基于光谱吸收的光纤水分传感器研究*

朱珊莹，曹汇敏，谢勤岚，郑冬云

(中南民族大学生物医学工程学院，湖北武汉430074)

0 引言

随着科学研究的飞速发展和生产技术的快速进步，水分的定量分析已被列为各类物质理化分析的基本项目之一，作为各类物质的一项重要质量指标。水分检测广泛应用于各行各业，可以是工农业产品的质量鉴定，也可以是工业生产的控制分析。例如:受大众欢迎的绿色健康食品特别注重食品的保鲜度，即食品的水分含量;在工业、轻工业例如:造纸技术、纤维中，通过对水分含量的严格控制使其产品达到合格的要求;在烟草生产过程中对水分含量的实时在线检测以保证烟丝的质量。可以说，水分检测已经渗透到医药卫生、食品安全、化工生产、居室环境等生产生活领域［1，2］。

水分子在中红外有很强的吸收系数，在近红外的吸收相对较弱。但是，由于中红外的光纤非常昂贵，中红外的光源性能不稳定等因素，昂贵的中红外传感器难以投入到生产实践中来，而性价比相对较高的近红外光纤传感器则有巨大的应用前景［3］。水分子在近红外波段内的吸收谱线主要是一级倍频和合频。O—H的伸缩振动基频在2 941～4000 nm，一级倍频在1499.9～2 200 nm。液态水的谱带较宽，纯水的O—H伸缩振动的一级倍频约在1 380 nm附近，合频在1940 nm附近。

本文在分析水分子近红外光谱吸收的基础上，将光谱吸收技术、人工神经网络技术及信号处理技术相结合，研制了基于光谱吸收原理的强度调制型光纤传感器。

1 光纤传感器的理论基础

1.1 光谱吸收理论

当一束红外光(单色或复合光均可)射穿或射到某种物质上时，如果被照射物质的分子选择性地吸收辐射光中某些频率波段或特定波长的光，则产生吸收光谱。吸收光谱中带有分子的信息，即根据吸收光谱(具体就是光强的变化)可以检测到分子的信息(例如:某种分子的浓度或表面粗糙度等)。携带分子信息的光主要有透射光和漫反射光2种，基于透射原理的传感器主要是建立在朗伯—比尔定律上，基于漫反射原理的传感器主要是建立在Kubelka-Munk(K-M)函数的基础上分析的，本文主要介绍基于漫反射原理的强度调制型光纤传感器。

漫反射光的强度［4］取决于样品对光的吸收和样品的散射。漫反射光强度与样品浓度的关系不符合朗伯—比尔定律。因此需要研究与样品浓度成某种关系的漫反射光谱参数。漫反射的光谱参数主要包括以下3个:散射系数S，它表示样品对光的散射程度，主要反映光在样品中经过单位光程后光的衰减程度;漫反射体的吸光系数K，其含义与透射光谱的吸光系数类似，主要与样品的化学成分有关;漫反射率R，它的定义为出射光与入射光的比率。

R，S和K之间的关系由下式(1)表示

式中 R∞为样品厚度无穷大时的绝对漫反射率，由公式(1)可以看出，R∞是(K/S)的函数，即只与K，S的比值有关，而与它们的绝对值无关。在漫反射分析中，只有在一定的浓度范围内吸光系数K才与样品的浓度呈线性关系，而R∞与样品中的浓度在任何时候都不是线性关系。

1.2 神经网络数学模型

神经网络是把输入样本送入输入层后，传递给第一层隐含层，经过传输函数处理后再传递给下一个隐含层，以此类推，最后一个隐含层的输出作为输出层的输入，输出最终结果，简言之，是通过输入输出的数据利用数学技巧来完成系统数学模型的构建。

基于漫反射原理的光纤传感器是测量某种分子(即水分子)的浓度，与透射式原理一样，选择双光路系统，参考光路的信号VR与光源功率P0有关，而检测光路的信号VS不但与P0有关，还与待测样品的浓度C有关，即

光纤传感器的神经网络模型输入层为3个神经元，即输出电压、参考光路信号VR、测量光路信号VS;输出层一个神经元，即待测样品的浓度。隐含层多可以进一步降低误差，提高精度，但同时也会使网络过于复杂化，从而增加训练网络的时间。研究表明:当隐含层为1～2层时，其网络收敛性最佳，所以，这里确定隐含层为2层。

神经网络实现是通过误差面寻优过程的训练来完成的，标准的BP算法采用以最小均方差为目标的梯度下降法，这种方法是网络的权重和阈值沿着网络误差变化的负梯度方向进行调节，最终使误差达到极小值或最小值。具体如图1所示。

图1 神经网络的模型Fig 1 Model of neural network

2 系统设计

2.1 光纤传感器关键部件的设计分析

水分子是不规则分子，所以，它的吸收谱线极其不规则，应尽量选择吸收谱线密集的波长。图2、图3所示为根据HITRAN数据库［5］得出的精细谱线。水在近红外波段的吸收主要是第一倍频和合频，本文选用位于石英光纤的低损耗窗口1.1～1.7μm之间的第一倍频段的吸收谱线，图2是第一倍频的详细谱线。

图2 水分子第一倍频的吸收谱线Fig 2 The first frequency doubling absorption line of H 2O molecule

为了避免空气中CO2，O2，N2等气体的干扰和选用吸收强度较强处的波长，从图3(波数在7280～7380 cm－1之间的详细吸收谱线)可以看出:比较密集的吸收谱线在7232 cm－1处，即选用7232 cm－1=1 382.74 nm 作为吸收谱线，该谱线峰值分子吸收强度为1.25×10－20cm－1/(molecule×cm－2)，即应选择中心波长输出含有1382.74nm的光源。

吸收谱线确定后，就可以选择光源。光源主要有相干光源和非相关光源2种，非相关光源包括热源、气体放电光源和发光二极管，相干光源主要是指为各种工作环境设计的激光器。其中，在光纤传感系统中比较常用的光源是半导体激光器(LD)和发光二极管(LED)。

本文选用新加坡Denselight公司生产的超窄线宽半导体LD作为本传感器的光源，单模光纤输出，设计调制速率可达662 Mbps。该 LD基于外腔激光器设计，内置光纤Bragg光栅保证非常稳定的激光波长输出，超窄的输出光谱线宽和出色的边模抑制比(SMSR)。峰值激光波长1383 nm，典型光谱线宽5 kHz，最小输出功率5 mW，最小SMSR为35dB，内置TEC和热敏电阻器，通过调节注入电流的大小和管芯的温度来控制光源的输出波长，最终使光源的输出波长和吸收谱线相吻合。

本文所用的反射式样品池组成如图4所示。其中，螺旋微动头的固定套管用内六角螺钉固定在室体的机架上，螺旋微动头的微动螺杆与动板通过联轴器连在一起。

图3 水分子在7280～7380 cm－1之间的精细吸收谱线Fig 3 Fine absorption line of H2O molecule at 7280～7380 cm－1

图4 反射式样品池结构图Fig 4 Structure diagram of reflective sample cell

样品池的工作原理是:通过旋转微动头的转动实现动板的上下移动，完成了安装在盖板上的光纤探头与被检测物之间距离的调节。移动量可以通过固定套管上的刻度盘读出。每当旋转微分头的外刻度筒一周时，微动螺杆便向上或向下移动一个螺距0.5 mm。这样，当微分筒旋转一个刻度后和旋转1/50转时，微动螺杆便带动动板垂直方向(向上或向下)移动(1/50)×0.5 mm=0.01 mm，亦即本气室的距离调节精度为0.01 mm。通过旋转微分头可以选择最佳检测距离。

2.2 系统总体结构设计

光纤传感器主要由光路系统、前置放大处理以及数据处理系统组成。光路系统的任务是完成信号的检测，通过漫反射检测原理和待测物质的分子对光源中的特定光谱的吸收，从而使光强减弱，光强减弱的程度反映物质中分子的含量，光路系统使含有待测分子信息的光发送到光电探测器。发送到光电探测的光信号极其微弱，前置放大处理是把接收到的微弱光信号转换为电信号，并进行滤波等预处理。数据处理系统是把前置放大处理后的信号进行处理，并输出结果，总体结构图如图5所示。

光源驱动主要包括三部分，温度控制、电流驱动和调制信号，温度控制是控制LD的管芯温度，电流驱动是控制注入电流的大小，通过调节管芯温度和注入电流的大小从而选择出与吸收谱线相吻合的波长。本系统对光源采用的是正弦波调制。从光源LD发出的光经过耦合器分为两路，一路经过参考样品池，另一路经过检测样品池。从样品池反射回来的光发送到光电探测器上，由光电探测器转换为微弱电压信号，微弱信号经过调制与处理板的放大、滤波等处理后由NI数据采集卡采集，并用LabVIEW程序保存到电脑中。最后在电脑中完成信号的最后分析与处理。

图5 光纤传感器原理框图Fig 5 Principle block diagram of optical fiber sensor

3 实验结果与分析

实验开始前，先调节参考光路和检测光路的输出光强，使前置放大处理板上两路的输出电压值尽量一致，即差分之后的值越小越好，近似为零。然后把不含水分的纸张放入参考样品池中，把有一定水分含量的纸张放入检测样品池中，标定前设置，当水分含量为零时，电压输出为1 V，检测数据如表1所示。

表1 传感器测试数据Tab 1 Test data of the sensor

由表1可以看出:水分含量与输出值不呈线性关系，这与前面理论建模的分析结果相同。但不能测量出水分含量为0～15%区间内任意值的实验数据，所以，采用神经网路原理研究水分含量与输出值的关系。

以三层BP网络作为拟合器，输入、输出层都为1个神经元，中间层为2个神经元，实测数据为表1所示。以0.005为终止精度，经过395次训练达到终止精度，图6为训练误差曲线。

图6 训练误差曲线Fig 6 Training error curve

网络训练完成后，拟合模型如图7所示。

图7 拟合曲线Fig 7 Fitting curve

4 结束语

理论与实验证明:采用光谱吸收原理可以实现水分含量的检测。双光路结构的使用有效消除了光路中光强的衰减、光源的零点漂移、电磁干扰等因素的影响。采用可调节反射样品池使最佳检测点容易分辨，人工神经网络进行数据的处理和拟合，减少了测量误差。总之，传感器响应速度快、抗干扰、适用于易燃易爆等恶劣环境，并且可实现远距离现场实时检测。

［1］汤 知.基于光纤传感器的红外纸张水分仪［D］.上海:华东师范大学，2007.

［2］赵奕阳.光纤传感式红外水分测量方法的研究［D］.上海:华东师范大学，2006.

［3］朱珊莹，陈幼平，张 冈，等.光谱吸收型光纤一氧化碳传感器研究［J］，仪表技术与传感器，2010(9):1－3.

［4］陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术［M］.北京:中国石化出版社，2000:73－77.

［5］Rothman L S，Gordon IE，Barbe A，et al.Updates to Current HITRAN 2008(v13.0)Data［DB/OL］.［2009—09—18］.http:∥www.cfa.harvard.edu/HITRAN/updates.html#Water.