径向基函数神经网络在光纤法布里-珀罗传感器解调中的应用

提出了一种基于径向基函数(RBF)神经网络的光纤法布里-珀罗传感器解调方法, 从理论上分析了该方法的解调原理。从干涉谱中提取特征值, 利用干涉谱的特征值和腔长作为训练集, 对RBF网络进行训练, 训练好的网络就可以实现预测腔长的功能。在测量范围为0～2 MPa的法布里-珀罗(F-P)腔MEMS压力传感器进行的解调实验中, 该算法可以辨别0.1 MPa的压力, 腔长与压力数据的拟合度为0.98858。仿真计算得出, 该方法解调出的腔长的相对误差达到0.02% , 腔长的最大绝对误差小于0.1 μm。实验结果表明, 神经网络方法可以达到较高的精度, 满足实际需求。