• Treffer 7 von 14
Zurück zur Trefferliste

Time-efficient CNN-assisted BOFDA

  • Brillouin Optical frequency domain analysis (BOFDA) is a well-known technique in distributed Fiber sensing for temperature and strain monitoring. In this study, we applied a signal post-processing method based on convolutional neural networks (CNNs) and we show that in comparison to conventional methods based on Lorentzian curve fitting (LCF), our CNN model is more robust against noise and can shorten the measurement time by more than 9 times. This will open the way for applications, where faster monitoring is needed.

Volltext Dateien herunterladen

  • C_Karapanagiotis_ML_workshop.pdf
    eng

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Christos Karapanagiotis
Dokumenttyp:Vortrag
Veröffentlichungsform:Präsentation
Sprache:Englisch
Jahr der Erstveröffentlichung:2021
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.6 Faseroptische Sensorik
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Freie Schlagwörter:Distributed fiber-optic sensors; Machine learning; Temperature and strain sensing
Themenfelder/Aktivitätsfelder der BAM:Umwelt
Umwelt / Sensorik
Veranstaltung:Machine learning workshop
Veranstaltungsort:Online meeting
Beginndatum der Veranstaltung:18.03.2021
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:24.03.2021
Referierte Publikation:Nein
Eingeladener Vortrag:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.