1.基于随机森林的长周期光纤光栅轴向应力估计方法,具体步骤如下,其特征在于,步骤1:搭建长周期光纤光栅轴向应力测量实验平台,通过实验平台检测样件在不同轴向应力作用下的长周期光纤光栅的透射光谱,并对采集的数据进行预处理;
步骤2:提取样件透射光谱的谐振波长特征,并建立训练样本集;
步骤3:通过训练样本集训练随机森林模型,将训练样本集中的谐振波长作为模型输入,样件的轴向应力作为输出,训练随机森林模型;
步骤4:使用实验平台测量被测样件的透射光谱,提取被测样件的谐振波长特征,并将特征输入到随机森林模型中,随机森林模型最终输出被测样件的轴向应力。
2.根据权利要求1基于随机森林的长周期光纤光栅轴向应力估计方法,其特征在于;步骤1中长周期光纤光栅轴向应力测量实验平台描述如下:实验平台由长周期光纤光栅传感器、拉伸机、Agilent 83437A宽带光源和横河AQ6317C光谱仪等组成;平台可通过拉伸机对被测样件施加不同的轴向应力,通过长周期光纤光栅传感器检测被测样件的透射光谱。
3.根据权利要求1基于随机森林的长周期光纤光栅轴向应力估计方法,其特征在于;步骤2中提取透射光谱的谐振波长特征如下:长周期光纤光栅是将前向传输的纤芯基模耦合至同向传输的n阶包层模中,可将谐振波长λm作为透射光谱特征其中Λ为光栅周期, 是纤芯基膜的有效折射率, 是一阶m次包层模有效折射率。
4.根据权利要求1基于随机森林的长周期光纤光栅轴向应力估计方法,其特征在于;步骤3中使用训练样本训练随机森林模型具体如下:对训练样本进行k折交叉验证,k取10,即每次随机取训练样本的十分之九训练随机森林模型,剩下的十分之一样本用来测试模型;将每棵决策树的最大深度设置为8,随机森林回归树的个数设置为50,每棵回归树的算法如下:首先生成多个回归树,设给定训练数据集D={(xi,yi)|i∈(1,N)},其中xi是输入特征向量,yi是轴向应力输出,将输入的特征向量空间划分为M个单元Rm,m∈(1,M),且每个单元Rm上有一个固定的输出值cm,当确定输入空间的划分后,使用平方误差e表示回归树的估计误差:再利用平方误差最小准则求解每个单元上的最优输出值,其中yi为真实值,f(xi)为随机森林的估计值,可知,单元Rm上的cm的最优值 是Rm上所有输入xi对应的输出yi的均值,即再采用启发式方法,选择第j个输入特征向量和其取值yj作为切分变量和切分点,并定义两个区域R1和R2:R1(j,s)={xi|yi≤s},i∈(1,N) (4)
R2(j,s)={xi|yi≤s},i∈(1,N) (5)
其中,R1为yi的取值小于等于s对应的xi的集合,R2为yi的取值大于等于s对应的xi的集合;
然后寻找最优切分变量j和最优切分点s,具体公式如下:
其中, 为单元R1上的最优值, 为单元R2上的最优值,通过上述步骤遍历所有输入特征变量,找到最优切分变量j*,构成第一个划分特征空间对(j*,s*);
最后依次将输入空间划分为两个区域,接着对每个区域重复上述划分过程,生成回归树,形成随机森林模型。
5.根据权利要求1基于随机森林的长周期光纤光栅轴向应力估计方法,其特征在于;步骤4中随机森林模型估计轴向应力如下:将被测样件的谐振波长特征输入到随机森林模型中,随机森林模型通过多棵回归树的估计值取平均得到轴向应力的估计值。