基于飞秒激光直写的光纤曲率传感器的研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:taiguomin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
光纤传感器自上世纪七十年代被提出,由于具有抗电磁干扰、结构紧凑、安全稳定、结构多样以及可实现分布式传感等独特优势,一直是人们研究的热点之一。随着光纤传感技术的不断发展和成熟,以及当今信息化社会对传感器件的巨大需求,光纤传感器越来越多地被应用于建筑、机械、医疗、能源、航天航空、环境监测等各个领域。同时,上世纪九十年代提出的飞秒激光微加工技术,由于具有较高的加工精度,可在材料内部进行三维加工的高自由度,以及在加工材料和加工方式选择上的灵活性等优势,被人们用于光子器件的制造中,并为光纤传感器件的发展提供了新的可能。本文探究了飞秒激光微加工系统的不同加工工艺,并将其应用到光纤弯曲传感器的制造中。在提出传感器结构设计后,对传感器原理进行理论分析和软件仿真,并搭建传感测试系统对其传感性能进行探究。主要的工作内容和结论如下:(1)阐述了非线性吸收和雪崩电离在飞秒激光脉冲对透明介质加工过程中所起的作用,分析了激光脉宽τ、脉冲能量E、物镜数值孔径NA、重复频率R对飞秒激光加工的影响。在此基础上,利用实验室所提供的飞秒激光加工系统,实现了多种器件结构的制作,包括了单模光纤中的逐点光纤布拉格光栅(FBG)和逐线FBG、石英玻璃中的平面波导、多通道波导和各种弯曲波导,以及空芯光纤中贯穿整个光纤壁的微孔的制作。(2)提出了一种新型的基于全光纤马赫泽德干涉仪(Mach–Zehnder interferometer,MZI)的光纤弯曲传感器,其主要结构由标准单模光纤(Single Mode Fiber,SMF)中插入的一段无芯光纤(No-Core Fiber,NCF)以及在NCF中利用飞秒激光直写制备的波导组成。通过基于光束传输法(Beam Propagation Method,BPM)的三维仿真发现,该结构的输出干涉谱效果和直写波导偏离光纤中心的位置有关。通过优化得到的样品用于弯曲传感,其最大的传感灵敏度达到14.98 nm/m-1,且环境温度的串扰可以忽略。本文提出的传感结构实现简单,同时保持了较大的传感灵敏度。(3)提出了一种基于SMF内全光纤MZI和FBG的双参量传感器,用于同时测量弯曲变化和环境温度变化。整个器件结构集成在同一段光纤的纤芯中,并且通过飞秒激光直写完成制作。通过基于BMP法的三维建模仿真研究了器件的传感特性,且得出的结论与后期实验结果基本吻合。器件的线性工作范围为0-10 m-1,测得最大灵敏度为1.09 nm/m-1。MZI和FBG的谐振峰对温度都有响应,其灵敏度分别为-11 pm/℃和10 pm/℃。因而通过对MZI和FBG波长漂移的解调,可以同时实现对弯曲和温度的传感。
其他文献
随着网络的盛行与网络技术的发展,用户可在网络中发表自己对事物的观点,这些观点中含有用户想要表达的情感因素。这些含有明显情感的评论可以直接反映用户或网民对该事物的看
随着公众对于养老问题的重视与老年产品市场需求量的日益扩增,家庭型看护机器人可应对人口老龄化所造成的重大社会服务问题,满足快速增长的市场新需求。现阶段服务机器人研究
学位
电动汽车的快速增长对电网的安全稳定运行带来巨大的挑战。但电动汽车与电网互动(Vehicle-to-grid&Grid-to-vehicle,V2G&G2V)技术可以为电网提供分布式储能服务,是未来智能电
土地生态价值是土地自然价值的重要组成,极大程度上影响着人居环境和生态环境的可持续性。结合区域自然环境和社会发展实际需要来推动土地合理利用,以及土地功能开发和保护,
光纤传感器由于其质量轻、体积小、抗电磁干扰、可在高温高压等恶劣环境下使用等特点,已经成为国内外研究发展的热点,被广泛地应用于工业控制过程、各种环境监测等领域。研究双参数光纤传感器不仅可以实现传感器的集成化、降低系统成本,更是解决光纤传感器多参量交叉敏感问题的有效方法之一。本论文设计制作了两种不同类型的双参数光纤传感器,并开展了相关性能的测试工作。本文主要工作内容及创新点总结如下:(1)概述了光纤传
在空间机械臂的控制过程中,由于系统的非线性、时滞性以及模型的不确定性,采用传统的PID控制的方法难以保证控制精度,因此需要一种结构简单,具有较强的非线性控制性能的控制器。因此本文给出一种基于NARX(Nonlinear AutoRegressive network with eXogenous inputs)网络的内模控制器设计方法,完成非线性、未知数学模型对象的控制器设计。具体如下:(1)针对传
学位
基于非负矩阵分解(Nonnegative matrix factorization,NMF)的语音增强是目前一种对抑制非平稳噪声非常有效的技术,其使用非负的语音和噪声基矩阵(Basis matrix)来表示语音和噪声的频谱子空间,通过在语音和噪声的联合基矩阵中分解带噪语音的频谱矢量,来获得相应的语音和噪声编码矢量,进而获得估计的语音和噪声频谱分量,实现语音增强。但是此类方法存在两个不足,其一是在语
全息技术是利用干涉和衍射原理记录并再现物体真实三维图像的技术。在记录过程中,由于成像传感器只能记录全息图波前的幅度,会丢失相位信息,导致重构后的图像受到共轭像的严重影响。该文主要围绕基于深度学习的全息重构共轭像去除方法进行研究,具体研究内容如下:首先,为去除同轴数字全息重构中的共轭像,提出多尺度残差稠密网络。该网络将输入含共轭像的图像进行采样率不同的下采样操作,以此来获得不同的尺度。为提取不同层次