Metody zpracování signálu a predikce kolizních situací pomocí senzorických systémů založených na vláknových Braggovských mřížkách

Abstract

Systémy včasného varování před sesuvy půdy mají zásadní význam pro ochranu osob nebo staveb v jejich blízkosti. Vláknové Braggovské mřížky (FBG) představují vhodný senzor pro použití v takových scénářích díky své extrémní citlivosti na deformace, nízké ceně a snadnému nasazení. V této práci představuji senzorovou síť založenou na FBG pro monitorování kolizních stavů na svazích pomocí kompozitně zabudovaných FBG. Byla navržena topologie FBG senzorové sítě a techniky zpracování dat. Dále jsem provedl pilotní měření FBG senzorů vedoucí k zabudování FBG senzorů do kompozitního materiálu. Experimentální část pak dále zahrnuje simulaci sesuvu půdy a dlouhodobé sledování umělého svahu s řízenými srážkovými podmínkami. Umělé neuronové sítě jsou použity k predikci signálu získaného z dlouhodobých měření se směrodatnou odchylkou u testovacího datasetu 0,4 pm a střední absolutní chybou 0,17 pm.

Early-warning systems for landslides are essential for the protection of people or structures nearby. Fiber Bragg gratings (FBGs) present a suitable sensor for use in such scenarios due to their extreme sensitivity to strain, their low cost, and their easy deployment. Here, I present an FBG sensor network for slope collision state monitoring, using composite-embedded FBGs. I propose an FBG sensing network topology and data processing techniques. Then, I carry out FBG sensor pilot measurements leading to embedding of FBG sensors into composite material. The experimental campaign then includes landslide simulation and long-term monitoring of an artificial slope with controlled rainfall conditions. Artificial neural networks are used to predict the signal obtained from long-term measurements with a test set root mean squared error of 0.4 pm and a mean absolute error of 0.17 pm.