常用计量技术中光波干涉讲座(二)振幅分光的干涉光路及在计量测试中应用(下)

本讲叙述应用于计量测试中的几种振幅分光干涉光路及特点 ,如 :测量U形水银气压计液面高度差光路 ,测量大长度的光学倍乘光路等。

常用计量技术中光波干涉讲座(二) 振幅分光的干涉光路及其在计量测试中应用(上)

本讲叙述在计量测试中应用最广的迈克尔逊干涉光路和以它为原型的几种振幅分光应用原理 ,把测试量引入测量光臂中与参照光臂进行比较 ,实现测长 。

常用计量技术中光波干涉讲座(二)振幅分光的干涉光路及其在计量测试中应用(中)

本讲叙述用于米尺测量的激光干涉测长仪简要原理 ,以及其中重要光学元件———三面直角棱镜。克服镜子摆角及横向位移光路。

人工智能的分振幅光偏振仪预测误差校正研究

为降低分振幅光偏振仪偏振测量误差,研究了一种基于人工智能的分振幅光偏振仪预测误差校正方法。该方法依据分振幅光偏振仪原理,采用斯托克斯矢量描述分振幅光偏振仪的电信号,将该信号输入RFB神经网络模型中,通过训练该模型输出分振幅光偏振仪的斯托克斯矢量参数结果,利用斯托克斯矢量参数校正分振幅光偏振仪预测误差;为提升RFB神经网络模型的误差校正精度,改进网络权值后,获取最优权值并完成RFB神经网络模型训练,优化其误差校正结果。实验结果表明:该方法可有效校正分振幅光偏振仪预测误差,使其输出偏振数值趋向标定数值且校正结果较为精准,最大偏差数值仅为0.003°。

USB2.0接口在分振幅光偏振仪中的应用

基于USB2.0接口技术,利用单片机CY7C68013研制了分振幅光偏振仪的电子学系统.光电探测器将光偏振仪光学系统产生的多束光的光强线性地转换为电信号,经信号调理后,由多通道高速A/D转换器转换为数字量,然后通过USB2.0接口高速传输到PC机.利用PC机上的应用程序实现标定和测量时的数据采集和数据处理.测试结果表明:采用该电子学系统的分振幅光偏振仪具有测量速度快、精度高、安装方便等优点,测量时间小于10-3s,斯托克斯参数的平均偏差小于1%.

改进神经网络的分振幅光偏振仪数据处理

分振幅光偏振仪是一种测量速度快的光波传感器,而数据处理是分振幅光偏振仪的应用基础,针对标准神经网络存在的缺陷,提出一种改进神经网络的分振幅光偏振仪数据处理方法。采用分振幅光偏振仪的电信号作为输入,入射光斯托克斯参数作为期望输出,采用神经网络拟合输入与输出之间的关系,K聚聚类算法对神经网络参数进行优化,对分振幅光偏振仪数据处理的测试实验结果表明,本文方法获得了较高精度的入射光斯托克斯参数估计结果,性能要优于传统方法。

神经网络的分振幅光偏振仪数据处理

分振幅光偏振仪是使用范围十分广泛的测量传感器,为了解决分振幅光偏振仪数据过程中存在的精度低难题,提出了基于神经网络的分振幅光偏振仪数据处理方法。首先收集分振幅光偏振仪的输入信号和输出信号,将它们组合在一起作为神经网络的学习样本,然后采用神经网络分振幅光偏振仪的学习样本进行拟合,进行分振幅光偏振仪数据处理,最后采用应用实例对该方法的有效性进行分析,结果表明,该方法提高了分振幅光偏振仪数据处理精度,而且测量效果要优于其它方法。

基于神经网络的分振幅光偏振仪的数据处理

分振幅光偏振仪（DOAP）是一种高速测量光波偏振态的传感器。提出了一种基于人工神经网络（ANN）的分振幅光偏振仪的数据处理方法,将分振幅光偏振仪中电路系统输出的电信号作为神经网络的输入,入射光的斯托克斯参数作为神经网络的输出,建立一个前向多层神经网络模型。通过网络训练,使该网络确立了电路系统输出电信号与入射光斯托克斯参数之间的映射关系。由测量时得到的电信号,利用训练后的神经网络可以计算出待测的入射光的斯托克斯参数。测试结果表明,在测量精度方面,该方法获得的斯托克斯参数的总均方根偏差为1.9%,略优于基于矩阵运算的数据处理方法。