【摘 要】
:
近年来,电网事故在我国各个地区相继发生,这不仅会扰乱人们的正常生活,还会给国家经济带来不可估量的损失。为了减少电网事故的发生,需要对输电线运行状态进行有效监测。基于随机光纤激光器的点式光纤传感系统具有抗电磁干扰、信噪比高、长距离传感等优势,极其适合应用于电网系统中。然而,随着国家电网规模的扩张,如何进一步提升点式光纤传感系统的性能是今后需要解决的问题。本文在特种传感光纤光缆联合实验室的支持下将一种
论文部分内容阅读
近年来,电网事故在我国各个地区相继发生,这不仅会扰乱人们的正常生活,还会给国家经济带来不可估量的损失。为了减少电网事故的发生,需要对输电线运行状态进行有效监测。基于随机光纤激光器的点式光纤传感系统具有抗电磁干扰、信噪比高、长距离传感等优势,极其适合应用于电网系统中。然而,随着国家电网规模的扩张,如何进一步提升点式光纤传感系统的性能是今后需要解决的问题。本文在特种传感光纤光缆联合实验室的支持下将一种低损耗光纤(ULL G.652B)用于随机光纤激光器的腔体设计,并将该激光器用于点式传感系统以提升点式传感系统的性能。主要工作内容如下:(1)从理论上分析基于低损耗光纤的随机光纤激光系统输出特性。本文先测量了ULL G.652B光纤在特定波长的损耗系数、后向瑞利散射系数和ULL G.652B光纤的拉曼增益谱。然后,从理论上分析了基于100km ULL G.652B光纤的二阶随机光纤激光器输出功率,激射阈值以及特定泵浦功率下光功率沿光纤的分布情况。(2)设计了一种基于100km/150km ULL G.652B光纤的二阶随机光纤激光系统。本文先研究该系统激射阈值、光纤尾端输出功率和输出光谱以及其随泵浦功率的变化情况。光纤尾端输出功率的实验结果和仿真结果基本一致,说明使用的理论模型较为准确地预测了设计的随机光纤激光系统输出特性。然后,对比100km/150km光纤长度下基于ULL G.652B光纤的随机光纤激光器和基于普通单模光纤(G.652D)的随机光纤激光器输出特性。对比发现在泵浦输出功率较高的情况下,基于ULL G.652B光纤的随机光纤激光器输出光功率和输出光谱对比度都要高于基于G.652D光纤的随机光纤激光器,因此基于低损耗光纤的随机光纤激光器更适合长距离光纤传感。(3)将低损耗光纤应用于点式光纤传感系统。本文先设计了一种基于150km低损耗光纤的随机光纤激光点式传感系统,研究该系统的传感特性。该系统的传感单元是中心波长为1563nm的光纤布拉格光栅(FBG)。此外,还与相同光纤长度下基于G.652D光纤的随机激光点式传感系统做比较。对比发现在相同条件下,基于低损耗光纤的随机光纤激光点式传感系统的传感性能更好。
其他文献
随着互联网的普及和飞速发展,网络安全问题也愈发重要。Web日志记录了网站的运行信息和用户的所有操作,通过日志分析开发者可以检测出网络的异常流量,及时发现漏洞。由于传统的基于规则和模式匹配的日志分析技术对海量数据的处理效果不佳,也无法应对形式复杂多样的网络攻击,将机器学习和深度学习技术应用到日志分析领域是大势所趋。本文提出了一种自定义特征的方法,对比于其他基于统计信息的特征提取,该方法将特征提取的重
多智能体系统是一种复杂的网络系统,其应用涉及了多个领域,如无人机协作控制、传感器网络设计以及机器人编队等。近年来,多智能体系统的一致性问题受到了许多学者的广泛关注。如何设计恰当的协议,使得系统内个体间的状态能够达到一致是研究多智能体一致性的关键问题。目前对于一致性的研究大都只涉及一阶、二阶,缺乏对具有有限子群的高阶系统尺度一致性的研究。本文主要研究具有有限子群的离散时间三阶多智能体系统的尺度一致性
机器学习的一个核心主题是顺序决策,这是要求在不确定的环境中依据决策规则选择要执行的一系列动作,以实现某些目标的任务。作为机器学习的重要子领域,强化学习提供了一种解决这类任务的正式框架。然而,解决比较复杂的任务时,它所需要的样本数量难以忍受;另外,当任务发生改变时,原来的解决方案就无法应用,学习必须要重新开始。这些问题促使我们利用现有知识来改善强化学习过程。近年来,迁移学习作为一种利用先验知识来加速
深度神经网络由于具有强大特征提取和表征的能力,已经在计算机视觉、自然语言处理、智能决策等方面展现了卓越的性能。近年来,深度神经网络的设计引起了研究人员的广泛关注,各种高性能和高效率的神经结构不断涌现。但是手工设计一个神经网络需要大量的专家经验和反复的实验验证。因此,神经结构搜索方法被提出来在给定的任务上自动设计神经结构。基于梯度的one-shot神经结构搜索方法在高效实现结构搜索的同时,还具有不错
在高压变电设备的放电检测、航空发动机结构无损检测等领域的超声波探测应用中,往往要求超声波传感器需要具备体积小、质量轻、前置无源、抗电磁干扰、耐高温高压的特性。本论文针对光纤MOEMS(Micro-Opto-Electro-Mechanical Systems)超声传感器的信号解调需求,研究了一种基于光纤EFPI(Extrinsic FabryPerot Interferomter)传感器的高速四通
非合作信号解析技术已广泛应用于电子信息对抗等领域。非合作的接收机通过这种技术利用截获信号取得发射机的一些信息,以实现破译敌方情报或干扰敌方通信等目的。在现代数字通信系统中,数据通常以帧为单位进行传输。合作方的接收端首先会采用适当的算法并结合帧结构的信息来获取帧同步。然而这些对于非合作的接收机来说是未知的,所以其需要利用截获信号对帧结构进行识别。在获取帧同步后,倘若非合作的接收机想要进一步获取数据部
对于室内环境三维模型构建,目前常规方法是使用三维激光扫描仪来实现,但是三维激光扫描仪不仅价格昂贵而且体积较为庞大,同时构建三维模型耗时较长。视觉同步定位与地图构建(SLAM)技术具有精度高、速度快、系统体积小的特点,本文对基于深度相机的视觉SLAM算法进行了深入研究学习,并将视觉SLAM技术结合建筑抹灰机器人应用于建筑室内环境建模,解决了建筑室内三维整体模型实时构建问题,并且对得到的三维模型进行后
生活在当下,神经网络对于我们而言一定算不上陌生。无论是作为学者还是工程师,在他们的研究中一定会发现神经网络的身影。医学领域、军事领域甚至金融领域均采用了神经网络技术,不难看出它具有很强的适用性。将耦合的网络模型同单一的网络模型进行比较可以发现,前者具有更高的生物可靠性,更贴近真实神经系统的组成。有关于这种模型的研究正在逐步展开,现在已有大量实验证实它能够高度概括大脑对信息的并行处理。另一方面,无论
当下,网络短视频、电商广告、新闻资讯等信息量迅猛增长,如何构建更精准、更个性化的推荐系统已成为各大电商平台、音视频门户网站关注的焦点。而推荐系统中最核心的部分在于其使用的推荐算法,算法的优劣直接影响推荐系统的好坏。虽然诸如协同过滤等传统推荐算法已经历了多年的发展,但面对当前越来越多的稀疏性与冷启动问题时,其较难以从根本上解决。而另一方面,由于近年来图神经网络的发展以及其与推荐系统交互图结构的高度契
基于位置服务(Location Based Services,LBS)在无人驾驶、智能交通、应急救援以及智慧城市等领域上发挥着十分重要的作用。对于室外环境,美国的GPS系统、欧洲的伽利略系统以及中国的北斗卫星系统已经可以提供很好的位置信息,由于卫星信号容易受到建筑物遮挡,这些成熟的定位系统在室内环境的定位性能不是十分理想。随着社会的发展,人们对室内定位的需求也日益增多,定位方案也从单一定位技术逐渐