機械学習を用いたオーバラップしたファイバブラッググレーティングによるひずみ測定の基礎検討

カテゴリ: 研究会(論文単位)

論文No: LAV22005

グループ名: 【A】基礎・材料・共通部門 光応用・視覚研究会

発行日: 2022/08/30

タイトル(英語): Consideration for Strain Measurements by Overlapped Fiber Bragg Gratings Using Machine Learning

著者名: 山口 達也(日本大学),川島 裕人(日本大学),松田 裕貴(日本大学),篠田 之孝(日本大学)

著者名(英語): Tatsuya Yamaguchi(Nihon University),Hiroto Kawashima(Nihon University),Hiroki Matsuda(Nihon University),Yukitaka Shinoda(Nihon University)

キーワード: 光ファイバセンサ|機械学習|多重化技術|ファイバブラッググレーティング|optical fiber sensors|machine learning|multiplexing techniques|fiber Bragg gratings

要約(日本語): 近年，光ファイバセンサの分野ではAI技術を導入し，従来手法に勝る長距離，高密度，高性能，過酷な環境下での計測の実現に向けて研究が進められている。本論文ではファイバブラッググレーティング(FBG)の高密度化の制限を克服するため，機械学習を用いたオーバラップしたFBGによるひずみ測定の方法について検討した。

要約(英語): In the field of optical fiber sensors, researches are underway to introduce artificial intelligence (AI) technology to realize measurements over long distances, at high densities, with high performance, and in harsh environments. This paper demonstrates a measurement method for overlapped fiber Bragg gratings (FBGs) using machine learning to overcome the multiplexing limitation.

本誌: 2022年9月2日光応用・視覚研究会

本誌掲載ページ: 1-4 p

原稿種別: 日本語

PDFファイルサイズ: 724 Kバイト