-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------
光纤传感的基本原理是:光源入射的光束经由光纤进入光纤传感器件,在传感器内与外界物质相互作用,该光束成为被待测物理参数调制的光信号, 使强度、波长、频率、相位、偏振态等光参量发生变化,光信号再由光纤进入光电器件,经解调器的解调后可获得被测参数。整个过程中,光纤及其传感器件起到信号传输和外界物理量感知的作用,是光纤传感的关键组成部分。不同于远距离传输的通信光纤,为了更敏锐地“感知”外界各种信息,通常需要对光纤的波导结构进行特殊的设计,并将其加工成各种高精度的光纤传感器件。
Ф-OTDR 利用光纤中的相干后向瑞利散射光进行传感,通过解调后向瑞利散射光的强度或相位信息,可实现高灵敏振动/声波分布式探测。近年来,可定量还原外界振动/声波信息的相位解调型 Ф-OTDR技术[也称为光纤分布式声波传感(DAS)技术]在研发与应用方面均取得了重大进展。该技术具有传感容量大、感知距离远、采集效率高、运行成本低、使用寿命长等突出优点,已成功应用于地震信号监测、油气资源勘探、管线安全监测等领域。总体来看,目前Ф-OTDR/DAS技术正处于快速发展时期,有望在未来5年内达到巅峰,成为新一代的分布式声波(振动)传感技术,具有不可替代性。
工作原理
Ф-OTDR技术的工作原理为外界扰动作用于传感光纤时,会改变传感光纤的折射率,使瑞利散射光产生相位调制,通过解调光纤中后向瑞利散射光脉冲信号的强度或相位信息即可进行分布式传感。相干脉冲光通过环形器注入传感光纤后,产生的后向瑞利散射光返回至光纤前端,通过环形器被光电探测器接收,由解调单元解调还原外界应变变化量信息。强度解调型 OTDR 技术直接运用光电探测器进行强度探测,用于定位外界应变；相位解调型Φ-OTDR/DAS技术运用干涉仪解调或者相干解调方法,由于外界的应变变化量与干涉信号相位成正比,该方法可以定量还原外界应变变化量的大小、频率和相位。
技术发展
近年来,研究人员围绕提高系统灵敏度、拓宽频响范围、延长传感距离等方面,致力于Φ-OTDR/DAS技术的性能提升研究,并已成功将该技术应用 于地震传感、油气勘探、管道监测、水声探测等领域。其中,2014年是Φ-OTDR/DAS技术的发展爆发期。
需求现状
现有的点式光纤传感技术仅能探测单点信号,传感容量有限,实际应用场景有限且成本较高。相比而言,Φ-OTDR 技术的空间分辨率更高,传感容量更大,传感距离更远,采集时间更短,可实现真正的全分布式声波或振动传感,且使用寿命更长,可靠性更高,尤其是DAS技术可以定量还原外界振动/声波信息,更适用于需要高灵敏、大容量、高效率传感的油气勘探、水声探测、管线安全等应用场景。
在油气资源勘探方面,相比于点式电子检波器, DAS系统部署更简易、采集效率高(可实现全井段地震信号一次性采集)、运行成本低,且更耐高温、高压,寿命长,已成为井中地震检波升级换代的变革性技术,未来有望发展成为油气井长期动态监测的利器(油井CT);在海洋水声信号监测方面,DAS系统可实现大容量分布式水声信号探测,在性价比、轻量化、长距离、一致性、可靠性等方面具有突出优势,可望取代点式光纤水听器成为新一代光纤水听系统;在管线安全监测方面,结合分布式光放大技术,DAS可望实现超长距离无中继传感,适用于城市隧道、油气管道、输电线路、列车铁轨、高速公路等远程安全监测。
挑战性的问题与难点
Φ-OTDR/DAS技术自1993年被提出以来得到了大量关注,目前已被广泛应用。然而该技术仍存在以下问题:
1)、Φ-OTDR/DAS的灵敏度仍有待提升,实现fε/ Hz量级超高灵敏度的DAS系统具有很大难度和挑战性。
2)、Φ-OTDR/DAS目前仅能感知外界扰动,无法判断其方向,实现三分量声波分布式传感是一个难点；
3)、Φ-OTDR/DAS的传感距离仍有待增加,实现低噪声的分布式光放大以提升信噪比、增加传感距离极具挑战；
4)、Φ-OTDR/DAS频响范围较小,将百米级距离频响范围拓展至超声波段以实现无损探伤极具挑战；
5)、Φ-OTDR/DAS的检测识别精度有待提升,改进复杂环境噪声下弱信号的高精度检测识别AI算法是一个难点。
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------