Анализ калибровочной зависимости волоконно-оптического датчика
Автор: Давыдов А.Р., Пухарева Д.В.
Журнал: Теория и практика современной науки @modern-j
Рубрика: Основной раздел
Статья в выпуске: 8 (38), 2018 года.
Бесплатный доступ
Проведено исследование калибровочной зависимости волоконно-оптического датчика температуры на основе брэгговских решеток, а также моделирование калибровочной зависимости с помощью различных видов аппроксимирующих функций.
Волоконно-оптические датчики, аппроксимация экспериментальных данных, калибровочная функция, методы моделирования калибровочной функции
Короткий адрес: https://sciup.org/140273751
IDR: 140273751
Текст научной статьи Анализ калибровочной зависимости волоконно-оптического датчика
Davydov Andrey, candidate of technical Sciences, associate Professor, Perm national research Polytechnic University, Russia, Perm
Pukhareva Daria, bachelor ,
Perm national research Polytechnic University, Russia, Perm
A_N_A__L_Y__S_I_S__O_F_ THE CALIBRATION DEPENDENCE OF THE FIBER OPTIC SENSOR
Annotation. The study of the calibration dependence of the fiber-optic temperature sensor based on Bragg gratings, as well as the simulation of the calibration dependence using different types of approximating functions.
Keyword. Fiber-optic sensors, approximation of experimental data, calibration function, methods of simulation of calibration function.
Датчики на основе волоконных брэгговских решеток считаются наиболее перспективными из множества использующихся на практике технологий контроля и измерений физических характеристик [2]. Волоконная брэгговская решетка – дифракционная решетка, сосредоточенная в сердцевине оптического волокна, образованная за счет периодического изменения показателя преломления кварцевого стекла под воздействием электромагнитного излучения. При прохождении излучения сквозь такое оптическое волокно происходит его частичное или полное отражение в конкретном спектральном диапазоне, коррелирующим с величиной внешнего воздействия, например, с температурой или деформацией.
Вместе с тем, для волоконно- оптических датчиков актуальна проблема повышения точности измерения физических величин, в первую очередь за счет снижения систематических погрешностей, а именно, методических и инструментальных. Методические погрешности появляются из-за несовершенства способа измерения, применения упрощающих предположений, неверно подобранного метода аппроксимации применяемых формул. Инструментальные погрешности зависят от погрешностей используемых средств измерения: неточности градуировки, конструктивных несовершенств, изменения характеристик в ходе эксплуатации. Оба этих типа погрешностей связаны с проблемой калибровки датчиков. Целью калибровки является приближение физической зависимости между входной и выходной величинами датчика некоторой функциональной зависимостью.
При калибровке датчик температуры помещается в термокамеру, температура в которой измеряется термопарой. При изменении температуры регистрируется значение длины отраженной волны (рис.1). Измеренная физическая зависимость длины волны от температуры аппроксимируется функциональной зависимостью, которая называется калибровочной функцией.

Рис. 1 – Зависимость температуры от длины волны (в условных единицах). Для анализа точности калибровочных функций рассмотрим следующие виды аппроксимирующих моделей: полиномиальные модели:
f(%) ^I-^oPt^1;(1)
экспоненциальные модели:
fM^i^e1-1*;(2)
отрезки ряда Фурье:
f (%) = a0 + 2F=i[at sin(wx) + bt cos(wx)];(3)
сумма синусов:
f(x) = Z?=i L sin(btx + ct);
степенные модели:
f(x) = CLXb + C.
После приближения экспериментальных данных одной из функций оценка точности приближения может быть проведена как графически, так и с использованием различных критериев пригодности приближения.
Критерий SSE (Sum of squares due to error) - сумма квадратов ошибок:
^-y^'k-S'k)1
где wk – весовые коэффициенты, yk – экспериментальные данные, k - значения параметрической модели.
Критерий R-квадрат (R-square) :

где - среднее значение наблюдений.
Если число параметров модели m сравнимо с числом наблюдений n , то используется критерий уточненный R-квадрат (Adjusted R-square) :
1 SSE(n-l)
Adjusted R - square = 1--:—
SST(n-?n)
Стандартное отклонение ошибки RSME (Root mean Squared Error):
RSME =
SSE
n-m
С помощью математического пакета Curve Fitting Toolbox для программы MATLAB [1] по экспериментальным данным (рис. 1) определим вид функциональной зависимости, ее коэффициенты и рассчитаем критерии пригодности функциональной зависимости.
В результате установлено, что среди 22 рассмотренных функций, наиболее точно аппроксимирующих исходные данные, наилучшей по всем четырем рассматриваемым критериям является функциональная зависимость:
f(x) = a0 + ^5=1[cij sin(wx) + b cos(wx)] (10)
В табл. 1 данная зависимость сравнивается с полиномом четвертой степени, который часто используется на практике в качестве калибровочной функции датчиков температуры.
Таблица 1. Значения критериев пригодности двух калибровочных функций.
f(x) |
R-square |
Adjusted R-square |
SSE |
RMSE |
12,15 - 5,47 cos(0,051x) -
-2,555 sin(5 • 0,051x) |
0,998 |
0,997 |
76,79 |
2,263 |
6,621 •10-8x4 - 0,0005x3 + + 1,431x 2 - 1726x + + 7,637 • 105 |
0,995 |
0,993 |
188,584 |
2,928 |
Видно, что полином четвертой степени по всем критериям уступает зависимости (10). Таким образом, в качестве калибровочной функции данного датчика температуры лучше использовать отрезки ряда Фурье.
Список литературы Анализ калибровочной зависимости волоконно-оптического датчика
- Сова А.Р. Обзор программ для аппроксимации экспериментальных данных [Электронный ресурс] - https://mirror.yandex.ru/mirrors/ftp.linux.kiev.ua/conference/2006/reports/Sova_Approximator/report.pdf.
- Соколов А. Б., Яцеев В. К. Волоконно-оптические датчики и системы: принципы построения, возможности и перспективы // Lightwave. RussianEdition. - 2006. - №4. - C. 44-46.