基于3×3耦合器的分布反馈激光器振动传感解调算法

本文采用分布反馈(DFB)激光器作为传感头,搭建了一种基于3×3耦合器的光纤振动传感系统。在基于微分交叉相乘算法(NPS)的基础上,提出了一种新的解调算法——反演微分交叉相乘算法(iNPS)。算法利用3×3耦合器三路对称的优点,采用3×3耦合器输出的两路信号反演出第三路信号,对三路信号校正后采用NPS算法对振动信号进行解调,系统采用两个光电探测器,与传统的NPS算法相比,降低了系统的成本及复杂程度。对iNPS算法与使用两路信号进行解调的微分交叉相乘算法(NRL)进行仿真分析,比较了两种算法在不同输入振动信号的信噪比和3×3耦合器的不同对称度条件下的解调结果。结果表明,在振动信号信噪比为32 dB的情况下,iNPS算法的信纳比比NRL算法信纳比提高了37.4 dB,总谐波失真率(THD)下降了28%。并且iNPS解调算法可以在3×3耦合器三路信号不对称的情况下解调出振动信号。     

透射式光纤氢气传感系统构建与算法优化

氢气作为绿色清洁能源被广泛应用,但由于氢气易燃易爆易泄漏的特性,研发一种安全可靠的光纤氢气传感器是安全使用氢气的前提。采用溶胶-凝胶法制作三氧化钨/铂(WO₃/Pt)氢敏薄膜,基于透射式光纤氢气传感系统进行氢气浓度检测。由于氢敏薄膜与氢气发生化学反应时,容易受温度影响,并且在此过程中会产生水,阻碍反应的进行,因此氢气浓度与光电探测器接收到的光强信号呈现非线性特性。为了提高氢气检测的准确度,使用支持向量回归(support vector regression, SVR)、反向传播(back propagation, BP)和径向基函数(radial basis function, RBF)神经网络等算法对测试数据进行优化,通过计算算法的平均相对误差率和决定系数(R²)来对比3种算法的优劣。与BP和RBF神经网络相比,SVR算法预测样本的平均相对误差率低至3.8%,R²高达0.999 8,对氢气浓度具有更好的预测效果。     

基于改进布谷鸟算法结合电导增量法的最大功率点追踪

动态遮阴下,光伏阵列的输出P-U曲线会出现多个功率极值点,传统最大功率点追踪会陷入局部最优。为此,本文提出基于自适应差分进化的改进布谷鸟(ICS)算法与电导增量法(INC)相结合的复合算法(ICS-INC)。该算法提出自适应抛弃概率和自适应步长因子,结合差分变异进行随机偏好游走,使算法的搜索开发能力得到提升,避免陷入局部最优。通过改进Lévy飞行公式减小其随机性,减小算法的迭代次数来缩短跟踪时间,由INC实现局部快速搜索,稳定输出最大功率。仿真结果表明,与其他算法相比,该算法的追踪速度,全局搜索性以及环境变化的适应能力均得到提升。