基于Bragg光栅传感的地铁隧道火灾识别与监测技术研究

作     者：常士舸 

作者单位：长春工业大学 

学位级别：硕士

导师姓名：邵向鑫;赵宏义

授予年度：2024年

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

主      题：光纤布拉格光栅 长短期记忆卷积神经网络 隧道火灾 解调技术 温度预测 

摘      要：光纤布拉格光栅(Fiber Bragg Grating,FBG)传感器近年来备受关注。它具有高灵敏度、小巧轻便、高准确性、抗电磁干扰等优点,目前已被广泛应用于火灾报警、损伤识别、医疗诊断、运输和结构健康监测等方面。 针对大规模实时监测的实际需求,克服地铁隧道火灾中温度解调传统拟合方法的局限性,本文将光纤布拉格光栅的传感原理和深度学习技术相结合,提出一种基于LSTM-CNN模型的解决方案,其充分利用LSTM(长短期记忆网络)和CNN(卷积神经网络)的优势,为温度监测提供更为可靠的方法。 在数据进入LSTM-CNN模型训练之前,需要对数据进行预处理。本文采用基于新阈值函数的小波阈值去噪算法对其噪声进行处理,并引入SNR和RMSE作为MATLAB仿真实验的比较分析指标。实验结果表明,相较于传统的硬阈值函数和软阈值函数方法,本文提出的方法在信噪比方面有所提高,同时均方根误差也有所降低,这表明去噪算法为LSTM-CNN模型输入数据处理提供了基础。 最终搭建基于LSTM-CNN超弱光纤光栅温度测量系统的监测平台,通过长短期记忆-卷积神经网络算法对其传感信号进行预测,选取18000个光谱作为样本数据进行训练,训练时使用Adam W随机优化算法,在25℃-75℃的温度范围内,进行FBG的温度标定和解调误差分析,对比GRU算法、LSTM算法及传统的最大峰值法,本文算法效果佳,且能够有效地提高测量精度,实验结果表明:本文对温度波长预测解调精度可达99.27%,均方根误差(RMSE)为0.08528℃,通过实验,验证了本文所提出的方法在理论和技术方面具有一定的参考和支撑意义。适用于地铁隧道火灾危险的识别与监测,并且在光栅阵列传感解调系统的信号处理方面也具备应用价值。