基于OVD制棒技术的芯棒与尾柄对接工艺对光纤性能的影响

来源 :光通信技术 | 被引量 : 0次 | 上传用户:forbj
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
为减少光纤参数波动超标,提升有效拉丝长度,基于外部气相沉积(OVD)法制棒技术研究了芯棒和尾柄的对接工艺及其与接口附近光纤参数的关系,阐述了利用自动数控车床进行芯棒和尾柄对接的工艺方法,理论分析了对接工艺对光纤性能影响的原理,并将不同对接工艺的芯棒进行拉丝对比实验。实验结果表明:使用该对接工艺的芯棒跳动值一次符合率可从90%提升至98%以上,确定了利于减小光纤模场直径波动的挤压程度D D0为1.2,且氢氧比2∶1.1是在不产生接口气泡前提下使光纤水峰性能最优的对接参数。
其他文献
通过分析业界在数据质量评估维度选取方面的现状以及存在问题,重点从评估维度的可操作性考虑,提出用准确性、完整性、一致性和及时性4个维度综合评估数据质量,在此基础上形成数据质量整体评估模型,并结合实例演示评估模型的使用方法。
MR(Mixed Reality)混合现实,在互联网与人工智能领域的一个热词,通过对现实与虚拟信息融合,让用户能更清楚地感受与体验的一种技术,目前主要被应用在工业与技术支持领域,但其依赖于专业设备和专用系统,一直无法广泛应用。通过对5G+云AR技术实现与场景应用的了解与研究,分析智能终端+5G+云模拟实现MR技术的可行性,并由此展开以智能终端为媒介,利用5G高速率、低延时的网络特点以及云计算能力,实现从智能终端采集现场信息,传输至云平台进行混合现实计算,并最终通过智能终端输出模拟MR的研究。
深度学习是一个非常高效的算法,它可以从部署在复杂环境中的物联网设备中的原始传感器数据中准确提取出信息。深度学习由于是多层的结构,所以它也非常适合边缘计算的环境。因此,针对物联网应用特性,首先将深度学习引入到边缘计算的环境中,并为之设计一个边缘计算的结构。