【摘 要】
：
随着社会城市化、工业化的飞速发展,人们对于结构健康监测的需求日益增长。作为表征物体结构受力形变程度的物理量,应变对于反映结构的健康状态至关重要,因此应变传感广泛应用于航天卫星、航空飞机、深海隧道、兵器制造、石油石化管道、国家大型建筑等领域中的健康监测。光纤应变传感技术相比于传统的应变传感技术而言,拥有抗电磁干扰、结构简单、可远程传输等诸多优良特性,因此在应变测量工程中备受青睐。但是,在工程结构件体
论文部分内容阅读
随着社会城市化、工业化的飞速发展,人们对于结构健康监测的需求日益增长。作为表征物体结构受力形变程度的物理量,应变对于反映结构的健康状态至关重要,因此应变传感广泛应用于航天卫星、航空飞机、深海隧道、兵器制造、石油石化管道、国家大型建筑等领域中的健康监测。光纤应变传感技术相比于传统的应变传感技术而言,拥有抗电磁干扰、结构简单、可远程传输等诸多优良特性,因此在应变测量工程中备受青睐。但是,在工程结构件体积庞大的情况下,单点式的应变传感器如光纤光栅,只能测量其局部的应变,不能反应出整体工程结构的应变特征,难以满足测量需求。针对于这种局限性,本文提出了一种基于空芯-单模结构的长法珀腔光纤应变传感器,其法珀腔的长度可以实现几厘米甚至几十厘米,本文同时对传感器的传感特性展开了一系列研究分析。本文进行的研究工作如下:1、研究了光纤法珀传感特性,对光纤法珀传感器的光谱特性进行了详细的分析。针对应变空间分布范围比较广的应用场景,在光纤光栅长标距应变传感器的基础上,提出基于空芯-单模结构的长法珀腔光纤应变传感器,介绍了本传感器的制作方法,分别分析了不同熔接参数、端面反射率以及空芯光纤长度对于干涉条纹对比度的影响,同时对该传感器的应变传递进行了理论研究。2、针对于本文提出的应变传感器,分别构建了其应变传感模型,分析了温度对该传感器的影响特性,构建了应变-温度耦合模型以研究传感器的腔长以及折射率受应变和温度变化的影响。结合基于三次样条插值的傅里叶变换解调和谱峰追迹法对采集到的光谱信息进行处理和分析。结果显示,基于这种解调方法可以对该传感器进行有效地解调。3、搭建了适用于本传感器的应变传感实验系统,对传感器法珀腔长度分别为10.05mm和49.03mm的两只传感器进行实验研究,在温度恒定的条件下,应变传感器的灵敏度随着传感腔长的增加而提高,两只传感器的灵敏度分别为20.42nm/??、115.57nm/??,并且传感器具有良好的重复性。同时实验探究了温度变化对于传感器应变特性的交叉影响,并通过串联FBG的方法,实现了对基于空芯-单模结构的长法珀腔光纤应变传感器的温度补偿。
其他文献
随着机器人技术的普及和发展,机器人的应用场景也在不断扩大。为了适应复杂多变的环境并能自主完成任务,机器人必须具备同步定位与地图构建（SLAM）能力。光束平差法（BA）是SLAM技术中最有效的一种解决方案,但是其庞大计算量带来的高延迟和高功耗的问题制约了其在嵌入式系统中的应用。为解决这一问题,本文在光束平差法的硬件设计上做了先行的探索。本文提出并实现了光束平差法的FPGA加速器。针对光束平差算法中计
风格迁移是计算机视觉中极具创造性的一个领域,随着深度学习重回大众视野,大量的神经网络结构被用于这一领域的探索。虽然优秀的相关算法不断面世,但是距离高效率的,有鲁棒性和泛化性的模型仍然有巨大的提升空间。一是在局部风格迁移过程中,如何平衡图像的语义内容信息和风格特征信息,高效率地获得迁移结果;二是如何在不同层级的特征空间整合有效信息,处理多域的风格迁移问题。针对这两点,本文基于神经网络提出两种改进的风
随着数据采集技术的发展,获取数据的方式越来越多样化,所得到数据通常具有多个视图,从而形成多视图数据。如何高效利用多视图数据所包含的信息进行学习是多视图学习的研究目标。为了更好地利用多视图数据,促进多视图学习在实际中的应用,必须要考虑多变量相关性。针对单视图数据的多变量相关性问题,本文基于单输入单输出的矩阵信息通道,提出了多变量输入的张量信息通道,该通道可以研究多变量如何共享信息,与矩阵信息通道相比
近年来,多智能体系统在许多领域都有广泛应用,比如无人飞行器的协同控制、编队控制和耦合振子同步等;多智能体系统的分布式协调控制已经吸引了越来越多的科研工作者的关注.目前关于多智能体系统分布式协调控制的研究,大多都是假设智能体之间是连续通信的,而对于间歇通信下多智能体系统的研究还相对较少.本文分别研究了间歇通信下一般线性多智能体系统的一致性和鲁棒镇定问题,主要内容和贡献如下:1.分别研究了间歇通信下连
以控制架构为主的中央处理器（Central Processing Unit,CPU）无法深层次优化卷积神经网络的计算,在速度和功耗方面难以满足应用的要求。而计算密集的现场可编程门阵列（Field Programmable Gate Array,FPGA）适合并行计算的开发,并且具有可配置、开发周期短、成本低等特点,所以成为了部署卷积神经网络的热门平台。但卷积神经网络模型庞大、计算复杂,且FPGA的
视觉里程计通过分析处理图像序列来感知周围场景的三维信息,并确定运动相机的位姿,在机器人定位导航、自动驾驶,虚拟现实、增强现实和三维重建等领域都发挥着基础性的作用。近年来,深度学习与卷积神经网络在图像识别与跟踪等计算机视觉领域取得巨大成功,这也使得研究人员开始将深度学习应用于视觉里程计的技术研究中。本文对基于无监督深度学习方法的视觉里程计进行研究,设计了一个能同时完成场景深度估计与相机位姿估计任务的
计算机视觉中一个极其重要的研究领域是图像分类,它是人脸识别、图像检索等其他高级视觉任务的基础。近年来图像分类中一个比较火热的主题是高光谱图像分类。由于高光谱图像含有高的光谱分辨率,使得地物分辨识别能力被极大提高,因此它对农业、海洋、交通等多个方面起着重要的作用。传统机器学习方法在分类时依赖于人工设计的浅层特征,它们需要花费巨大的人力与时间,并且这些方法在面对高维数据时的表现不尽人意。而深度学习以其
随着社会进步和科技发展,机器人应用越来越广泛。人机协作模式逐渐在许多应用中取代单一机器人工作模式,因此,协作机器人成为研发和生产的热门产品。一般而言,国内的机器人性能与国外的产品相比仍然存在一定差距。为此,本文主要对协作机器人关节进行设计,旨在通过对性能进行研究,搭建试验台并完成机器人性能测试和指标优化研究,为协作机器人关节装配工艺提供理论依据和指导建议。针对协作机器人的特点及设计需求进行了总结,
21世纪,人类进入了大规模开发利用海洋的时期。作为“全球海洋观测业务系统计划”的一个子计划,Argo（Array for Real-time Geostrophic Oceanography）计划主要通过Argo浮标对深海区温盐结构进行观测,观测获取的实时数据被用于进行气候和海洋学等方面的研究,可以为海洋研究、海洋开发、海洋管理等提供数据及技术支持。现有的深海智能Argo浮标控制算法存在定深控制精
随着国家对海洋的开发,水下机器人的需求越来越多。在众多水下机器人中,水下仿生蛇形机器人由于其独特的结构和运动方式可以应用在很多场合,诸如军事侦察、水质监测、水下救援、海底设备的巡视和维护等任务。因此对水下蛇形机器人的研究具有重要意义。但是,传统的水下蛇形机器人运动速度较慢,且狭小空间的通过能力较差。因此,本文设计了一种带有推进器的水下蛇形机器人,可以提高传统水下蛇形机器人的运动速度和狭小空间的通过