基于机器学习的光纤干涉式光学温度传感器分类与温度测量方法研究

《Photonics》：Machine Learning-Assisted Analysis of Interferometric Optical Sensor Signals

　　本文介绍了一项基于机器学习方法的干涉式光学温度传感器分析。在该研究中，信号由两个干涉系统生成，这些系统采用光纤尖端处的堆叠层制造。这些系统进行了理论建模和实验测试。在理论模型中，采用了界面间反射射线的求和方法。此外，考虑了各层的热特性，以表征干涉仪对温度变化的响应。在本研究中，采用核线性判别分析分类方法识别了产生每个信号的传感器。随后，应用核岭回归方法确定每个传感器测量的物理参数值。对于这两种算法，输入特征均从传感器的输出光学光谱中提取，这些光谱捕捉了波长和振幅的变化。结果表明，在实验测试数据集中，分类的平均准确率达到100%，回归算法的均方根误差、平均绝对误差和决定系数分别为0.096°C、0.080°C和0.999。