基于DFB激光器的振动传感系统改进PGC解调算法

相位生成载波(Phase Generated Carrier,PGC)解调算法是目前光纤干涉传感领域中重要的解调算法。针对目前PGC解调算法中光强扰动和调制深度影响信号解调准确度的问题,提出了一种改进的PGC解调算法(PGC-Ameliorated),并搭建了基于分布反馈(Distributed Feedback,DFB)激光器的振动传感系统进行实验验证。实验结果表明,当被测振动信号的频率为800Hz时,该算法信噪比为57dB,优于微分交叉相乘(Differential and Cross Multiplying,DCM)算法和反正切(Arctan)算法近20dB。在不同光强下,该算法解调信号幅值波动范围在±0.02rad;在不同调制深度下,该算法总谐波失真最小为0.61%,信纳比最大为25.9dB,相比于DCM算法和Arctan算法具有更低的总谐波失真和更高的信纳比。

基于信息熵理论对变压器光纤传感器声探测信号的特征提取及识别研究

光纤传感器以其灵敏度高、不受电磁干扰等特点得到了广泛的研究应用,但在对变压器故障声信号的采集过程中也存在噪声成分含量较高、信号特征提取不易或无法提取的缺点。为此,提出利用信息熵理论对变压器故障声信号进行特征提取分析,并基于支持向量数据描述(support vector data description, SVDD)对求取的特征量进行识别研究。在实验室搭建了变压器故障声信号实验与探测平台,采集3种典型放电模型的声信号,基于信息熵理论,选取模糊熵、能量熵、奇异谱熵和功率谱熵等对滤波后的声信号进行特征提取,形成识别特征向量。最后,利用SVDD算法对求取的特征量进行识别研究。实验结果显示,基于信息熵理论提取的故障声信号特征量识别正确率均达到90%以上,优于传统时频域特征提取和基于小波变换的特征提取方法,证明了所提出方法的可行性。