当前位置: 首页 > backend >正文

应变片与分布式光纤传感:核心差异与选型指南

应变测量传感器是目前各种功能传感器中应用最广的一类,在许多领域中都起着至关重要的作用。例如在结构监测领域,应变是最常用的监测量,可以反映结构所承担负荷的直接信息,为结构安全监测提供有力数据支持。

其中,应变片和分布式光纤传感器是两种常见且重要的技术手段。它们各自有着独特的原理、优势与应用场景,今天就让我们来一探究竟,看看它们究竟有何不同。

应变片:传统而可靠的“老将”

结构组成:

应变片通常由敏感栅、基底、覆盖层、胶黏剂以及引线五部分组成。敏感栅是核心部件,一般采用金属箔片制成,常见的材料有康铜等。基底用于固定敏感栅,覆盖层则起到保护敏感栅的作用,防止其受到外界环境的影响,结构如图1所示。

图片
图1.分布式光纤及预制的天然裂缝在人造试样中布设方式

工作原理:

应变片的工作原理基于金属的电阻应变效应。当物体受到外力作用发生形变时,粘贴在物体表面的应变片的电阻值会随之改变。具体来说,如果物体被拉伸,应变片的长度增加、横截面积减小,电阻值增大;反之,若物体被压缩,电阻值则减小。通过测量电阻的变化,我们就能得知物体所受的应变情况。

图片

(1)

R为金属导线的初始阻值,当电阻丝受力后,电阻的变化率与电阻丝产生的应变成正比,如(1)式所示,这就是应变片进行传感测试的原理。K0称为电阻丝的灵敏系数,在电阻丝拉伸的比例极限内其值一般为常数。K0一般用实验的方法确定,康铜的K0通常为1.9-2.1,铬合金的K0通常为2.1-2.3。

优势与局限:

应变片的优点在于其结构简单、成本较低、测量精度较高。它能够直接测量物体表面的应变,对于局部应力集中区域的监测尤为有效。然而,应变片也有其局限性。首先,它是一种“点”式传感器,测量范围有限。对于大型结构或长距离监测,需要布置大量的应变片,这不仅增加了成本,还可能导致测量结果的不连续性。其次,应变片容易受到电磁干扰,尤其在复杂环境下,其测量信号的稳定性可能会受到影响。

分布式光纤传感:新兴的“科技新星

结构组成:

分布式光纤传感器由连续分布的等长度的光纤传感单元组成,相临的传感单元之间没有间距,能获得整根光纤上的应变、温度、压力等信息,可解决目前测量领域的众多难题,是目前最热门的传感器之一。光纤本身具有尺寸小、重量轻、耐腐蚀、抗电磁干扰等优点,这使得分布式光纤传感在恶劣环境下也能稳定工作。

工作原理:

分布式光纤传感则是基于光纤中的光散射效应来实现测量。当光在光纤中传播时,遇到不均匀介质会发生散射,一部分散射光会返回发射点。通过分析这些返回光的特性变化,如强度、相位、频率等,就可以获取光纤沿线的应变、温度等信息。常见的散射类型包括拉曼散射、布里渊散射和瑞利散射,不同的散射类型适用于不同的测量参数和场景。

图2. 三种散射光分布

优势与局限:

分布式光纤传感的优势在于其能够实现长距离、大面积的连续监测。它解决了传统应变片在大型结构监测中的难题,能够提供更全面、更连续的测量数据。

此外,分布式光纤传感的抗干扰能力强,不受电磁场的影响,测量结果更加稳定可靠。不过,分布式光纤传感也存在一些局限性。例如,光纤传感器尺寸小布设过程中容易产生弯折损耗甚至断裂,因此在布设方面需要一定的技巧。另外选用不同的解调设备其应用场景也会有所不同,例如OTDR设备常用于长距离、低空间分辨率;OFDR设备则用于短距离、高分辨(最高可达0.64mm)的测试场景。

二者对比:各有千秋,各有所长

应变片常采用贴片式布设,适用于精确测量局部应变(如材料测试、机械监测),但大面积监测需大量布设及固定线缆。

分布式光纤传感通常在待测位置铺设光纤传感器并进行调试,一次部署即可实现长距离、大范围连续监测,且维护简单、寿命长,特别适合大型结构(如桥梁、管道、大坝)的应变与温度监测。

应变片和分布式光纤传感在工程监测领域各有各的优点。在实际应用中,我们可以根据具体的监测需求和场景,合理选择适合的技术手段。

http://www.xdnf.cn/news/18862.html

相关文章:

  • 深入解析 Chromium Mojo IPC:跨进程通信原理与源码实战
  • 【开发配置】GitLab CR(Code Review)规则配置清单
  • 钉钉 AI 硬件:DingTalk A1
  • Java文件的组织方式
  • 用户体验设计 | 从UX到AX:人工智能如何重构交互范式?
  • 趣味学习Rust基础篇(用Rust做一个猜数字游戏)
  • 化学分析原理与算法、数据库。
  • 本地搭建 Redis/MySQL 并配置国内镜像加速(Docker/原生安装 | macOS/Linux/Windows)
  • 【Git】多人协作
  • k8sday18 HELM
  • AI编写测试用例
  • 【微服务】SpringBoot 整合 Easy-Es 实战操作详解
  • 深入探索Vue:前端开发的强大框架
  • 字母异位词分组,leetCode热题100,C++实现
  • 嵌入式学习day38
  • 搭建域服务器
  • spring-ai-alibaba使用
  • 第18章|变量:把数据装进“盒子”的正确方式
  • 机器学习 TF-IDF方法
  • 【docker apoc 部署的neo4j安装apoc插件】
  • MySQL 面试题系列(五)
  • 【Kafka】重点概念和架构总结
  • Python 入门操作指南
  • 如何在 Docker 和AKS上使用 IIS
  • iOS技术之通过Charles抓包http、https数据
  • 【Linux】基本指令学习3
  • opencv+yolov8n图像模型训练和推断完整代码
  • Clerk 用户认证系统集成文档
  • ollama离线部署+大语言模型
  • AI-调查研究-62-机器人 机械臂五大应用场景详解:从焊接到手术,从农田到太空