Discriminación automática entre strain y temperatura en sistemas BOTDA mediante técnicas de Inteligencia artificial

Abstract

RESUMEN: Los sensores de fibra óptica poseen un rol cada vez más decisivo en el campo de la monitorización, con un mayor ámbito de aplicación que los sensores tradicionales basados en fenómenos eléctricos debido a su mejor adaptación a entornos complejos donde el proceso de medida resulta de gran complejidad. Como caso particular, los sensores BOTDA (Brillouin Optical Time-Domain Analysis) basan su funcionamiento en el fenómeno del scattering estimulado de Brillouin, provocado de forma intencionada dentro de una fibra óptica, la cual actuá como elemento sensor, por la interacción entre dos señales ópticas. Una de ellas, denominada prueba, recoge la información temporal-posicional de parámetros como strain o temperatura a través de lo que se conoce como desplazamiento en frecuencia de Brillouin. Este parámetro es sensible a cambios en ambas magnitudes de una forma proporcional, lo que dificulta enormemente el proceso de discriminación cuando variaciones en ambas se producen de forma simultánea en el espacio y tiempo. La otra señal, pulsada, sirve como bombeo para estimular el scattering de Brillouin, dando lugar a un intercambio de energía a través del cual es posible realizar el proceso de monitorización. Precisamente, el objetivo principal de este trabajo consiste en la discriminación entre medidas de strain y temperatura en sistemas BOTDA convencionales cuando ambas tienen lugar de forma simultánea, para lo cual se emplearán redes neuronales artificiales. De esta forma, la solución que en este trabajo se plantea para este problema está basada puramente en el post-procesado de los datos adquiridos y almacenados tras el proceso de monitorización. ABSTRACT: Fiber optic sensors play an increasingly decisive role in the sensing field, with a greater extent than traditional sensors based on electrical phenomena due to their much better adjustment to complex environments where the measurement process turns out to be really tough. As a particular case of fiber optic sensors, BOTDA (Brillouin Optical Time-Domain Analysis) systems are based on a phenomenon known as stimulated Brillouin scattering, intentionally excited within a fiber optic, the sensor element, due to the interaction between two counter propagating signals named as probe and pump. After such interaction, the resulting signal contains the positional and temporal information of both strain and temperature due to a variable called Brillouin frequency shift, which is proportionally dependent on both parameters, what enormously complicates the discrimation process when variations on both parameters take place simultaneously at the same location. Therefore, the main goal of this project is to discriminate between strain and temperature in conventional BOTDA systems when both take place at the same time and location. For this purpose, Artificial Neural Networks will be used in order to try to find a solution to such problem. This way, the solution proposed in this project is purely based on the acquired and post-processed data.