基于迈克尔逊干涉原理的光纤传感器研究

在总结Michelson干涉仪原理的基础上,以3种不同的Michelson干涉仪为例,说明了光纤Michelson干涉仪的特点和应用,并展望了其应用前景。     

光纤传感器应用研究

光导纤维创造了光电子学的新领域。光纤传感器发展非常迅速,具有损耗低、重量轻、抗电磁干扰强以及节约能源等特点,目前已有光纤压力传感器、光纤磁场传感器、光纤温度传感器、光纤应变传感器、光纤电场传感器等,并已广泛用于非电量的测试中。     

改进的小生境粒子群优化算法

传统的小生境粒子群优化算法（NPSO）需要两个参数的输入,一个是判断子群合并的阈值,另一个是子群产生的阈值。参数设置的不当,将直接影响计算结果。引入一个函数判断两个点是否在同一座山峰上,以克服NPSO算法需要输入参数的弊端。在程序运行时,无须严格限定小生境的半径,也不需太多的先验知识。实验结果证明,该算法合理有效,能够能快速有效地找到多峰函数的全局最优点。     

基于典型光纤振动传感器的研究

通过对典型光纤振动传感器的研究,给出了这几种振动传感器的传感头结构,分析了它们的工作原理,导出了传感头等效力学模型的动力学特性,还给出了常用的适合于光纤振动传感器的几种信号解调方法,为基于光纤振动传感器的研究与设计提供了依据．     

基于KSOM-PSO算法的无线传感器网络入侵检测研究

针对无线传感器网络中的入侵检测机制对拒绝服务(denial of service,DoS)攻击检测精度不高的问题,提出了基于核自组织映射(kernel self-organizing map,KSOM)和粒子群优化(particle swarm optimization,PSO)聚类算法融合的KSOM-PSO神经网络算法作为无线传感器网络的检测机制。首先在传统SOM算法中引进核函数进行聚类;其次使用SOM聚类获得的获胜神经元权值对PSO粒子的初始位置初始化;最后在PSO算法中将传统的线性减小权值的方法改为非线性减小权值的方法,以提高PSO算法的全局搜索效率和局部搜索精度。实验结果表明,KSOM-PSO与传统的PSO聚类算法和SOM算法比较,检测精度有较大的提高,且收敛速度更快。     

一种改进的粒子群算法研究

为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。     

基于粒子群算法的PID控制器研究

常规PID算法,在被控对象具有不确定、非线性、变参数等因素的复杂环境中,难以满足控制要求,因此采用粒子群算法PSO（particle swarm optimization）对PID算法的Kp,Ki,Kd 3个参数进行在线整定.利用MATLAB软件对常规PID控制及粒子群PID控制进行仿真实验,仿真结果显示,相较于常规PID算法,PSO-PID控制算法具有更好的快速性和稳定性.     

基于粒子群算法的排课系统设计

排课问题是一个有约束的、多目标的组合优化问题.在针对遗传算法在求解该问题时搜索效率较低的情况下,提出了一个基于粒子群的排课算法.在算法设计过程中,考虑排课过程中所出现的各种时间、空间资源的冲突情况,设计了一种基于粒子群优化算法来实现时间和空间两种资源的优化.利用C#程序设计语言实现了基于粒子群算法的排课系统,实验和测试结果也验证了其有效性和系统的可用性.     

基于掺铒光纤激光器和锥形光纤传感器的研究

探究并讨论了与腔内光纤激光传感器相关的概念,概述了光纤激光器,特别是掺杂光纤激光器相关的工作原理和研究进展。阐述了光纤中激光产生的基本理论和机理,并重点介绍了锥形光纤中这种现象在传感方面的应用。通过回顾前人在内腔式光纤传感器方面的工作,发现了最新技术中存在制造过程费力和结构复杂等缺点。     

基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

两种光学薄膜反射系数计算方法的对比

该文介绍了两种光学薄膜反射系数的计算方法——等效界面法和导纳矩阵法,并比较了两种方法在多层光学薄膜结构下的反射率和相位差计算结果.发现当计算数值有效位数为15时,两种方法的反射率和相位差结果差异分别为10-15量级和10-14rad量级,远小于反射率和相位差的测量分辨率,可以认为两者的结果相同.这说明两个基于相同理论基础的方法,计算结果也是相同的,并通过实验证实了计算结果的可靠性.     

光谱吸收式光纤气体传感器分辨率研究

气体传感器在环境检测、火灾与安全报警系统以及食品化工中具有广泛应用。分析了吸收式气体传感器的工作数学模型与光电检测电路的结构特点,探讨了提高吸收式光纤气体传感器分辨率的方法。     

《光纤传感系统》课程研讨式教学

研讨式教学是一种以学生为主体的教学方法,可以充分发挥学生学习的主动性,提高课程教学效果。本文结合《光纤传感系统》研究生课程教学,提出研讨式教学中应特别注重培养学生的问题分析能力、文献检索能力、知识综合能力、学术交流能力,并应在研讨式教学中优化安排学生研讨准备时间与教学时间比例、引导全员参与、灵活设计研讨内容与实施形式,为在课程教学改革中深入有效开展研讨教学提供一定的借鉴参考。     

高双折射光纤环镜在光纤传感解调系统中的应用

为降低成本,实现高稳定性、高精度的波长解调,设计了一种新颖的、基于高双折射光纤环镜滤波器的光纤传感解调系统。根据传统的矩阵光学原理建立理论模型,研究了高双折射光纤环镜的滤波特性,分析了高双折射光纤环镜滤波器的解调原理。经传感检测验证,该解调系统对温度的分辨率为0．05℃,线性度达到0．9986,实验结果与理论分析相吻合,显示了该系统具有良好的稳定性,且结构简单、精确度高、价格低廉、使用方便。     

Measurement of Rotatory Optics Element in Tensor Dielectric Matrix for Rotatory Optical Fiber

The rotatory optics element in the tensor dielectric coefficient matrix is an important parameter for analyzing and calculating a rotatory optical fiber by electromagnetic theory. But the measurement of rotatory optics element is difficult for the rotatory optical fiber. A simple principle and method for measuring rotatory optics element are put forward in this paper. Firstly by using electromagnetic theory it was demonstrated that the rotatory optics element has a simple linear relation with the rotatory angle, and then the rotatory optics element has a simple linear relation with the magnetic field strength (or bias current in the helix coil) . Secondly a measurement system for the rotatory optics element in the rotatory optical fiber was designed. Using the measurement system the rotatory element can be obtained by measuring the bias current simply.     

基于粒子群优化的神经网络实时交通信号配时

由于人工神经网络具有表征复杂输入输出系统的强大功能,将其用于城市道路交叉口的实时信号配时,是极有应用前景的尝试。文章采用三层人工神经网络建立城市道路交叉口信号配时模型,并把粒子群优化算法作为神经网络的学习算法。该算法具有极高的全局优化形态与计算效率。这种方法建立的模型将有助于降低交叉口的总延误,提高通行能力,使神经网络发挥更好的控制效果。     

基于PSO的控制系统中周期性任务的优化调度

控制系统中任务的调度不仅影响系统的资源利用率,而且影响系统的控制性能。首先分析了周期性实时任务,并给出了任务模型。基于此,采用了EDF调度算法。根据系统的性能指标与任务的采样周期的关系,采用粒子群算法对系统性能进行优化。仿真结果表明,这种算法是有效的。     

基于 EMD-PSO-ELM 算法的大坝变形预测研究

基于极限学习机（ELM）构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于 EMD-PSO-ELM 算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解（EMD）将变形时间序列分解成具有不同频率特征的分量|然后利用 PSO-ELM 模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的 EMD-PSO-ELM 大坝变形预测模型残差均方根误差为 1.83mm,平均绝对误差为 1.57mm,平均绝对百分比误差为 1.79%,比 ELM 模型与 EMD-ELM 模型相关误差值更小,在大坝变形预测方面性能更优。