源、光环形器、fabry-perot干涉传感器、2*2耦合器、光谱分析仪、阵列波导光栅、多通道微机电系统光开关、光功率计、驱动电路模块阵列、数据处理模块和数据输出模块；所述的fabry-perot干涉传感器包括有第一次解调和第二次解调两次解调过程，所述的第一次解调获得farby-perot干涉传感器的反射光在阵列波导光栅各通道中的透射光强度，所述的第二次解调利用神经网络模型获得指定在监测波长范围内fabry-perot干涉传感器的各干涉峰的峰值波长与传感器有效空腔长度；所述的自发辐射光源与光环形器的输入端连接，所述自发辐射光源用于在所述的第一次解调中输出宽带光；所述fabry-perot干涉传感器用于产生fabry-perot干涉反射干涉谱；
所述光环形器的输入输出端与所述fabry-perot干涉传感器连接，所述光环形器的输出端与所述2*2耦合器的输入端连接，所述光纤环形器用于将所述的第一次解调过程中自发辐射光源输出的的宽带光输入至fabry-perot干涉传感器以形成反射干涉谱后输入到所述2*2耦合器中；所述2*2耦合器的第一输出端与所述阵列波导光栅的输入端连接，所述2*2耦合器的第二输出端与所述光谱分析仪的输入端连接，所述2*2耦合器用于将所述第一次解调中源于fabry-perot干涉传感器的反射光分为两路，其中一路作为参考谱输出到光谱分析仪，另一路进入阵列波导光栅中；所述光谱分析仪用于直接检测和分析所述fabry-perot干涉传感器的光谱，为所述的第二次解调提供参考；所述阵列波导光栅的n个输出端与所述多通道微机电系统光开关的n个输入端对应连接，所述阵列波导光栅用于将所述第一次解调中来源于所述2*2耦合器的第一输出端的fabry-perot干涉传感器反射光波分解复用至其下n个通道输出端中，将所述fabry-perot干涉传感器反射干涉谱转换为在所述阵列波导光栅n个通道中的透射光强度；所述多通道微机电系统光开关的输出端与所述光功率计输入端相连，所述多通道微机电系统光开关用于控制所述阵列波导光栅下n个输出通道的光通行情况；所述光功率计的输出端和数据处理模块的输入端相连，所述光功率计用于获取来源于所述fabry-perot干涉传感器的反射光在所述阵列波导光栅n个输出通道下的透射光强度；所述驱动电路模块阵列的输出端和所述多通道光开关的输入引脚和数据处理模块的输入引脚相连，用于向它们供电以实现控制功能；所述数据处理模块与所述输出模块连接，所述数据处理模块用于在所述第一次解调过程中获取所述fabry-perot干涉传感器在所述阵列波导光栅各输出通道下的透射光强度以形成数据集，并将所述数据集进行处理以进行第二次解调，以及用于在所述第二次解调过程中将所述反射谱信号进行解调得到所述fabry-perot干涉传感器的多个干涉峰的峰值波长以及其有效空腔长度；所述数据输出模块输出所述farby-perot干涉传感器的解调结果，包括干涉峰的峰值波长和有效空腔长度。
7.优选的，所述自发辐射光源输出的波长范围为c波段。
8.优选的，所述光环形器为1*2光环形器，所述1*2光环形器的第一输出端与所述fabry-perot干涉传感器连接，所述1*2光环形器的第二输出端与所述2*2耦合器的输入端连接，所述2*2耦合器用于将在第一次解调过程中的fabry-perot干涉传感器的反射光分为两路，其中一路作为参考谱输出到光谱分析仪，另一路分配到阵列波导光栅。
9.优选的，所述2*2耦合器的分光比为50％：50％，其中50％的激光作为参考谱输出到所述光谱分析仪，50％的激光分配到所述阵列波导光栅。
10.优选的，所述阵列波导光栅上共有40个输出通道，每个通道均独立存在和使用。
11.优选的，所述驱动电路模块阵列包括fpga驱动电路和arduino驱动电路。
12.优选的，所述数据处理模块上部署了神经网络算法模型，用于接收所述第一次解调过程中源于所述光功率计中的所述透射光强度信息，后进入所述第二次解调过程完成对
所述fabry-perot干涉传感器在指定波长范围内的各干涉峰的峰值波长解调和有效腔长解调。
13.一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统的解调方法，包括如下步骤：s110、调整自发辐射光源向光环形器输出宽带光；s120、光环形器将宽带光输出至fabry-perot干涉传感器；s130、fabry-perot干涉传感器的反射光由光环形器输出至2*2耦合器；s140、2*2耦合器将所述来源于farby-perot干涉传感器的反射光分为两路，其中一路作为参考谱输出至光谱分析仪，另一路进入到阵列波导光栅中，将所述反射光波长解复用至不同的通道中；s150、阵列波导光栅的n个通道输出和多通道微机电系统光开关的输入连接，所述多通道微机电系统光开关的输出和所述光功率计的输入连接；s160、光功率计对farby-perot干涉传感器的反射光在所述阵列波导光栅的n个输出通道中的透射光强度进行读取，并输入至数据处理模块；s170、数据处理模块接收来自所述光功率计的数据并进行处理，完成对指定波长范围内的所有farby-perot干涉传感器的干涉峰的峰值波长的解调和记录，以及记录下此刻所述farby-perot干涉传感器的有效空腔长度；s180、数据输出模块输出所述farby-perot干涉传感器在指定波长范围内的干涉峰的峰值波长和有效空腔长度。
14.与现有技术相比，本发明的有益效果在于：本发明提供的一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统及方法，联合多峰值波长追踪和神经网络算法，将farby-perot干涉传感器在指定波长范围内的各个干涉峰的峰值波长转化为在阵列波导光栅各个通道中的透射光强度，经过训练的端到端的的神经网络模型直接读取透射光强度数据并输出相应的干涉峰的峰值波长，并基于峰值波长计算出传感器的有效空腔长度，在实际测量应用中无需光谱分析仪的辅助，该系统即可达到pm级的波长解调分辨率和0.1um的腔长解调精度，很大程度上减少了系统的成本和复杂性，且具备稳定和优越的解调性能；另外可实现多类不同结构的fabry-perot干涉传感器的解调，具备良好的适用性；其次可根据实际需要，调整所选用的所述阵列波导光栅的通道来实现系统所监测的波长范围的变更；提供的解调系统稳定，高性能，具备成本效益，适用于各类结构健康监测系统中。
附图说明
15.图1是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统结构示意图。
16.图2是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统的具体实施方式示意图。
17.图3是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统的神经网络算法模型示意图。
18.图4是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传
感器解调系统的干涉传感器在1530-1560nm波长范围内的三个干涉峰在外部以100微应力为周期，持续施加1000微应力期间的变化示意图。
19.图5是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统的干涉传感器在1530-1560nm范围内的三个干涉峰的峰值波长和实际峰值波长值的误差示意图。
20.图6是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调系统的输出的干涉传感器的有效腔长值误差示意图。
21.图7是本发明一种基于阵列波导光栅和神经网络算法的新型fabry-perot干涉传感器解调方法的流程图。
22.图中：1、自发辐射光源；2、光环形器；3、fabry-perot干涉传感器；4、2*2耦合器；5、光谱分析仪；6、阵列波导光栅；7、多通道微机电系统光开关；8、光功率计；9、驱动电路模块阵列；10、数据处理模块；11、数据输出模块。
具体实施方式
23.下面结合附图对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.实施例1一种基于阵列波导光栅和神经网络算法的fabry-perot干涉传感器解调系统，其中，每次fabry-perot干涉传感器解调过程包括第一次解调过程和第二次解调过程，所述第一次解调过程用于获得fabry-perot干涉传感器反射光在所述阵列波导光栅各通道下的透射光强度，所述第二次解调过程获得fabry-perot干涉传感器在指定波长范围内的各干涉峰的峰值波长和传感器的有效腔长长度。
25.如图1所示，所述基于阵列波导光栅和神经网络算法的fabry-perot干涉传感器解调系统包括：自发辐射光源1、光环形器2、fabry-perot干涉传感器3、2*2耦合器4、光谱分析仪5、阵列波导光栅6、多通道微机电系统光开关7、光功率计8、驱动电路模块阵列9、数据处理模块10和数据输出模块11。
26.所述自发辐射光源1与光环形器2的输入端连接，所述自发辐射光源1用于在所述的第一次解调过程中输出宽带光；所述光环形器2的输入输出端与所述fabry-perot干涉传感器3连接，所述光环形器2的输出端与所述2*2耦合器的输入端连接，所述光纤环形器2用于将所述的第一次解调过程中自发辐射光源1输出的宽带光输入至fabry-perot干涉传感器3以形成反射干涉谱后输入到所述2*2耦合器4中；所述fabry-perot干涉传感器3用于产生所述的传感器反射干涉谱；所述2*2耦合器4的第一输出端与所述阵列波导光栅6的输入端连接，所述2*2耦合器4的第二输出端与所述光谱分析仪5的输入端连接，所述2*2耦合器4用于将所述第一次解调过程中源于fabry-perot干涉传感器3的反射光分为两路，其中一路作为参考谱输出到所述光谱分析仪5，另一路进入所述阵列波导光栅6中；
perot干涉传感器在1530-1560nm波长范围内的三个干涉峰在外部以100微应力为周期，持续施加1000微应力期间的变化如图3和图4，从左至右分别称为干涉峰#1，干涉峰#2和干涉峰#3。
32.所述2*2耦合器4的分光比为50：50，50％的激光作为参考谱输出到所述光谱分析仪5，50％的激光分配到所述阵列波导光栅6，所述阵列波导光栅6为40通道，125ghz规格，每个通道中心波长之间的间距均为0.8nm，且各通道的半高全宽为0.456nm,所述阵列波导光栅6中有九个输出通道被使用，其中第一至第八通道输出和所述多通道微机电系统光开关7的第一至第八输入连接，第九通道输出与所述光功率计8第二输入连接。
33.所述多通道微机电系统光开关7具备八个输入接口，所述多通道微机电系统光开关7的输出和所述光功率计8的第一输入连接，它由驱动电路模块阵列9中的arduino驱动电路所控制，通过向多通道微机电系统光开关7发送高低电平以控制所述阵列波导光栅6各通道的光通行情况。
34.所述光功率8计为双通道光功率计，所述光功率8计对于透射光强度探测范围为0-69.00dbm，数据传输接口为rs232。
35.所述驱动电路模块阵列9包含fpga驱动电路和arduino驱动电路，其中，fpga驱动电路和数据处理模块10、数据输出模块11连接，arduino驱动电路与所述多通道微机电系统光开关7连接。
36.所述数据处理模块10包括多峰值解调单元和有效腔长解调单元，且内部署了一个端到端的神经网络算法模型，所述端到端的神经网络算法模型如图3，其中，所述神经网络算法模型接收来自所述光功率计8的输出，以完成所述fabry-perot干涉传感器3的解调，并向所述数据输出模块11输出，所述神经网络算法模型包含一层输入层、五层隐藏层和一层输出层，输入层共有九个神经元，每层隐藏层均有100个神经元，输出层共有三个神经元。
37.所述数据输出模块11输出的所述fabry-perot干涉传感器3在1530-1560nm范围内的三个干涉峰的峰值波长和实际峰值波长值的误差如图5，来自于所述光谱分析仪5的参考量，输出的所述fabry-perot干涉传感器3的有效腔长值误差如图6。
38.实施例3结合图7，一种基于阵列波导光栅和神经网络算法的fabry-perot干涉传感器解调方法，其中，每次fabry-perot干涉传感器的解调过程包括第一次解调过程和第二次解调过程，所述第一次解调过程获得farby-perot干涉传感器的反射光在阵列波导光栅各通道中的透射光强度，所述第二次解调过程利用神经网络模型获得检测波长范围内fabry-perot干涉传感器的各干涉峰的峰值波长与传感器有效空腔长度，所述基于阵列波导光栅和神经网络算法的fabry-perot干涉传感器解调方法包括：s110、调整自发辐射光源向光环形器输出宽带光；s120、光环形器将的宽带光输出至fabry-perot干涉传感器；s130、fabry-perot干涉传感器的反射光由光环形器输出至2*2耦合器；s140、2*2耦合器将所述来源于farby-perot干涉传感器的反射光分为两路，其中一路作为参考谱输出至光谱分析仪，另一路进入到阵列波导光栅中，将所述反射光波长解复用至不同的通道中；s150、阵列波导光栅的n个通道输出和多通道微机电系统光开关的输入连接，所述
多通道微机电系统光开关的输出和所述光功率计的输入连接；s160、光功率计对farby-perot干涉传感器的反射光在所述阵列波导光栅的n个通道中的透射光强度进行读取，并输入至数据处理模块；s170、数据处理模块接收来自所述光功率计的数据并进行处理，完成对farby-perot干涉传感器在指定波长范围内的各个干涉峰的峰值波长的解调和记录，以及记录下此时所述farby-perot干涉传感器的有效空腔长度；s180、数据输出模块输出所述farby-perot干涉传感器在指定波长范围内的干涉峰的的峰值波长和有效空腔长度。
39.与传统的波长追踪法相比，本发明最高可以达到pm级别的多波长解调分辨率，且在实际工程应用中无需使用光谱分析仪就可以实现高精度的多峰值波长解调和传感器有效腔长解调。
40.所述阵列波导光栅将所述fabry-perot干涉传感器的反射光波分解复用至其下n个通道中，将所述farby-perot干涉传感器在指定波长范围内的各干涉峰的峰值波长转换为所述fabry-perot干涉传感器在所述阵列波导光栅n个通道中的透射光强度，其中透射光强度被定义为所述fabry-perot干涉传感器的反射干涉谱和所述阵列波导光栅通道反射谱重叠部分的有效面积。
41.所述数据处理模块中已经部署了一个训练好的端到端的神经网络算法模型，所述神经网络算法模型的输入端为所述阵列波导光栅各通道下的透射光强度，所述神经网络算法模型的输出端为所述farby-perot干涉传感器在指定波长范围内各干涉峰的峰值波长，然后再根据这些峰值波长数据计算出传感器的有效空腔长度。
42.所述的神经网络模型具有良好的泛化能力，支持迁移学习和重新训练，以获得更优越的性能，具备丰富的可拓展性。
43.本发明通过使用阵列波导光栅将来源于fabry-perot干涉传感器的反射光波分解复用至不同的通道，将fabry-perot干涉传感器在指定波长范围内的个干涉峰的峰值转换为阵列波导光栅通道中的透射强度，并和神经网络算法模型有效地结合在一起，免去了在实际工程应用中使用昂贵且数据处理繁琐的光谱分析仪以及先进且复杂的算法，可以实现低成本、高分辨率、高精度、适用性强的farby-perot干涉传感器解调，同时可以实现解调系统的集成和小型化。
44.以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的保护范围内所做的任何修改，等同替换等，均应包含在本发明的保护范围之内。