• Treffer 1 von 2
Zurück zur Trefferliste
Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-580145

Machine Learning Approaches in Brillouin Distributed Fiber Optic Sensors

  • This paper presents reported machine learning approaches in the field of Brillouin distributed fiber optic sensors (DFOSs). The increasing popularity of Brillouin DFOSs stems from their capability to continuously monitor temperature and strain along kilometer-long optical fibers, rendering them attractive for industrial applications, such as the structural health monitoring of large civil infrastructures and pipelines. In recent years, machine learning has been integrated into the Brillouin DFOS signal processing, resulting in fast and enhanced temperature, strain, and humidity measurements without increasing the system’s cost. Machine learning has also contributed to enhanced spatial resolution in Brillouin optical time domain analysis (BOTDA) systems and shorter measurement times in Brillouin optical frequency domain analysis (BOFDA) systems. This paper provides an overview of the applied machine learning methodologies in Brillouin DFOSs, as well as future perspectives in this area.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Christos KarapanagiotisORCiD, Katerina Krebber
Dokumenttyp:Zeitschriftenartikel
Veröffentlichungsform:Verlagsliteratur
Sprache:Englisch
Titel des übergeordneten Werkes (Englisch):Sensors
Jahr der Erstveröffentlichung:2023
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.6 Faseroptische Sensorik
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:MDPI
Jahrgang/Band:23
Ausgabe/Heft:13
Aufsatznummer:6187
Erste Seite:1
Letzte Seite:26
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Angewandte Physik
Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurbau
Freie Schlagwörter:Artificial neural networks; BOFDA; BOTDA; Distributed fiber optic sensors; Machine learning; Strain and temperature measurements
Themenfelder/Aktivitätsfelder der BAM:Energie
Energie / Wasserstoff
Infrastruktur
Umwelt
Umwelt / Sensorik
DOI:10.3390/s23136187
URN:urn:nbn:de:kobv:b43-580145
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - CC BY - Namensnennung 4.0 International
Datum der Freischaltung:02.08.2023
Referierte Publikation:Ja
Datum der Eintragung als referierte Publikation:02.08.2023
Schriftenreihen ohne Nummerierung:Wissenschaftliche Artikel der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.