用于光纤光栅传感器温度补偿方法的研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇用于光纤光栅传感器温度补偿方法的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：本文比较了定长系数线性回归分析法和BP神经网络算法用于补偿温度对光纤光栅压力传感器的影响的效果。回归分析法可以起到一定的补偿作用，但对个别数据点补偿效果不理想。BP网络融合处理后的数据，其零位温度系数和灵敏度温度系数从补偿前的34.5%℃-1和34.2%℃-1分别下降到0.02%℃-1和0.07%℃-1，提高了近3个数量级，充分证明BP神经网络对光纤光栅压力传感器进行温度补偿的有效性。
关键词：光纤光栅；温度补偿；传感器；BP神经网络
中图分类号：TP212.14 文献标识码：A文章编号：1007-9599 (2011) 14-0000-02
FBG Sensor Temperature Compensation Research
Shao Jun1,4,Jiang Tao2,Li Wu3,Liu Junhua4
(1. Xi'an Petroleum Oil University,Xi'an710065,China;2.Great Wall of China Petroleum Drilling Company Sulige Gas Field Project Department,Panjin124010,China;3.China National Petroleum Logging Co.,Division of Tarim,Kuerle841001,China;4.School of Electrical Engineering,Xi'an Jiaotong University,Xi'an710049,China)
Abstract:Two methods,including Steady Coefficient Linear Regression Analysis and BP neutral network are compared in this paper.The BP method is effective:the temperature coefficient of zero position grows down from 34.5%℃-1 to 0.02%℃-1 and the sensitivity temperature coefficient comes down from 34.2%℃-1 to 0.07%℃-1.It fully reveales that BP neutral network is available approach to improve temperature interference to fiber grating sensors.
Keywords:Fiber grating;Temperature compensation;Sensor;BP neutral network
一、引言
光纤光栅同时敏感温度和应变。当测量与应变相关的被测量时，就需要补偿温度影响。如何补偿温度的影响一直是科研人员潜心研究的问题[1-4]。
目前，用于补偿温度对光纤光栅影响的算法多是需要建立输入输出解析表达式的定常数线性回归分析法[1，2，4]。另一类方法是不需要建立输入输出解析关系的机器学习算法，如神经网络法。BP神经网络在建立预测模型[5，6]、气体分析[6，7]等方面获得了较为成功的应用。因此，本文将BP神经网络用于聚合物封装光纤光栅压力传感器进行温度补偿，进而实现将机器学习法引入到光纤光栅传感器领域以抑制温度的干扰。
本文将这两种方法进行比较分析，找出适合用于光纤光栅聚合物传感器的温度补偿方法。
二、光纤光栅的温度补偿原理
目前，光纤光栅传感器进行温度补偿采用的定常系数线性回归算法的思路是利用式（1）进行的，即设定温度T和被测量x与光纤光栅波长的变化都是线性关系，建立输入输出模型为
（1）
式中：
， ―光纤光栅波长偏移量； ―环境温度下的自由波长； ―光纤的有效弹光系数； ―被测量x与光纤光栅应变的关系； ―温度的变化量； ―光纤的热膨胀系数，表示光栅周期随温度的变化率， ； ―光纤光栅的热光系数，表示折射率随温度的变化率， ， ―常系数，i，j=1，2。
求出式(1)中的常系数 ，就可以在实际测量中补偿温度的影响。
三、温度压力二维标定实验
根据式（1），进行温度补偿需要知道压力传感器随温度变化的规律，为此，首先对聚合物封装光纤光栅传感器进行温度压力实验标定，并对温度的影响进行评估。
实验装置如图1所示，将聚合物封装的光纤光栅传感器放在压力罐中，再将压力罐置于恒温箱中，通过热电偶记录温度。由光谱仪测出光纤光栅峰值波长的变化。
图1：聚合物封装光纤光栅压力传感器实验装置图
压力范围为0-14MPa，共15个标定点；温度范围为19℃―75℃，共8个标定点。若取环境温度19℃时的光纤光栅反射波长作为基准值，则随温度升高，峰值波长逐渐增大。利用零位温度系数、灵敏度温度系数两个指标来表征传感器的温度性能。
由标定数据可得
（2）
（3）
―零位温度系数； ―灵敏度温度系数； ―当温度变化 时，零位值的最大改变量； ―当温度变化 时，在全量程范围内某一输入量对应输出值随温度漂移的最大值； ―满量程输出。
由以上两个系数可见，该光纤光栅压力传感器输出受温度的影响很大，对其进行温度补偿是非常有必要的。接下来，利用定常数线性回归分析法补偿温度的影响。
四、不同补偿方法比较
（一）回归分析法补偿温度影响的研究
回归分析法用于光纤光栅温度补偿的步骤可以分为三步：（1）建立正模型，即根据实验标定的数据建立输出光纤光栅反射波长与输入压力和干扰量温度的解析表达式；（2）建立逆模型，即求出压力与光纤光栅反射波长的关系；（3）根据测量得到的温度和光纤光栅反射波长，计算待测压力，实现温度补偿。
利用回归分析法，得
与补偿前 和 相比，收到了一定的补偿效果，但补偿效果仍然不够理想，如当标定压力是14MPa时，温度为60℃的补偿压力为75.77MPa，与标定压力的误差达441%，不能完成压力传感器测量压力的功能。
（二）BP神经网络补偿温度影响的研究
利用BP神经网络进行温度补偿包括以下步骤：（1）形成训练样本和检验样本，它包括输入输出数据的归一化处理、训练样本和检验样本的选定；（2）建立BP神经网络模型；（3）网络补偿效果评价。图2是利用BP网络补偿温度对聚合物光纤光栅压力影响的框图。
图2：BP神经网络算法补偿光纤光栅传感器框图
利用零位温度系数和灵敏度温度系数评价温度补偿的效果。零位值的最大改变量 为0.48MPa，在全量程范围内压力最大波动值 为0.80Mpa， 为14Mpa， ，将以上结果分别代入式（2）和（3），得[8]
与补偿前 和 相比，提高近3个数量级。可见，通过BP神经网络的温度补偿，光纤光栅压力传感器测压稳定性大大提高。
五、结论
由于温度会影响光纤光栅非温度传感器的性能，本文分析比较了定长系数线性回归法和P神经网络补偿温度的效果。对于聚合物封装光纤光栅压力传感器，线性回归法效果不是很理想；而利用BP网络融合处理后的数据，其零位温度系数和灵敏度温度系数从补偿前的34.5%℃-1和34.2%℃-1分别下降到0.06%℃-1和0.1%℃-1，提高了近3个数量级，充分证明BP神经网络法对光纤光栅非温度传感器进行温度补偿的有效性。
参考文献：
[1]单光纤光栅对温度与应变的同步测量[J].光电子,激光,2010,12
[2]高温高压油气井下光纤光栅传感器的应用研究[J].光电子,激光,2011,1
[3]基于温度补偿方法去敏的新型光纤光栅压力传感器[J].仪器仪表学报,2009,11
[4]温度补偿式光纤光栅土压力传感器[J].应用光学,2010,1
[5]周彩兰,刘敏.BP神经网络在石油产量预测中的应用[J].武汉理工大学学报,2009,31(3):125-129
[6]韩应哲,李素梅,张延.大气杂质气体神经网络识别的推广性研究[J].光电子,激光,2005,16(6):710-713
[7]张永怀.分光型红外多组分气体分析相关技术研究[D].西安:西安交通大学,2003
[8]邵军,刘君华,乔学光,etal.利用支持向量机补偿温度对光纤光栅传感的影响[J].光电子,激光,2010,6
[基金项目]本文得到陕西省教育厅专项科研计划（No.11JK0952）的资助。