基于CNN-LSTM和注意力机制的多芯光纤形状坐标预测
摘要
针对光纤形状传感过程中需要复杂的数值计算的问题，提出基于卷积神经网络（CNN）和长短时记忆（LSTM）网络并结合注意力机制的多芯光纤形状坐标预测模型，能够由多芯光纤纤芯的分布式应变直接获得其形状坐标，从而实现形状传感。CNN和LSTM用于提取应变信息中的时序特征，注意力机制弱化次要时序特征，最终获得光纤形状坐标。实验结果表明：对于不同曲率半径的曲线，所提方法能够避免复杂的数值计算而实现光纤形状传感，其均方根误差（RMSE）和平均绝对误差（MAE）均优于基于弗莱纳方程进行数值计算得到的结果。对于曲率半径为700 mm的曲线，RMSE仅为1.5739 mm，MAE仅为0.6919 mm，光纤形状传感精度分别较数值计算方法的结果提高了58.96%和32.14%。
引用本文（GB/T 7714）
王健健 Wang Jianjian, 汤锐 Tang Rui. 基于CNN-LSTM和注意力机制的多芯光纤形状坐标预测[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。