用于光电复合海底电缆的由光纤温度求解铜芯温度的方法

摘要

本发明涉及一种用于光电复合海底电缆的由光纤温度求解铜芯温度的方法，该方法主要包括：（1）列出光电复合海底电缆工作时的热载荷工作电流范围、环境温度离范围、环境对流换热系数范围，并分别进行均匀离散化；（2）将光纤温度Tf和I、G、H参数作为输入变量X，铜芯温度Tc作为输出变量。（3）通过实验测量采集光电复合海底电缆在不同的热载荷工作电流I、环境温度G、环境对流换热系数H下的输出光纤温度Tf和铜芯Tc；X和Tc形成m*n*p个输入-输出样本对；（4）基于径向基函数的多层前馈神经网络的径向基函数选择高斯函数。(5)多层前馈神经网络对m*n*p个输入-输出样本对进行学，学算法为最近邻聚类算法，学之后得到w_i，c_i，σ_i的取值，i＝1,2,3,…,N；（6）利用公式可以由I、G、H、Tf求解出铜芯温度T_c。

主权项

1.一种用于光电复合海底电缆的由光纤温度求解铜芯温度的方法，其特征在于：所述方法包括以下步骤：（1）列出光电复合海底电缆工作时的热载荷工作电流范围为[I₁,I₂]，将热载荷工作电流均匀离散化，离散间隔为1安培，并用变量I标示，I的取值范围为{i₁，i₂，i₃，……，i_m}，其中i₁为小于I₁最大整数，i_m为大于I₂的最小整数；（2）列出光电复合海底电缆工作时的环境温度边界条件，环境温度离范围为[T₁,T₂]，将环境温度均匀散化，离散间隔为1摄氏度，并用变量G标示，G的取值范围为{g₁，g₂，g₃，……，g_n}，其中g₁为小于G₁的最大整数，g_n为大于G₂的最小整数；（3）列出光电复合海底电缆工作时的环境对流换热系数边界条件，环境对流换热系数范围为[H₁,H₂]，将环境对流换热系数均匀离散化，离散间隔为1瓦特每平方米每摄氏度，并用变量H表示，H的取值范围为{h₁，h₂，h₃，……，h_p}，其中h₁为小于H₁的最大整数，h_p为大于H₂的最小整数；（4）设铜芯温度为T_c，光纤温度为T_f，铜芯温度T_c与T_f、I、G、H的函数关系为T_c=f(T_f，I，G，H)，式子f表明铜芯温度T_c是一组高维空间输入变量T_f、I、G、H向一维空间非线性映射的输出结果；设高维空间输入变量T_f、I、G、H组成输入变量X，T_c为输出变量，T_c和X之间的非线性映射关系采用基于径向基函数的多层前馈神经网络进行任意精度的逼近；（5）通过实验测量采集光电复合海底电缆在不同的热载荷工作电流I、环境温度G、环境对流换热系数H下的输出光纤温度T_f和铜芯T_c；由于I有m个元素、G有n个元素、H有p个元素，I、G、H共有m*n*p个IGH输入组合，每一个IGH输入组合作用于光电复合海底电缆，会产生不同光纤温度T_f和铜芯温度T_c，因此X和T_c形成输入-输出样本对的个数为m*n*p个；（6）基于径向基函数的多层前馈神经网络的径向基函数选择高斯函数，输出变量T_c和输入变量X的关系式为：N取1000；基于径向基函数的多层前馈神经网络对步骤（5）生成的由X和T_c组成的m*n*p个输入-输出样本对进行学习，学习算法为最近邻聚类算法，学习过程自动抽取输入-输出样本对中蕴含的非线性映射规律，分布存储在与神经网络各层相连接的权矩阵中，学习之后可确定w_i，c_i，σ_i的取值，i＝1,2,3,…,N；（7）实际应用中通过测量获得热载荷工作电流I、环境温度G、环境对流换热系数H和光纤温度T_f之后，利用公式求解出铜芯温度T_c。