桥梁缆索智能监测多参量光纤传感器及其封装保护技术

本文介绍了一种可直接植入缆索结构内部,实现缆索温度、湿度和应变多参量同步监测的新型光纤传感器。采用飞秒光纤光栅无损刻写技术制作缆索监测传感光纤,大幅提升了传感器耐久性。研发了基于聚酰亚胺套管的增敏型湿度传感器,大幅提升传感器测量灵敏度。提出了基于螺旋铠装+不锈钢套管的双层光纤传感器封装保护方案。研究了传感光纤从缆索锚头区域引出工艺,并开展了缆索试验研究,验证了本文研发的缆索监测多参量光纤传感器在实际缆索样品应用中的效果。

基于F-P光纤传感器的变压器油中双局部放电源定位研究

电力变压器作为电力系统中至关重要的能量转换设备,其稳定运行对于保障电能供应的可靠性具有重大意义。局部放电影响高压电气设备绝缘性能。局部放电在线监测不仅可以获取设备老化信息,还可以预测变压器寿命。局部放电源准确位置信息可以帮助检修人员制定精准维护计划,确保电力系统稳定,设备制造商可利用此信息优化结构和安装方法。变压器内部双局部放电源放电是一种更为复杂的故障类型,传统的检测方法难以准确捕捉到此类放电波形。F-P光纤传感器是一种新型的局部放电声学检测方式,该传感器结构小,灵敏度高,而且有较强的抗电磁干扰能力,可以内置于变压器内部实现复杂情况下的局部放电检测。在本研究中,研制了基于F-P光纤传感器的双局部放电源检测系统,采用基于多信号分类(MUSIC)测向原理的交叉定位算法,可以实现对变压器油中双局部放电源定位。总的来说,F-P光纤传感器阵列有较好的方向清晰度,可以实现准确定位。将该双局部放电源定位系统应用到了35 kV单相变压器模型上,验证了其对外绕组双局部放电源定位的有效性。

金属基底增敏的干涉型高温光纤传感器

为了实现对井下潜油电泵机组温度的实时监测,设计了一种由粗锥型单模--多模--单模(Coarse Cone Singlemode-Multimode-Singlemode,CCSMS)构成的马赫--曾德尔干涉(Mach-Zehnder Interferometer,MZI)型高温光纤传感器。该结构采用直接熔接的方法将单模光纤与多模光纤相熔接;接着通过调整熔接机的熔接参数,在单模光纤上制作出粗锥结构;最后将制备的结构嵌入铜基板的U型槽中,实现传感器的增敏封装。对封装后的传感器的温度响应特性进行了测试。实验结果表明,在40~250℃的温度范围内,该传感器实现了灵敏度为124.9 pm/℃的温度传感。对其稳定性和重复性进行了测试。结果表明,传感器的稳定性最大误差约为0.44%,重复性最大误差约为2.29 pm/℃。该传感器具有灵敏度高、重复性和稳定性好的特点,有望用于油气井下潜油电泵机组的温度监测。

基于三节点逆元法与光纤传感器的机翼形态重构方法

基于应变信息的飞机机翼结构形态重构技术,可为“仿生式机翼”的气动外形、气弹特性以及隐身性能控制提供数据支撑。为实现对飞机机翼的变形监测,本文提出一种基于三节点逆有限元法和应变信息采集的形态重构方法,并给出相应的光频域反射型分布式光纤传感器布局形式。首先,建立飞机机翼简化模型,开展基于有限元分析结果的形态重构方法仿真验证。其次,构建基于分布式光纤传感器的机翼简化模型应变监测与形态重构试验系统。研究表明,自然下垂工况下,机翼简化模型形态重构相对误差平均值约为4.01%;弯扭组合工况下,机翼简化模型形态重构相对误差平均值约为6.34%。本文所提方法适用于不同载荷工况下飞机机翼变形监测,能够为可变体机翼形态调控与机载共型天线相位补偿提供帮助。

基于光纤传感器的建筑立面裂缝数字图像检测方法

旨在提出一种基于光纤传感器的建筑立面裂缝数字图像检测方法,以实现对建筑结构裂缝的精准监测和分析。研究的目的在于应对传统监测方法在灵敏性和实时性上的不足,通过光纤传感器的高灵敏度和实时监测特性,提高裂缝检测的准确性和时效性。研究结果表明,所提出的方法在不同光照条件和建筑结构下均取得了良好的检测效果。通过数据表格分析,验证了光纤传感器数据与图像融合的有效性,同时裂缝特征提取算法和深度学习模型的综合应用显著提高了裂缝检测的准确性。

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。

波兰瑞兹恩斯基大桥新增分布式光纤传感器

波兰瑞兹恩斯基大桥(Redziński Bridge,见图1)2011年8月通车,是弗罗茨瓦夫市绕城公路上最大的桥梁,采用跨径布置(50+256+256+50)m的半飘浮体系独塔斜拉桥跨越奥德拉河。该桥分左、右两幅,单幅桥宽9.24 m,斜拉索采用标准抗拉强度1860 MPa的钢绞线斜拉索,共160根,索长67~265 m。桥塔为H形混凝土塔,高122 m,下塔柱内倾以减小基础尺寸。混凝土承台平面尺寸67.4 m×28 m,基础采用160根Φ1.5 m钢筋混凝土钻孔桩,桩长18 m。桥塔下横梁采用预应力混凝土结构,截面为矩形,高2.5 m、宽4 m。

基于光纤传感器的大型风电机组叶片荷载在线监测方法

现阶段,风电机组得到深层次开发和运用,向低成本、高功率方向发展,机组风轮直径、扫琼面积不断增加,有效加快电力输送效率,满足社会的用电需求,但也提高运行隐患,极易出现叶片荷载不均匀的现象,影响大型风电机组的发电效果。该文以提高风电机组的发电稳定性为研究目标,着重阐述光纤传感器下大型风电机组叶片荷载在线监测系统,并简单论述叶片结构和受力分析,以及常见故障类型等内容,希望对相关研究工作有所参考。

光纤传感器在石油测井中的应用分析

石油测井技术直接影响了石油开发质量以及石油开发效率,是石油开发中的重要环节之一,发挥着重要的作用,我国目前石油测井过程中还存在一定的问题,直接影响石油测井的准确度,因此想要有效地解决以上问题,在石油测井中应用了一种光纤传感器,光纤传感器有着稳定性强、准确度高、体积小、效率高的优势,提高了石油测井的工作效率。本文主要阐述了光纤传感器的工作原理,以及光纤传感器在石油测井中的应用原理,根据实际情况制定光纤传感器在石油测井中的应用策略,促进我国石油测井技术的可持续发展。

分布式光纤传感器在后处理厂中的应用综述

文章对分布式光纤传感器(DFOS)的基本原理、分类及其在后处理厂中的潜在应用场景进行了介绍。通过分析基于瑞利散射的光频域反射技术、基于拉曼散射的光时域反射技术和基于布里渊散射的光时域反射技术的特点和优势,展示了分布式光纤传感器在后处理厂中实时监测温度分布、机器振动振幅、长结构应力分布等物理量方面的应用潜力。同时,也探讨了DFOS技术的国内外应用现状,指出了现有技术的挑战和未来的改进方向,以期提高后处理厂的监测水平,保障人员和设备的安全,促进分布式光纤传感技术在地震监测、环境监测等领域的应用发展。

基于误差反馈的光纤传感器测距畸变校正方法

为降低光纤传感器测距系统的畸变偏差,提出基于误差反馈的光纤传感器测距畸变校正方法。构建畸变校正几何成像模型,设计畸变校正参数,采用基于误差反馈的光传感检测方法,建立畸变校正的动态参数测量模型,结合测距系统的畸变校正几何分析方法,实现对畸变校正的反馈校正和自适应修正,通过几何测量和块匹配方法,实现对畸变校正的自动化校正和在线分析。测试结果表明,采用该方法进行畸变校正,经本方法校正后,偏差均值降低大约0.138 mm,校正时间低于71 ms,降低了光纤传感器测距系统的畸变偏差,提高了传感器测量的精度和校正效率。

光纤传感器在颜色识别分拣控制系统中的应用

在生产和生活中,经常需要对各种不同颜色的物体进行识别和分拣,如水果的分拣,玩具的分类和不同颜色的物料和工件分拣等,现在的很多颜色识别分拣控制系统都有颜色识别不精确,分拣效率低和成本高等缺点,为了提高颜色识别精度,采用光纤传感器进行颜色识别工作,光纤传感器作为一种新型传感器具有灵敏度高、抗干扰能力强、可靠性好等优点被广泛应用。本颜色识别控制系统以AT89C51单片机为控制核心,对不同颜色的球形零件进行分拣,采用直流电动机作为球形零件的搅拌电机,为球形零件提供动能,使球形零件落入滑道,滑道中的光纤颜色传感器进行颜色识别并把检测信号转换为电信号传递给单片机,单片机发出指令控制舵机来完成不同颜色球形零件的分拣,舵机把不同颜色的球形零件分拣入不同的编号的通道之中,并且在每个通道入口处都加装有光电传感器进行计数,并把通道编号、颜色、数量等信息显示在LED屏幕上,实现可视化控制。经过实验,本颜色识别分拣控制系统具有反应快、精度高、稳定性好、成本较低等优点,适用于不同的颜色识别分拣控制场合。

一种新结构D型光纤传感器制作与性能测试

通过轮式抛磨系统制得表面粗糙的光纤结合不同的探针类型结构对传感器的灵敏度和线性度均有较大幅度的提升。首先,通过搭建的轮式抛磨系统制备出D型光纤;然后,通过镀膜得到D型光纤探针;最后,通过测量溶液折射率检测探针的传感特性。实验结果表明:制备的D型光纤传感器具有非常强的稳定性和线性度。尤其是抛磨损耗为15 dB传感器的灵敏度和线性相关系数分别高达65.93 dB/RIU和99.63%。通过对折射率的精度进行测量和计算可得其精度高达0.00006。

基于复合干涉原理的局部放电检测光纤传感器

针对基于传统干涉结构的局部放电检测光纤传感器存在参考光纤隔音处理难、不利于现场布设等问题,设计了Mach-Zehnder与Sagnac复合干涉结构的光纤传感器。本研究应用延迟光纤与直线型传感光纤结构解决了上述问题,采用3×3耦合器对光信号引入相移以增加系统的动态响应范围,并阐明了传感光纤以及延迟光纤长度对系统传感特性的影响规律。利用局部放电模拟装置进行性能测试的实验证明,所设计的局部放电检测光纤传感器具有良好的响应性能,测得局部放电信号的时域响应峰峰值为2.45 V,频率分布范围为10.62 kHz~57.73 kHz。研究表明该复合干涉结构可有效提升局部放电检测光纤传感器的检测性能,提高现场适应性。

基于多模干涉原理的新型光纤传感器特性研究

针对基于多模干涉原理型的光纤传感器进行了研究,从理论上深度分析了单模—多模—单模(SMS)的工作原理并探究了温度传感机制;用仿真软件对结构进行了仿真设计得到最合适的多模光纤(MMF)长度为43910μm,仿真得到温度灵敏度为13.48 pm/℃;然后制备出传感器实物,并进行了温度试验,试验得出,随着温度的上升,谐振峰的特征波长发生红移;通过对谐振峰dip2和谐振峰dip5进行研究,利用波长调制法得到温度灵敏度分别为11.36,11.77 pm/℃,与仿真结果相近,试验得到了验证。

光纤传感器对合金结构瞬态高温应变测量的适用性研究

高温下结构应变测量数据的重复性是判断测量结果有效性的前提和基础。文章采用石英灯辐射加热技术构建瞬态辐射加热环境,以薄壁平板型合金材料结构为测量对象,对光纤应变传感器在瞬态加热环境下应变测量数据的重复性进行实验研究,以确定其对合金材料瞬态高温下应变测量的适用性。结果表明:光纤传感器与K型热电偶的测温偏离量小于1.76%;在安装面加热状态,瞬态加热温升速率最高达到18℃/s,结构最高温度达到850℃,此温度下测得的结构件最大应变为9848.2με,3次实验测量数据的重复性优于1.42%;非安装面加热状态、结构温度650℃下的3次测量数据重复性为0.95%,且与安装面加热状态、相同温度下的测量数据平均值的相对差异仅为0.67%。综上说明,所采用的光纤应变传感器适用于石英灯瞬态辐射加热环境下合金结构件的应变测量。

高灵敏双参量光子晶体光纤传感器的实现方法

提出了一种D型光子晶体光纤磁流体双芯填充的磁场和温度双参量测量传感器结构。通过缩小第1层空气孔的中心两个孔,增强共振效果,提升灵敏度。引入磁流体填充双芯的磁感通道和乙醇填充的温敏通道,实现高灵敏度传感与双参量传感。结果表明,传感器温度在-30℃~50℃,透射峰温敏度为1.239 nm/℃,线性度达0.9957,损耗峰温度光谱灵敏度为2.514 nm/℃,线性度达0.99717。外界磁场在10 mT~30 mT,透射峰磁场灵敏度为-3.799 nm/mT,线性度达0.99727,且温度的测量误差为1.135%,磁场的测量偏差为6.67%,具有灵敏度高、测量准确、结构紧凑及工艺简单等特点。该研究可进一步优化D型PCF-SPR(photonic crystal fiber based on surface plasmon resonance,基于表面等离子体共振的光子晶体光纤)双参量解调传感的设计。

环氧树脂胶封的光纤传感器功能优化与变压器温度测量技术

针对传统电网系统变压器温度测量精度低的问题,提出一种基于光纤传感器的变压器温度测量技术。采用环氧树脂封装的方式构建光纤布拉格光栅传感器(FBG),对变压器绕组的热点温度和油位进行测量,并选择适宜的光学元件进行变压器绕组热点温度测量系统硬件搭建;采用FBGA调解模块处理检测的光信号,通过USB接口连接系统硬件与上位机进行通信,最终实现温度和油位波长显示。结果表明:进行4次测温实验后,测量结果与实际温度值的误差保持在0.19~0.42℃,系统多次误差均控制在0.5℃以下。可实现变压器温度准确测量,采用光纤光栅传感器的温度测量精确度较高;实现温度报警降低事故发生率。

干涉型光纤传感器相位生成载波技术研究进展

相位生成载波(PGC)技术作为干涉型光纤传感器重要的一种信号解调方法,因其灵敏度高、动态范围大等优点被广泛应用。首先对PGC技术的内调制和外调制两种基本调制方法进行阐述,简要说明了PGC技术解调的常规算法。针对PGC解调方法中出现伴生调幅、调制深度漂移和相位延迟引起信号解调失真的关键问题,分析其原因并概括归纳近年来国内外研究者相关工作的改进方法。对进一步优化光干涉型传感信号的解调方案提供新的思路。

基于ABC-BP神经网络的光纤传感器光强补偿

为了减少光纤传感器测量过程中接收光强受到非线性因素的影响,提出利用人工蜂群算法(artificial bee colony, ABC)优化反向传播神经网络(BPNN)进行光强补偿的方法。通过人工蜂群算法局部搜索最优的能力优化传统反向传播神经网络的权值与阈值,达到减少局部样本陷入极值的目的。将内圈与外圈2组接收光功率以及位移作为训练数据,优化神经网络各参数值,从而建立最优ABC-BP神经网络补偿模型。结果表明人工蜂群算法优化后平均绝对误差减少了0.001 114,均方根误差减少了0.001 182,参数值均小于传统反向传播神经网络和支持向量机补偿模型。对比实验证明该混合算法预测误差更小,能够更高精度完成光强补偿过程。