课程文献中心 更多>>

关键词： 光纤SPR微位移   高位移灵敏度   多维微位移传感   可方向识别微位移   光纤微位移传感  

摘要： 微位移测量是精密机械加工的基础,是制造行业中影响制造精度的决定性因素。其中光纤SPR（表面等离子体共振）微位移传感器具有灵敏度高、微型化、分辨力高、对环境要求小等优势,近年来被广泛研究。但是,现已提出的光纤SPR微位移传感器都仅是对一维微位移传感进行的研究,尚未实现多维微位移传感或方向识别功能,若在需要多维微位移传感时,将多套一维位移传感器叠加使用,存在成本高的问题,且在光纤传感器有优势的狭小空间测量领域,不好放置。此外,微位移传感具备可方向识别功能是精密定位的关键。 本论文针对需求较多的多维微位移传感及可方向识别功能需求,开展光纤SPR多维可方向识别微位移传感器研究。主要研究内容包括以下几个方面: （1）光纤SPR可方向识别多维微位移传感的理论研究:以传统光纤SPR微位移传感理论为基础,对光纤SPR微位移传感器的位移光纤和传感光纤分别进行了理论仿真建模和位移传感机理分析,传感光纤可控制SPR共振波长移动方向实现微位移传感器方向识别功能,位移光纤可控制不同出射光束实现多维微位移传感。 （2）针对光纤SPR微位移传感器无可方向识别功能,无法实现精密定位传感的问题,提出了基于光纤V槽的高灵敏度一维可方向识别SPR微位移传感器研究:本文设计并制作了基于光纤V槽的高灵敏度可方向识别SPR微位移传感器,利用CO激光器在渐变多模传感光纤上加工V槽,微位移方向不同时,分别接触不同的V槽,通过共振波长的移动方向实现微位移方向的识别。该传感器大幅提升了光纤SPR微位移检测灵敏度,可识别微位移方向,在精密位移与定位领域有潜在应用价值。 （3）针对光纤SPR微位移传感器无二维微位移传感,若在需要二维微位移传感,需将两套一维位移传感器叠加使用,存在狭小空间测量领域不好放置的问题。提出了同轴双波导级联渐变多模光纤的光纤SPR二维位移传感器:将同轴双波导与四分之一周期长度的渐变多模光纤熔接,获得两种不同形态出射光场。同轴双波导环形芯发出喇叭状光场,可配合传感光纤实现X轴方向微位移传感,同轴双波导中间芯发出直光束,可配合传感光纤实现Y轴方向微位移传感。该微位移传感器,实现了光纤SPR微位移传感器的二维位移传感,可广泛用于二维微位移测量及二维位置精密定位领域。 （4）为同时解决光纤SPR微位移传感器无可方向识别和多维微位移传感的问题,提出了基于光纤SPR的可方向识别三维微位移传感器研究:本文提出基于光纤SPR的三维位移传感器,由位移光纤和传感光纤组成。偏双芯光纤与渐变多模光纤级联,构成位移光纤。在渐变多模光纤的垂直方向和水平方向上分别加工V槽,并制作斜面SPR传感区,构成传感光纤。位移光纤中间芯发出直光束,在传感光纤垂直V槽斜面传感区实现Y轴（上下）方向微位移传感,在传感光纤水平V槽斜面传感区实现Z轴（前后）方向微位移传感。位移光纤偏芯发出斜光束,配合传感光纤实现X轴（左右）方向的微位移传感。该传感器单个即可实现三维微位移传感,有望用于三维微位移测量及三维空间精密定位领域。 相比于目前现有的光纤SPR微位移传感器,本论文设计的微位移传感器不仅制作方法简单,成品率高,且能够实现可方向识别的多维微位移传感。该微位移传感器可以用于狭窄领域的精密多维位移测量及多维定位领域。

关键词： 电线电缆   导体电阻   温度  

摘要： 导体电阻是电线电缆质量的一项重要指标，直接影响到电缆企业的制造成本和用户的用电安全，因此快速准确测量电线电缆的导体电阻是非常必要的。为此，将重点从温度因素入手研究提高导体电阻测量效率和准确性的方法。

关键词： 超快光纤激光器   非线性偏振演化   谐振边带   瞬态动力学   双波长锁模脉冲  

摘要： 孤子锁模光纤激光器极具应用前景,近年来备受关注。一方面,其具有输出脉宽窄、光束质量好、结构紧凑、成本较低的优势,因而在光通信、精密加工和生物医学等领域都获得了广泛的应用。另一方面,孤子锁模光纤激光器中涉及增益、损耗、色散以及非线性效应间的微妙平衡,为研究非线性系统提供了一个良好的平台。通过对锁模光纤激光器中孤子的形成和演化进行深入的研究,有助于深刻理解非线性系统的动力学规律。 谐振边带产生是孤子锁模光纤激光器中广泛存在的有趣现象之一。孤子脉冲在腔内循环时会经历增益、色散等系统参数的周期性变化,导致腔内产生与孤子相位匹配的一系列窄带色散波,即谐振边带。谐振边带对孤子的传输以及孤子间的相互作用(如孤子分子形成)都具有重要影响。此前的大量研究主要集中于距孤子光谱中心比较近的低阶谐振边带,对高阶谐振边带性质的研究和认识仍存在不足。这主要是由于实验中观察到的高阶边带强度通常较弱,缺乏有效的方式产生强度较高的高阶谐振边带。然而,高阶谐振边带研究对于理解孤子传输和相互作用、精密色散测量以及实现同步多色脉冲激光等应用都具有重要意义。本文主要围绕孤子锁模光纤激光器中高阶谐振边带的有效产生以及谐振子边带的产生机理和特性开展了系统的研究。具体创新成果如下: 1.高阶谐振边带增强机理研究。 将实验和数值仿真相结合,深入研究了基于非线性偏振演化机制锁模的孤子光纤激光器中的高阶谐振边带增强现象。理论上,通过非线性薛定谔方程模拟得出,精细调节双折射导致的波长相关的可饱和吸收曲线以及增益谱形状是实现多阶谐振边带增强的关键。实验上,搭建了环形腔结构的孤子锁模光纤激光器,通过精确调节偏振控制器的波片角度和泵浦功率,可以改变其NPE透射曲线和增益光纤的增益谱形状,在一定条件下产生了具有30余阶谐振边带的孤子锁模脉冲。并实现了谐振边带的显著增强,最强谐振边带的光谱强度比孤子高约32 d B,为迄今报道的最高值。通过对锁模光谱的长时间监测,确定该谐振边带增强的孤子光纤激光器具有良好的稳定性。这项工作为实现同步多色脉冲激光源提供了新的可能性。 2.高阶谐振边带时域和频域特性研究。 实验上,利用1 nm带宽的滤波器将多阶高阶谐振边带滤出,并通过高速示波器观察其时域特征。结合数值仿真结果,揭示了高阶谐振边带具有指数衰减的前沿这一现象,且随着谐振边带阶数的增加,前沿的衰减率逐渐减小。这是因为,高阶谐振边带和孤子的中心频率差值更大,因此会引起更大的群速度差,导致高阶谐振边带从孤子处漂移得更远,具有更大的衰减时间常数。此外,我们发现当谐振边带阶数较高时,此前常用的仅包含二阶色散效应的谐振边带波长公式出现较大预测误差。这是因为三阶色散效应对高阶谐振边带的影响尤为显著,而传统的边带公式忽略了这点。因此,本文推导并首次给出了包含三阶色散效应的谐振边带波长公式,利用该解析公式可以准确预测高阶谐振边带的位置。这项研究对于精准测量光纤色散具有重要价值。 3.高阶谐振子边带产生机理研究。 实验上,通过连续改变偏振控制器的波片角度或者泵浦功率,依次观察到高阶谐振(二阶、四阶以及八阶)子边带产生现象。利用色散傅里叶变换实时测量技术以及数值模拟系统研究了高阶谐振子边带的产生机制,揭示了谐振子边带产生主要是由腔内参数变化导致的孤子倍周期演化引起的。考虑孤子倍周期演化后,将本文推导的谐振边带波长公式中的腔长依次设置为倍周期腔长,即可准确预测谐振子边带的位置,这说明子边带的产生与谐振边带的产生机理相同,都是色散波与光孤子发生相位匹配所导致的。此外,利用色散傅里叶变换实时测量技术还在实验上观测到了谐振边带增强孤子激光器的形成动力学过程,揭示了孤子分子的产生与谐振边带有关,高阶谐振边带的存在导致束缚态下孤子之间的间隔变远。这项研究对深入理解非线性科学中的动力学现象和高阶谐振子边带的产生机理具有重要意义。 4.基于双波长锁模孤子光纤激光器的双光梳系统研究。 实验上,利用基于Lyot滤波效应的全光纤双波长锁模激光器,产生了低共模噪声双波长异步锁模脉冲序列。这两列脉冲的光谱特性和重复频率均呈现出明显的差异,中心波长分别为1534.45 nm和1561.85 nm,重复频率分别为19.7546 MHz和19.7562 MHz。因此可以将这两束重复频率差为1.6k Hz的脉冲作为双光梳光谱系统的种子源。利用光纤准直器和光栅将双波长锁模分成两束中心波长不同的单波长锁模,并通过放大、非线性光谱展宽、合束、滤波等处理后构建了一套双光梳光谱系统,可用于分子特征吸收测量等应用。

关键词： 表征学习   推荐系统去偏   推荐系统   推荐系统多尺度表征   高维不完备数据表征  

摘要： 随着信息化建设和智能设备的普及,目前世界已经踏入了信息爆发的大数据时代。在这个时代背景下,高效地挖掘用户喜好并筛选海量信息已经成为科技巨头和企业的关键技术之一。推荐系统算法作为缓解用户数据过载问题的有效途径之一,致力于满足个性化需求,提供量身定制的服务。研究结果表明,推荐系统在诸如亚马逊的电子书推荐、You Tube的频道推荐以及Netflix的影视推荐等不同领域取得了显著成就,提高了用户在使用时的体验,并且相关的算法也可以迁移到生物医疗相关领域。 在推荐系统中,用户数据通常是高维且不完备的。并且这类系统的数据蕴含了不同用户的偏好数据、物品的差异数据,是一种有偏数据。而这些有偏数据常常也包含了大量的离群值,不同用户各自的数据特征分布不同,且不同类型的推荐系统拥有其独特的数据模式。若不采取额外处理手段,上述数据特点将严重制约推荐系统的性能。现有研究多集中于构建结构复杂的模型,或者将数据转化为其他结构进行处理,忽略了数据的固有属性和相关特征。此外,现行针对推荐系统的去偏方法较为单一,仅单独针对用户或物品进行去偏,具有局限性,缺乏一种的综合的去偏方法。并且,目前的表征推荐系统数据的方法大多为基于单一的表征尺度,这类算法在面对具有较多离群值的用户数据和不同类型的推荐系统时,表征性能较为局限。鉴此,本文着眼于解决上述问题,进行了以下推荐系统算法的研究工作: （1）为解决目前去偏方式单一,无法综合处理推荐系统中存在的用户偏差以及物品偏差的问题,提出了基于自编码器的综合去偏模型Auto Rec++。该模型基于自编码器,通过统计原始数据中的偏差,即预训练偏差（Pretraining Bias,PB）,和在训练过程学习训练偏差（Training Bias,TB）。在将这两种偏差纳入自编码器模型后,使得模型具备在这两个阶段处理用户和物品偏差的能力,最终形成去偏推荐模型Auto Rec++。本文深入分析了不同偏差组合在预训练和训练阶段对深度学习推荐系统自编码器模型的影响。在5个常用真实数据集上进行了深入实验,实验结果表明,通过纳入最佳组合的PB和TB到模型中,能显著提升自编码器的训练效率与预测准确性,且无需改变模型结构。此外,Auto Rec++在预测精度上明显优于基于深度神经网络和非深度神经网络的其他7个目前较为先进的模型。在面对更稀疏的数据时,Auto Rec++相较这些对比模型也能保持较高的预测精度。 （2）为解决目前推荐系统算法尺度单一,在面对高维稀疏的用户数据和离群值时表征性能受限且鲁棒性不足的问题,提出了一种多尺度表征的自编码器（Multi Metric Autoencoder,MMA）。该模型同样基于自编码器,通过利用多个Lp范数构建四种不同尺度下的自编码器,并采用自适应加权策略将这四种自编码器进行聚合,最终形成所提出的多尺度自编码器。经过多样化的尺度空间扩展后,MMA实现了对高维不完备数据的全面无偏的表征。本文进行的理论分析也显示MMA能够有效地利用多样化的尺度空间,使得在表征数据方面更具备优势。在5个真实数据集上的实验结果表明,MMA在表征推荐系统数据方面性能明显优于基于深度神经网络和非深度神经网络的8个对比模型。此外,由于更丰富的表征尺度,MMA在面对额外添加的离群值数据时也能表现出更高的鲁棒性和可靠性。

关键词： 超快光纤激光器   光孤子   神经网络  

摘要： 随着超快光纤激光器向着更高的功率输出、更窄的脉冲宽度等目标的不断迈进,这类非线性光学系统出现了解析方法求解困难、数值方法的计算成本高的严重瓶颈,因此需要引入新方法来研究超快光纤激光器。本论文使用神经网络方法预测了超快光纤激光器中超短脉冲的非线性动力学行为,分析了光孤子的形成机制以及动力学特性。该工作为神经网络方法深入研究超短光脉冲传输的非线性动力学提供了借鉴,同时也为超快光纤激光器的实验设计与优化提供理论支撑。主要研究内容如下: 1.针对传统物理信息神经网络中不同损失函数项之间的收敛速度存在显著差异的基本缺陷,本文提出了一种加权损失函数策略的优化方案。运用该新方法研究发现自陡峭效应和拉曼效应会导致双折射光纤中超短脉冲向相反的方向偏移,当两种效应强度相同,它们带来的脉冲偏移会相互抵消,从而实现光脉冲的稳定传输。此外,本文还预测了多种孤子的非线性动力学并逆向预测了控制方程的物理系数,预测误差大多在1%左右,具有很高的精度。这提供了一种研究超短光脉冲动力学行为的新的分析方法,对非线性动力学的研究具有重要意义。 2.本文将学习率衰减策略引入到物理信息神经网络结构中,并将其应用于具有宇称-时间对称势的自散焦饱和非线性薛定谔方程的对称、不对称以及反对称孤子动力学的预测。结果表明,与传统物理信息神经网络相比,学习率衰减策略能够将损失函数的收敛程度从10提高到10,同时加快损失函数的收敛速度,从而使孤子动力学的预测距离提高接近一个数量级。在抗干扰性分析中,边界条件的波动对预测精度的影响最小,初始条件次之,控制方程条件最大。势函数中,折射率波动带来的干扰大于增益损耗近似计算带来的干扰。 3.针对前馈神经网络信息传输方向单一的不足,本文运用长短时记忆网络对超快光纤激光器中的多种矢量倍周期脉动孤子的动力学进行研究。结果表明,无论从演化图还是周期性或者是脉冲强度角度看,长短时记忆网络的预测结果与仿真模拟结果具有很高的一致性。因此,神经网络方法可以为超短脉冲非线性动力学的研究提供更强大的工具和更丰富的思路。

关键词： 无损检测   脉冲漏磁   有限元   数字锁相放大器   CORDIC旋转算法  

摘要： 脉冲漏磁检测技术结合了漏磁检测和脉冲激励的优点,对铁磁性材料的缺陷检测具有更好的灵敏度和准确性。相较于传统漏磁检测技术,它能够提供更丰富的频谱信息,更全面地反映出缺陷的特征;而与脉冲涡流检测技术相比,在铁磁性材料中具有更深的检测深度,使得它能够发现更深层次的缺陷。 本文首先介绍了电磁学的理论基础,包括磁路定理,麦克斯韦方程组等,从基本磁作用及其物理特性入手,诠释了缺陷磁泄漏机制,并分析了缺陷漏磁检测影响因素。通过建立二维有限元仿真模型,分析了不同类型的缺陷所产生的漏磁场的变化规律。 其次,以正交矢量型数字锁相放大器为核心,基于相关检测的锁相放大技术,依据相关性原理,研究了正交矢量型数字锁相放大器的检测方案,通过MATLAB/Simulink进行了建模仿真和误差分析并应用CORDIC旋转算法来简化复杂的运算,推导出了反正切值和平方根的计算公式,用于计算低信噪比信号的幅度和相位,以供采样前的信号的相关检测与分离。 最后,根据理论分析以及仿真结果搭建了脉冲漏磁检测系统的整体框架,详细介绍了信号发生模块、传感器模块和数据采集模块等的功能及实现方法。并通过对采集信号处理,提取缺陷漏磁场特征值,对缺陷漏磁检测量化分析方法展开了叙述,应用了一种基于三维有限元网络的迭代方法处理缺陷量化识别问题,并对进一步的研究工作提出一些建议。

关键词： 传感器网络   物联网技术   网络入侵检测   时序预测   时序异常检测  

摘要： 无线传感器网络（Wireless Sensor Network,WSN）是物联网核心技术,在推动新一轮产业革命中起到至关重要的作用。然而,WSN存在节点资源有限、通信链路抗干扰能力弱、设备维护困难等弊端,易受网络入侵威胁。因此,入侵检测成为保护WSN数据安全的关键,是防御网络攻击和保障网络安全运营的基础。在WSN特殊的工作方式和运行环境下,分析流量和日志的变化,准确发现网络入侵行为,对维护WSN信息安全,具有重要的理论意义和应用价值。 本文分析了WSN环境下的流量特征,提出了基于多尺度时频分解的网络流量预测方法,验证了WSN流量趋势的可预测性;建立了堆叠融合时间特征异常流量检测模型,精准定位入侵位置。构建了网络日志标准化模型,统一特征量纲缩短特征维度;根据网络入侵样本分布情况,研究了入侵特征强化方法,提高了检测精度。具体研究内容如下: （1）为验证WSN网络中复杂时频特征流量的可预测性,提出了多尺度时频分解流量预测方法。利用改进的模态分解和下采样策略分别从频域和时域中提取流量序列的潜在信息,为建立准确的预测模型提供关键依据。通过在预测网络中集成插值算法,融合不同时间分辨率的预测结果,准确估计未来流量趋势。在浙江漳州湾海域搭建了真实WSN网络,收集网络流量数据,所提模型对该流量预测结果的决定系数与均方根误差分别达到0.9776和0.0128,验证了WSN流量的可预测性。 （2）针对网络入侵事件所导致的流量变化,通过对正常网络流量建立预测模型,基于预测误差定位网络异常,提出基于堆叠融合时间特征的异常流量检测方法。利用堆叠的编码器提取网络流量不同时间分辨率下的高维特征,挖掘流量序列的时序关联。通过时间卷积神经网络融合分析序列的长期依赖和局部特征,精准预测网络流量的未来趋势。基于四分位距建立异常评分机制,无监督检测网络异常。实验表明,所提模型在Yahoo S5数据集上,准确发现了网络流量的异常状态,平均AUC、1F分数分别为0.9647和0.9750。 （3）针对WSN日志特征种类繁多,数据结构复杂和数据预处理方法性能低下的问题,提出了基于DNA空间信息编码的网络日志预处理方法。设计DNA转译规则,将完整的网络日志数据映射为DNA序列。利用不同DNA片段在特定位置上出现的频次,构建空间信息特征矩阵,从数学空间中挖掘DNA序列所表征的网络行为,标准化表示日志的全局特征,结合基础的随机森林分类器,即可实现准确的入侵检测。在NSL-KDD数据集的实验中,经过DNA空间信息编码后,随机森林分类器的检测结果在各个指标上均得到了20%以上的提升,其准确率、1F分数、召回率、虚警率分别达到95.75%,94.41%,94.12%和3.26%。在UNSW-NB15数据集中,所提方法准确率、1F分数、召回率、虚警率分别为92.30%,92.78%,89.82%和4.66%。 （4）针对WSN在大时间尺度下,攻击样本不平衡导致的少数类攻击检测率低的问题,提出了基于特征增强的网络入侵检测方法。设计了改进的条件变分自编码器网络,建立了数据、标签与潜在空间之间的三元映射关系,可控的生成少数类样本,强化样本的特征;引入Log-cosh函数作为损失项,缓解训练中散度消失和局部最优的问题,控制模型的计算开销并提高样本生成精度。建立双通道神经网络进一步提取样本的时空特征,实现精确入侵检测。实验表明,基于NSL-KDD数据集,特征增强机制分别将R2L、U2R两种典型少数类攻击检测精度提高了12.16%和28.36%。 综上所述,本文从流量趋势分析和日志数据挖掘的角度,研究了基于流量与日志特征的无线传感器网络入侵检测方法,有效提高了针对WSN的入侵检测性能,对保障WSN安全具有重要的理论意义与实际意义。