基于仿真计算的光纤传感器光纤光谱数据研究：全面考虑光纤参数的影响

用于仿真计算光纤传感器光纤光谱数据 考虑光纤的各种参数

光纤传感器这玩意儿玩起来真的上头！咱们今天来玩点有意思的——用Python仿真光纤光谱特性。先别急着关掉窗口，这个真的不难，跟着我左手右手一个慢动作，保证你能看到神奇的光谱变化。

先来点硬核的，掏出咱们的代码武器库：

import numpy as np import matplotlib.pyplot as plt from pyMMF import SMF # 这个库专门搞光纤模式计算的

先整个基础款单模光纤试试水。光纤参数里最要命的就是纤芯直径和折射率差，这两个参数直接决定光怎么在光纤里浪：

params = { 'wavelength': 1550e-9, # 波长别乱设，1550nm是通信窗口 'core_radius': 4.1e-6, # 纤芯半径（标准单模光纤约4.1微米） 'NA': 0.14, # 数值孔径别超过0.2，否则变多模了 'cladding_index': 1.444 # 二氧化硅的折射率 }

搞定了参数就该召唤模式场了。注意看这行代码，它决定了光在光纤里怎么扭：

# 计算基模场分布 solver = SMF.CircularFiber(params) modes = solver.get_modes() field = modes[0].get_field_cartesian() # 取基模电场分布

这时候掏出matplotlib画个热力图，你会看到典型的LP01模分布，中间亮四周暗，跟甜甜圈似的。不过这个甜甜圈能不能稳住，全看刚才设的纤芯直径和数值孔径对不对付。

重点来了！当光纤被弯折时，传说中的弯曲损耗就找上门了。咱们用这个公式估算弯折半径对损耗的影响：

def bending_loss(R, params): # R是弯曲半径（单位：米） beta = 2*np.pi*params['cladding_index']/params['wavelength'] a = params['core_radius'] return np.exp(-2*(beta**2)*a**3/(3*R)) # 指数衰减模型

举个栗子，当弯折半径小到5cm时，损耗直接起飞。这就是为啥光纤布线时师傅都强调最小弯曲半径，不是人家事儿多，是物理规律太无情。

用于仿真计算光纤传感器光纤光谱数据 考虑光纤的各种参数

温度变化也不能忽视。热膨胀系数和热光效应双管齐下，代码得这么写：

def thermal_shift(delta_T): alpha = 0.55e-6 # 热膨胀系数 [1/K] dn_dT = 1.2e-5 # 折射率温度系数 [1/K] return (alpha + dn_dT) * delta_T # 综合效应

比如温度升高1℃，1550nm波长会漂移约1pm。这也就是分布式光纤测温系统的原理，石油管道监测就靠这个逮异常热点。

最后整活时刻！把所有这些因素打包成传感器响应函数：

def sensor_response(strain, temp, bend): # 应变引起的波长漂移 delta_lambda = 0.78 * strain # 应变灵敏度系数 # 温度补偿项 delta_lambda -= thermal_shift(temp) # 弯曲损耗修正 loss = bending_loss(bend, params) return delta_lambda * loss # 综合输出

看这个公式里的0.78，这就是光纤布拉格光栅的应变灵敏度典型值。不过实际做项目时记得自己标定，别直接抄我这个数，翻车了别怪我没提醒。

搞完这些，你应该能对着仿真结果说：好家伙，原来光纤传感器就是个物理参数转换器！下次再看到光纤测温测应变的论文，至少知道里面的弯弯绕绕是怎么来的了。