[发明专利]基于机器智能预测多参数光纤传感器的测量系统及方法

权利要求书

1.一种基于机器智能预测多参数光纤传感器的测量方法，其特征在于，包括如下步骤：

a、沿被测物体紧密粘贴敷设分布式光纤；

b、对光源进行脉冲调制，得到高信噪比信号，并将高信噪比信号输入分布式光纤；

c、采集分析分布式光纤的反馈信号，得出应变测量数据、温度测量数据、振动测量数据；

c1、采集不同脉冲参数下得到的测量结果，并进行解调；

c2、对分布式光纤的反馈信号进行光相干检测、微波相干检测、微波扫频，得到分布式光纤的布里渊散射谱数据，并生成布里渊谱型，得出布里渊频移量大小以及分布式光纤应变测量数据；

对分布式光纤的反馈信号进行反斯托克斯光强探测，得到分布式光纤的拉曼散射谱数据，结合单光路解调算法与实时温度标定算法，得出分布式光纤温度测量数据；

对分布式光纤的反馈信号进行瑞利散射光谱相位扰动状态分析，得出分布式光纤的振动测量数据；

d、综合应变、温度、振动分布，建立数据库，分析被测物体温度、应变、振动数据并设定阀值，进行安全状态实时评估与告警；

e、通过数据融合，对多个光纤传感器或多源信息采用机器智能学习进行综合处理，对被测物体可能出现的问题作出探测或预报。

2.根据权利要求1所述的基于机器智能预测多参数光纤传感器的测量方法，其特征在于，步骤e包括如下步骤：

评估在给定一个早已发生的事件的概率时，用贝叶斯定理去计算某个事件将会发生的概率，或者在给定一些变量的值时，用贝叶斯定理去计算某个结果的概率，即基于先验知识d去计算某个假设h为真的概率。

3.根据权利要求2所述的基于机器智能预测多参数光纤传感器的测量方法，其特征在于，计算方法如下：

P(h|d)＝(P(d|h)*P(h))/P(d)；

其中，P(h|d)＝后验概率，即假设h为真的概率，给定变量的值相当于先验知识d；

P(h|d)＝P(d1|h)*P(d2|h)*....*P(dn|h)*P(d)；

其中，P(d|h)＝似然度，假设h正确时，数据d的概率；

P(h)＝类先验概率，假设h正确的概率；

P(d)＝先验概率，数据d的概率。