【摘 要】
：
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
论文部分内容阅读
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）传感器的高速四通道光纤FP腔传感信号解调系统,完成了系统硬软件的设计与开发,并且对系统的解调性能进行了实验研究与分析。本文所研究的光纤EFPI传感器高速多通道解调系统是将FPGA和虚拟仪器技术相结合,实现了一种响应带宽大、线性度好、信噪比高的四通道超声波探测方案。该系统可以对采用空气耦合与接触耦合的两种光纤EFPI超声传感器实现有效的信号采集和解调,系统可适应于多种超声波探测的应用需求。本论文的主要研究内容如下:（1）论文探究了膜片式光纤EFPI传感器结构与工作原理。本课题基于光纤F-P（Fabry-Perot）双光束干涉原理,采用微米级厚度MEMS硅基薄膜,与光纤端面形成法珀干涉腔,利用光纤法珀干涉腔的腔长变化去实现对外界超声波信号的感测。本论文研究中传感器的设计腔长为250μm,干涉光谱的自由光谱范围为4.8nm时,干涉条纹对比度达到38d B以上。（2）针对于基于MEMS薄膜的光纤EFPI传感器,本论文采用了三波长自适应解调算法。该算法利用三个波长信号互为2π/3的相位差关系,自适应地选择处于线性工作区域内的信号光波长作为传感器的解调工作波长。有效地解决了传感器在实际使用中环境温度变化与低频扰动导致的解调工作点漂移问题。（3）设计和构建了基于光纤EFPI传感器的高速四通道光纤FP腔传感信号解调硬件系统。包括了解调光学系统的设计,光源、探测器、波分复用器等关键光学器件的选型,高速四通道数据采集卡的设计与研制。成功搭建了性能稳定的高速四通道光纤FP腔传感信号解调硬件系统,实现了一套可实用化的四通道超声波探测工程样机。（4）基于LabVIEW（Laboratory Virtual Instrument Engineering）平台设计实现了与高速四通道光纤FP腔传感信号解调硬件系统相匹配的上位机软件。完成了软件采集控制、波形显示、数据存储、数据格式转换、测试报告生成等功能模块的开发,并且实现了可人机交互操作光纤超声波传感器信号解调系统软件界面。（5）基于实验搭建的高速四通道光纤FP腔传感信号解调硬件及软件系统,本课题针对空气耦合、接触耦合两种耦合方式的光纤超声波传感器探测进行了性能测试。其中在接触式耦合超声传感测试中,在压电超声驱动器的激励下,系统信噪比达到61d B以上,并且输出信号具有良好的线性响应及通道一致性。课题还采用了铝合金薄板样品,对金属薄板中的超声兰姆波探测进行了实验探究,系统有效探测到了包络清晰的超声兰姆波信号,该实验结果也初步验证了本系统应用于金属或其它复合材料结构无损检测的可行性。
其他文献
随着第五代移动通信系统（5G）的商用化逐渐落地,毫米波频谱资源会变得逐渐稀缺,此时比毫米波频段更高的太赫兹（THz）频段必将是未来通信发展的主要趋势。近年来,THz通信已被公认为可以为第六代无线通信系统（6G）提供足够频谱资源和超高数据速率的有前途的技术。由于THz信号路径衰减以及分子吸收十分严重,长距离通信会对信号强度造成很大程度的损害,所以短距离室内场景是目前研究THz通信最适用的场景。然而,
随着以太网的日益发展,局域网的复杂程度也随着用户数和网络终端的增多而越发提高。为了保证局域网运行环境的健康稳定,在局域网的故障管理过程中,网络管理员需要对网络的整体运行状态把控和对网络故障进行成因分析和经验式诊断。但由于局域网往往承载着特殊业务,传统方法非常耗时耗力,于是现阶段对故障诊断的响应以及智能程度提出了新的要求。因此,本文从深度学习角度出发,研究了基于卷积神经网络模型的网络故障诊断方法。本
量子力学本身的特殊性质使得量子算法在解决某些问题上具有量子优势。本文着眼于量子查询算法以及量子强化学习算法,提出了两种不同的解决特征值问题的量子算法,这两个新的方法相比较于经典算法都具有量子优势。在第一个工作中,我们受到不动点搜索算法的启发,提出了基于查询的方法来解决特征值求解问题。我们将此问题转化为基于查询的搜索问题,并且将未知的特征态设定为所求问题的目标态。我们的方法主要思想是通过不动点Gro
随着信息时代的到来,计算机不仅促进了社会的发展,也改变着人们的生活。但冯诺依曼体系计算机的发展将会逐渐受到限制。近些年,量子计算逐渐受到人们的关注,量子计算中存在纠缠和叠加等特性,可以利用这些特性实现加速。将量子计算与经典的机器学习算法相结合,有望解决数据量巨大和训练速度缓慢等棘手的问题。本论文主要分为两部分,一部分我们主要介绍了量子计算的基础和量子变分电路研究现状及背景,量子变分电路是在量子本征
机器学习已然成为现代科学的基石,它被广泛地应用于所有科学领域。然而,它于计算电磁学（CEM,Computation Electromagnetics）算法相结合还有待研究。在本文中,我们将基于深度学习（DL,Deep Learning）的机器学习方法与传统的FDTD（Finite-Difference TimeDomain）算法相结合,研究DL-FDTD算法原理和实现技术,并应用在计算电磁学中。本
目的:本研究旨在系统评价机器学习算法预测脓毒症发病及病死率研究的方法学和预测模型,提出机器学习预测研究报告标准,并以此为基础创建危重症患者数据集,进行脓毒症发病和预后预测研究。方法:研究分为两个部分。第一部分为系统评价（systematic review）研究。检索中国知网、万方数据库、Pub Med、Web of Science等数据库中机器学习算法用于脓毒症预测文献,时间从2010年1月至20
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