中国激光, 2019, 46 (7): 0706001, 网络出版: 2019-07-11   

光纤光栅谱形复用解调中粒子群算法的参数优化 下载: 958次

Parameter Optimization in Particle Swarm Algorithm for Spectral Shape Multiplexing Demodulation of Fiber Bragg Grating
作者单位
重庆大学光电工程学院光电技术及系统教育部重点实验室, 重庆 400044
摘要
结合应用广泛的粒子群算法,通过数值仿真,深入探究了其关键参数对解调误差的影响规律,发现光纤布拉格光栅(FBG)谱形复用数量越大,谱形重叠程度越大,关键参数选择的范围越小。以最大解调误差为评价指标,定量分析得出了关键参数的合理设置范围,在优化条件下,FBG谱形复用解调性能得以提升,并通过实验验证了这一结论。
Abstract
This study uses the extensively applied particle swarm algorithm to investigate the influence of the key parameters on the demodulation error using numerical simulation. The simulation results illustrate that the available range of key parameters reduces with the increase of the multiplexing number of the fiber Bragg grating (FBG) and the overlapping degree of spectral shape. Furthermore, with the maximum demodulation error as an evaluation index, we obtain a reasonable setting range of key parameters using a quantitative analysis. Under the optimal conditions, the performance of the spectral shape multiplexing demodulation of the FBG is improved, which is confirmed by the corresponding experiment.

1 引言

光纤布拉格光栅(FBG)传感器以其抗电磁干扰、高精度、易实现复用等特点,在准分布式温度、应变等测量领域有广泛的应用前景[1-6]。由于FBG传感器易实现复用,因此用一个传感系统便能同时实现多个测试点的测量。FBG常规的复用方式有波分复用、空分复用、时分复用及这三种复用方式相互结合等[7-9]。相比波分复用,其他几种复用方式会增加传感系统的复杂性。而采用最简单的波分复用方式时,要求FBG光谱之间不发生相互重叠,因此需要为每个FBG传感器分配一个独立的工作区间,且相邻光谱之间要设置隔离带;但由于光源带宽有限,可分配的工作区间数量也有限,FBG的复用数目因此受到限制[10]。为了保持传感系统结构的简单性,且进一步提高传感网络中FBG的复用量,有学者提出光谱形状复用的方法[11-13],这种方法利用光谱的形状信息来实现解调,允许光谱发生重叠,这样在一个工作区间内能够复用多个FBG,使其复用量成倍增长。

对于FBG谱形复用技术,其解调算法是实现复用的关键。目前,FBG谱形复用常结合优化算法来实现解调。为了提高解调的准确性,许多学者研究了不同的优化算法及其改进算法,如遗传算法[14-15]、粒子群算法(PSO)[16-17]、差分进化算法[18-19]和模拟退火算法[12,20]等。通过改进不同的优化算法固然可以提高解调的准确性,但同时优化算法参数设置对解调结果的准确性也有很大影响;而目前FBG谱形复用解调中优化算法参数的设置主要凭研究者的经验确定,因此存在一定的主观性。例如,同样是利用粒子群算法,有学者[17,21]设置加速常数c1c2(粒子群算法的参数)为1.49,也有学者[10,16]设置加速常数c1c2为2。倘若参数设置不合理,很容易使解调结果陷入局部最优,难以达到提升解调性能的效果。针对此问题,本文将选择广泛应用的粒子群算法,深入研究其参数设置对FBG谱形复用解调误差的影响规律,并通过数值仿真和实验进行定量分析,提出合理设置参数的方法。

2 基于粒子群算法的FBG谱形复用解调原理

对于如图1所示的FBG并联谱形复用工作方式[16],调谐激光器发出的光通过耦合器进入n路FBG中,n个FBG的反射叠加谱被光电探测器(PD)接收。为消除旁瓣对测量的影响,通常会对用作传感测量的FBG进行切趾,因此FBG反射光谱可用高斯函数表示。在谱形复用解调中,为保证解调出的中心波长与FBG一一对应,要求每个FBG的反射率不同。假设第i个FBG反射光谱谱形为gi(λ,λBi),表达式为

gi(λ,λBi)=riexp(λ-λBi)BG2,(1)

式中:riλBi分别表示第i个FBG的反射率和中心波长;BG为3 dB带宽。探测器探测到的n个FBG叠加谱为

R(λ,λB1,λB2,,λBn)=i=1ngi(λ,λBi)(2)

(2)式中g1(λ,λB1),g2(λ,λB2),…,gn(λ,λBn)的谱形可能不重叠,也可能部分重叠或完全重叠。为了从R(λ,λB1,λB2,…,λBn)中解调出n个FBG的中心波长(λB1,λB2,…,λBn),可以构造函数

RV(λ,s1,s2,,sn)=i=1ngi(λ,si),(3)

式中:si(i=1,2,…,n)表示构造函数中对应的每个FBG的中心波长。将RV(λ,s1,s2,…,sn)与R(λ,λB1,λB2,…,λBn)进行对比,并通过g(s1,s2,…,sn)定量表征其重合程度:

g(s1,s2,,sn)=0[R(λ,λB1,λB2,,λBn)-RV(λ,s1,s2,,sn)]2(4)

当且仅当(s1,s2,…,sn)=(λB1,λB2,…,λBn)时,g(s1,s2,…,sn)取得最小值,原始谱和重构谱达到最优匹配。

图 1. FBG并联谱形复用系统原理图

Fig. 1. Schematic of FBG parallel spectral shape multiplexing system

下载图片 查看所有图片

为了获得最优匹配,将n维向量S=(s1,s2,…,sn)视为优化参数,g(S)视为优化目标函数,利用粒子群算法优化得到最小的g(S),便可以解调出(λB1,λB2,…,λBn)。如果将S视为一个粒子的位置,将ΔS=(Δs1s2,…,Δsn)视为粒子的飞行速度,则可利用粒子群算法在n维搜索空间中形成随机的粒子群。假设粒子群中共含K个粒子,在第t次循环迭代中,群体中第j(j=1,2,…,K)个粒子的位置和速度可以表示为 Sjt和Δ Sjt,通过计算比较优化目标函数的值,还可以得到此粒子经历过的最佳位置 pbesttj=( pj1t, pj2t,…, pjnt),以及群体中所有粒子经历过的最佳位置 gbesttj=( gj1t, gj2t,…, gjnt);那么在第t+1次迭代中,第j个粒子的位置和速度可分别表示为

ΔSjt+1=χ·ΔSjt+c1Rrand1(pbesttj-Sjt)+c2Rrand2(gbesttj-Sjt),(5)

Sjt+1=Sjt+ΔSjt,(6)

式中:c1c2为加速常数;Rrand 1Rrand 2为生成的随机矩阵;χ为压缩因子。在标准粒子群算法中,χ为人为设置的数值,但是研究表明,通过将χ表示为c1c2的函数,可以减少参数设置的个数,且收敛性更好[22-23]χ可表示为

χ=22-(c1+c2)-(c1+c2)2-4(c1+c2),c1+c2>4(7)

通过一定迭代次数后,所有粒子经历过的最佳位置 gbesttj即可认为是n个FBG的中心波长(λB1,λB2,…,λBn)。由(5)~(7)式可以看出,在该算法中,c1c2是两个关键的参数,分别影响着局部搜索和全局搜索的进程,对准确解调出(λB1,λB2,…,λBn)具有很大的影响。

3 数值仿真

为了探索c1c2对谱形复用解调误差的影响,首先需要获得不同形式的叠加谱,而利用(2)式可以仿真获得多个FBG不同重叠程度的叠加光谱。考虑到实际测量中可能出现不重叠、部分重叠和完全重叠的情况,分别仿真获得了2,3,4,5个FBG复用时具有代表性的叠加状态,如图2~5所示。仿真所采用的光谱分辨率为1 pm,其余参数见表1

图 2. 两个FBG的叠加谱。(a)不重叠;(b)部分重叠;(c)完全重叠

Fig. 2. Superimposed spectra of two FBGs. (a) Non-overlapping; (b) partially overlapping; (c) completely overlapping

下载图片 查看所有图片

图 3. 三个FBG的叠加谱。(a)不重叠;(b)部分重叠;(c)完全重叠

Fig. 3. Superimposed spectra of three FBGs. (a) Non-overlapping; (b) partially overlapping; (c) completely overlapping

下载图片 查看所有图片

图 4. 四个FBG的叠加谱。(a)不重叠;(b)部分重叠;(c)完全重叠

Fig. 4. Superimposed spectra of four FBGs. (a) Non-overlapping; (b) partially overlapping; (c) completely overlapping

下载图片 查看所有图片

图 5. 五个FBG的叠加谱。(a)不重叠;(b)部分重叠;(c)完全重叠

Fig. 5. Superimposed spectra of five FBGs. (a) Non-overlapping; (b) partially overlapping; (c) completely overlapping

下载图片 查看所有图片

表 1. FBGs叠加光谱仿真参数

Table 1. Simulation parameters of superimposed spectra of FBGs

ParameterOverlapplingNumber of FBGs is 2Number of FBGs is 3Number of FBGs is 4
FBG1FBG2FBG1FBG2FBG3FBG1FBG2FBG3FBG4
r0.660.950.450.660.950.370.450.660.95
BG /nm0.20.20.20.20.20.20.20.20.2
Non1544.931544.401545.411544.931544.451544.101544.551545.481545.02
λB /nmPartially1544.931544.711544.491544.931544.721544.551544.551544.781544.78
Completely1544.931544.931544.931544.931544.931544.881544.881544.881544.88
ParameterOverlapplingNumber of FBGs is 5
FBG1FBG2FBG3FBG4FBG5
r0.260.450.600.790.95
BG /nm0.20.20.20.20.2
Non1544.401544.851545.281545.821546.32
λB /nmPartially1545.051545.551545.551545.331545.33
Completely1545.281545.281545.281545.281545.28

查看所有表

图 6. 两个FBG时c1和c2对解调误差的影响。(a)不重叠;(b)部分重叠;(c)完全重叠

Fig. 6. Influences of c1 and c2 on demodulation error for two FBGs. (a) Non-overlapping; (b) partially overlapping; (c) completely overlapping

下载图片 查看所有图片

表 2. 参数c1和c2的合理设置范围

Table 2. Reasonablesetting ranges of parameters c1 and c2

Number of FBGsEmax≤1 pmEmax≤10 pm
24.1<c1+c2<5.5 &c2-c1<3.54.1<c1+c2<8 &c2-c1<4
34.1<c1+c2<5 &c2-c1<34.1<c1+c2<6 &c2-c1<4
4None4.1<c1+c2<5.5 &c2-c1<3
5NoneNone

查看所有表

图 10. 不同条件下解调算法的收敛曲线。(a)四个FBG不同光谱重叠程度的收敛曲线;(b)完全重叠时不同FBG复用数目的收敛曲线;(c)四个FBG完全重叠时不同c1和c2取值的收敛曲线

Fig. 10. Convergence curves of demodulation algorithm under different conditions. (a) Convergence curves of four FBGs under different overlapping degrees; (b) convergence curves of different FBG multiplexing numbers under completely overlapping; (c) convergence curves of different c1 and c2 for four FBGs under completely overlapping

下载图片 查看所有图片

4 实验研究

为验证上述仿真结果,依照图11(a)所示的FBG并联谱形复用方式搭建了实验系统,实验装置如图11(b)所示。调谐激光器发出的光经耦合器进入4路FBG中,光电探测装置探测到经FBG反射回的叠加光谱并将其发送至计算机,探测系统的光谱分辨率为1 pm。

图 11. FBG并联谱形复用实验系统图。(a)实验装置原理图;(b)实验装置图

Fig. 11. Experimental system of FBG parallel spectral shape multiplexing. (a) Schematic of experimental setup; (b) picture of experimental setup

下载图片 查看所有图片

由于当4个FBG完全重叠时,解调结果受c1c2取值的影响最大,因此选取了中心波长参数相近的4个FBG,在实验前分别测得其实际中心波长分别为1552.006,1552.000,1551.996,1551.994 nm。为了使4路FBG具有不同的反射强度,在第2,3,4路光纤中接入了可调衰减器并进行调节,最终将4路FBG反射强度比例调整到r1r2r3r4=1∶0.84∶0.51∶0.26,此时光电探测器探测到的叠加谱如图12(a)所示。从图12(a)可以看出,FBG的实际光谱并非理想的高斯光谱,如果仍采用理想高斯函数构造叠加光谱[即(2)式中的gi(λ,λBi)为理想的高斯函数],并按照数值仿真的方法计算得到如图12(b)所示的解调误差分布,可以发现,虽然误差的分布与仿真结果具有相似性,但是整体的解调误差远大于仿真的误差。为了减小由实际非理想高斯光谱造成的解调误差,采用实际测量的FBG谱形构造叠加光谱[即将(2)式中的gi(λ,λBi)对应换成第i个FBG实测的反射光谱],然后再按照类似数值仿真的方法计算得到如图12(c)所示的解调误差分布,可以看出,1 pm以内和10 pm以内的解调误差区域都与仿真结果[图8(c)]基本接近,这充分说明了优化区域内c1c2取值要明显优于非优化区域。此外,在实际测量时,为了减小FBG非理想高斯光谱的影响,应当考虑提前测量存储每个FBG的反射谱形,并以之构成解调过程中的叠加谱。

图 12. 四个FBG并联复用实验结果。(a)四个FBG的光谱及其重叠谱;(b) c1和c2对叠加光谱解调误差的影响(采用高斯函数构造叠加光谱);(c) c1和c2对叠加光谱解调误差的影响(采用实测FBG光谱构造叠加谱)

Fig. 12. Experimental results of parallel multiplexing of four FBGs. (a) Spectra of four FBGs and their superimposed spectrum; (b) influences of c1 and c2 on demodulation error (using Gaussian functions to construct superimposed spectrum); (c) influences of c1 and c2 on demodulation error (using measured FBG spectra to construct superimposed spectrum)

下载图片 查看所有图片

5 结论

深入探究了粒子群算法中加速常数对FBG并联谱形复用解调误差的影响规律。通过数值仿真,得出了加速常数c1c2的合理设置范围,并搭建了FBG谱形复用实验系统,解调实测叠加光谱可知,实验结果与仿真结果相吻合。此外,对于FBG串联谱形复用的情况,其叠加光谱模型与并联情况有所区别,并联时FBG光谱是独立的,可以将不同FBG光谱直接叠加构造叠加谱;而串联时,链路中FBG的反射光强会相互影响,叠加光谱不能将FBG的光谱直接相加[16]。但是,叠加光谱模型的不同并不影响参数优化的过程,理论而言,本研究所得的优化参数区域同样适用于串联情况。随着FBG重叠光谱数目的增多,解调也愈发困难,如何改进解调算法以增大复用量等问题仍有待深入研究。

参考文献

[1] Yeh C H, Zhuang Y H, Tsai N, et al. Capacity and capability enhancements of FBG sensor system by utilizing intensity and WDM detection technique[J]. Smart Materials and Structures, 2017, 26(3): 035026.

[2] 廖延彪, 苑立波, 田芊. 中国光纤传感40年[J]. 光学学报, 2018, 38(3): 0328001.

    Liao Y B, Yuan L B, Tian Q. The 40 years of optical fiber sensors in China[J]. Acta Optica Sinica, 2018, 38(3): 0328001.

[3] 谢凯, 张洪英, 赵衍双, 等. 导线舞动条件下输电系统结构健康监测的光纤研究[J]. 激光与光电子学进展, 2018, 55(7): 070606.

    Xie K, Zhang H Y, Zhao Y S, et al. Structural health monitoring of power transmission system based on optical fiber sensor under transmission line galloping[J]. Laser & Optoelectronics Progress, 2018, 55(7): 070606.

[4] 王鹏致, 刘春桐, 李洪才, 等. 一种基于LabVIEW的准分布式光纤光栅传感解调系统设计[J]. 激光与光电子学进展, 2016, 53(2): 022801.

    Wang P Z, Liu C T, Li H C, et al. A quasi distributed fiber Bragg grating sensing demodulation system design based on LabVIEW[J]. Laser & Optoelectronics Progress, 2016, 53(2): 022801.

[5] 刘胜, 韩新颖, 熊玉川, 等. 基于弱光纤光栅阵列的分布式振动探测系统[J]. 中国激光, 2017, 44(2): 0210001.

    Liu S, Han X Y, Xiong Y C, et al. Distributed vibration detection system based on weak fiber Bragg grating array[J]. Chinese Journal of Lasers, 2017, 44(2): 0210001.

[6] 张伟, 苏超乾, 张梅, 等. 改进光纤光栅应变分布解调算法中优化目标函数的理论与方法[J]. 中国激光, 2019, 46(2): 0206002.

    Zhang W, Shu C Q, Zhang M, et al. Theory and method of improving optimization objective function in demodulation algorithm of fiber Bragg grating strain distribution[J]. Chinese Journal of Lasers, 2019, 46(2): 0206002.

[7] 曹品奇, 许国良. 基于分组测量和边沿滤波的大容量光纤光栅快速传感系统[J]. 中国激光, 2016, 43(10): 1010003.

    Cao P Q, Xu G L. Large capacity and fast FBG sensing system based on marshalling measurement and edge filter[J]. Chinese Journal of Lasers, 2016, 43(10): 1010003.

[8] 代勇波. 光纤光栅传感特性与多点复用技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2012: 8- 12.

    Dai YB. Study on fibre Bragg grating sensing characteristics and multipoint multiplexing technology[D]. Harbin: Harbin Institute of Technology, 2012: 8- 12.

[9] 刘琨, 井文才, 刘铁根, 等. 一种动态光纤传感系统的容限扩展[J]. 光电子·激光, 2008, 19(6): 731-734.

    Liu K, Jing W C, Liu T G, et al. Tolerance extension of a dynamic fiber sensing system[J]. Journal of Optoelectronics·Laser, 2008, 19(6): 731-734.

[10] 李彩玲. 基于粒子群模拟退火算法的光纤光栅复用解调技术的研究[D]. 秦皇岛: 燕山大学, 2016: 24- 26.

    Li CL. Researches on multiplexing and demodulation technique of fiber grating based on particle swarm optimization-simulated annealing algorithm[D]. Qinhuangdao: Yanshan University, 2016: 24- 26.

[11] 陈勇, 程亚男, 刘焕淋. 利用改进粒子群优化算法解调光传感重叠光谱信号[J]. 中国激光, 2018, 45(7): 0710003.

    Chen Y, Cheng Y N, Liu H L. Demodulation of light sensing overlapping spectral signal by improved particle swarm optimization algorithm[J]. Chinese Journal of Lasers, 2018, 45(7): 0710003.

[12] 齐跃峰, 李彩玲, 江鹏, 等. 利用模拟退火算法研究光纤布拉格光栅的光谱形状复用技术[J]. 光学学报, 2015, 35(9): 0906004.

    Qi Y F, Li C L, Jiang P, et al. Spectral shape multiplexing techology of fiber Bragg gratings using simulated annealing algorithm[J]. Acta Optica Sinica, 2015, 35(9): 0906004.

[13] 康守强, 巨红兵, 杨广学, 等. 波分复用加光栅光谱形状复用的FBG传感解调技术[J]. 光电子·激光, 2009, 20(4): 466-469.

    Kang S Q, Ju H B, Yang G X, et al. Demodulation technique of FBG multiplexed sensing based on wave length division multiplexing and spectral shape multiplexing[J]. Journal of Optoelectronics·Laser, 2009, 20(4): 466-469.

[14] Li PC, Zhao XZ. Increasing the number of series FBG sensors in WDM network using a genetic algorithm[C]∥2008 7th World Congress on Intelligent Control and Automation, June, 25-27, 2008, Chongqing, China. New York: IEEE, 2008: 3604- 3607.

[15] Shi C Z, Chan C C, Jin W, et al. Improving the performance of a FBG sensor network using a genetic algorithm[J]. Sensors and Actuators A: Physical, 2003, 107(1): 57-61.

[16] Guo G D, Hackney D, Pankow M, et al. Interrogation of a spectral profile division multiplexed FBG sensor network using a modified particle swarm optimization method[J]. Measurement Science and Technology, 2017, 28(5): 055204.

[17] Liang J J, Suganthan P N, Chan C C, et al. Wavelength detection in FBG sensor network using tree search DMS-PSO[J]. IEEE Photonics Technology Letters, 2006, 18(12): 1305-1307.

[18] Jiang H, Chen J, Liu T D, et al. A novel wavelength detection technique of overlapping spectra in the serial WDM FBG sensor network[J]. Sensors and Actuators A: Physical, 2013, 198: 31-34.

[19] Liu D, Tang K, Yang Z Y, et al. A fiber Bragg grating sensor network using an improved differential evolution algorithm[J]. IEEE Photonics Technology Letters, 2011, 23(19): 1385-1387.

[20] 杨广学, 王景波. 改进模拟退火算法在FBG传感网络中的应用[J]. 光电技术应用, 2010, 25(6): 36-40.

    Yang G X, Wang J B. Applications of improved simulated annealing algorithm in FBG sensor network[J]. Electro-Optic Technology Application, 2010, 25(6): 36-40.

[21] 刘伟华, 隋青美. 基于粒子群算法的FBG峰值波长检测技术[J]. 半导体光电, 2007, 28(6): 884-887.

    Liu W H, Sui Q M. Wavelength multiplexing detection technique for FBG sensors based on PSO[J]. Semiconductor Optoelectronics, 2007, 28(6): 884-887.

[22] Clerc M, Kennedy J. The particle swarm-explosion, stability, and convergence in a multidimensional complex space[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(1): 58-73.

[23] 张成兴. 时变压缩因子粒子群算法[J]. 计算机工程与应用, 2015, 51(23): 59-64.

    Zhang C X. Particle swarm optimization based on time varying constrict factor[J]. Computer Engineering and Applications, 2015, 51(23): 59-64.

张梅, 张伟, 章鹏, 陈伟民. 光纤光栅谱形复用解调中粒子群算法的参数优化[J]. 中国激光, 2019, 46(7): 0706001. Mei Zhang, Wei Zhang, Peng Zhang, Weimin Chen. Parameter Optimization in Particle Swarm Algorithm for Spectral Shape Multiplexing Demodulation of Fiber Bragg Grating[J]. Chinese Journal of Lasers, 2019, 46(7): 0706001.

本文已被 5 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!