引用本文:
方子怡,薄夫森,宋业帅,等. 基于神经网络的FBG传感器目标类型识别研究[J]. 光通信技术,2026,50(5):15-22.
方子怡,薄夫森,宋业帅,窦新宇,付博玮,潘 登,李寒阳*
哈尔滨工程大学 物理与光电工程学院,哈尔滨 150001
【下载PDF全文】 【下载Word】摘要:为实现流场环境下对多种目标振动信号的准确测量,设计并制备了一种高灵敏度的光纤布拉格光栅(FBG)传感器,并开展了基于神经网络的FBG传感器目标类型识别研究。该传感器采用硅橡胶一体成型浇注封装,引入氧化石墨烯纳米涂层增强应变传递,并通过流体力学仿真分析流速与角度响应;在1~2000 Hz范围内测试动态响应和低流速分辨率,采用4种卷积神经网络对潜航器、推进器、2种球形振动源信号进行分类。结果表明:传感器对不同流速及角度下流体力的响应具备各向同性,可分辨约0.5~0.6 cm/s的流速阶梯变化;4种网络识别准确率为90.95%~99.57%,视觉几何组(VGG)-13最优达99.57%,验证了该传感器用于水下振动目标类型识别的有效性。
关键词:光纤传感;光纤布拉格光栅;神经网络;应变传感;目标类型识别
中图分类号:TN253 文献标志码:A 文章编号:1002-5561(2026)05-0015-08 DOI:10.13921/j.cnki.issn1002-5561.2026.05.003
DOI:10.13921/j.cnki.issn1002-5561.2026.05.003
研究背景与动机:
在复杂流场环境中,精准测量多源振动信号对重大装备安全监测和流体动力学研究至关重要。
传统识别方法受限于人工特征和阈值,难以实现高灵敏检测,且多源信号在复杂信道中易畸变,导致识别模型性能下降。
研究目标与方法:
研究目标:实现流场环境下对多种水下振动目标(如潜航器、推进器)的准确识别。
方法概述:设计并制备一种高灵敏度、具有各向同性流体响应的FBG传感器,并基于该传感器采集的振动信号,利用多种卷积神经网络(CNN)模型进行目标类型识别。
FBG传感器设计与仿真:
结构设计:传感器采用球头圆柱体软体结构(硅橡胶一体成型),内部对称嵌入4根FBG,并引入氧化石墨烯(GO)纳米涂层增强应变传递。
仿真分析:通过流体力学仿真,分析了传感器在不同流速和角度下的压力分布,验证了其响应的各向同性。结构具有机械圆对称性,能均匀感知来自不同方向的流体力。
传感器性能测试:
动态响应:在1Hz至2000Hz的频率范围内,传感器能稳定跟随振动信号,输出波形清晰、周期稳定,展现出良好的动态响应特性。
流速分辨率:在一个流速阶梯上升实验中,传感器能够清晰分辨约0.5~0.6cm/s的流速变化,证明了其高灵敏度。
神经网络识别实验:
数据与模型:构建了包含潜航器、推进器、2种球形振动源共4类目标的振动数据库。采用增强的VGG、VGG-13、ResNet18和ResNet34四种CNN模型进行训练和分类。
识别结果:4种网络模型的识别准确率均超过90%(90.95%~99.57%)。其中,VGG-13模型性能最优,准确率、精确率、召回率及F1值均达到99.57%,验证了该方法对水下目标类型识别的有效性。
结论与展望:
研究结论:所设计的FBG传感器结合神经网络算法,能够高效、准确地识别不同类型的水下振动目标,为复杂流场环境下的目标感知提供了有效方案。
未来展望:未来可开发轻量化网络模型用于实时部署,探索多传感器信息融合机制提升识别鲁棒性,并研究小样本、跨工况下的自适应学习算法以适应更复杂的应用场景。