SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2024 / Cilt: 39 Sayı: 1

Kazancı düzleştirilmiş fiber raman yükselteç modelinin ikili arama denklemli adaptif yapay arı kolonisi (İADAYAK) algoritması ile optimizasyonu

Vehbi YOLCU
Murat YÜCEL
Doğan AYDIN
Pages
29–38
Publication Date
2023-08-21
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Yapay zekâ teknolojisi kapsamında üretilen algoritmaların gelişmesi paralelinde bu çalışmaya benzer çözüm performanslarının gelişeceği ve bu sayede elde edilen verimin artacağı düşünülmektedir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Yüksek bant genişliğine duyulan ihtiyaç sebebiyle dağınık fiber Raman yükselteçlerine (FRY) olan ilgi artmaktadır.
📊
Key Findings & Data:Bu çalışmada SMF-28 türü fiberlerde kazancı düzleştirilmeye çalışılan 50 km mesafeye sahip bir fiber hatta ilerleyen 100 adet optik sinyale zıt yönde sırasıyla 4, 8, 16 adet pompa sinyali göndererek dağınık fiber raman yükselteç sistemi kurulmuştur.
💡
Conclusion & Impact:Yapay zekâ teknolojisi kapsamında üretilen algoritmaların gelişmesi paralelinde bu çalışmaya benzer çözüm performanslarının gelişeceği ve bu sayede elde edilen verimin artacağı düşünülmektedir.
🔬Design:Modeling & Simulation
📍Scope:100 adet
⚙️Variables:FRY · Yapay Arı Kolonisi · İADAYAK

Özet

Yüksek bant genişliğine duyulan ihtiyaç sebebiyle dağınık fiber Raman yükselteçlerine (FRY) olan ilgi artmaktadır. FRY’ler geniş bant aralığını kullanmasının yanında düşük gürültü faktörü avantajı ve kullanımdaki basitlik ile de ön plana çıkmaktadır. Bu çalışmada SMF-28 türü fiberlerde kazancı düzleştirilmeye çalışılan 50 km mesafeye sahip bir fiber hatta ilerleyen 100 adet optik sinyale zıt yönde sırasıyla 4, 8, 16 adet pompa sinyali göndererek dağınık fiber raman yükselteç sistemi kurulmuştur. Kurulan sistemde sinyal kazancını düzleştirmek için lineer olmayan FRY modeli, optimizasyon problemi olarak tanımlanarak ikili arama denklemli adaptif yapay arı kolonisi algoritması (İADAYAK) ile çözülmüştür. Sonuçlar incelendiğinde 4 adet pompa kullanılarak elde edilen ortalama net kazanç farkı 0,16 dB, net kazanç farkı ise 0 ± 0,4 dB olarak bulunmuştur. 8 adet pompa kullanılarak elde edilen ortalama net kazanç farkı 0,043 dB, net kazanç farkı ise 0 ± 0,1 dB olarak ortaya çıkmıştır. 16 adet pompa kullanılarak elde edilen ortalama net kazanç farkı 0,028 dB, net kazanç farkı ise 0 ± 0,05 dB olarak tespit edilmiştir. Yapay zekâ teknolojisi kapsamında üretilen algoritmaların gelişmesi paralelinde bu çalışmaya benzer çözüm performanslarının gelişeceği ve bu sayede elde edilen verimin artacağı düşünülmektedir.

🔖

Cite This Article

YOLCU, V., YÜCEL, M., AYDIN, D. (2023). Kazancı düzleştirilmiş fiber raman yükselteç modelinin ikili arama denklemli adaptif yapay arı kolonisi (İADAYAK) algoritması ile optimizasyonu. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 39 Sayı: 1, 29–38. https://ajindex.com/articles/958607

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Yücel M., Öztürk N. F., Torun M., Yücel M., Design and application of a fiber Bragg grating array-based temperature measurement system. Journal of the Faculty of Engineering and Architecture of Gazi University, 32(3), 957-964, 2017.
  2. Durak F., Navruz İ., Altuncu A., Design and production of long perıod fıber grating using electrical arc technique. Journal of the Faculty of Engineering and Architecture of Gazi University, 28(1), 27-32, 2013.
  3. Yücel M, Göktaş H. Haldun, Fiber Raman yükselteçlerde pompalama yönünün kazanç spektrumuna etkisi üzerine bir simulasyon, Journal of Polytechnic, 9(3), 161–164, 2006.
  4. Agrawal G. P., Nonlinear Fiber Optics, Nonlinear Science at the Dawn of the 21st Century, 2007.
  5. Günday A., Karlık S., Yilmaz G., The impact of temperature and strain formations on young and shear module in usage of optical fiber distributed sensing for power cables, Journal of the Faculty of Engineering and Architecture of Gazi University, 29(3), 517-525, 2014.
  6. Perlin V. E., Winful H. G., Optimal Design of Flat-Gain Wide-Band Fiber Raman Amplifiers, Journal of Lightwave Technology, 20, 250–254, 2002.
  7. Perlin V. E., Winful H. G., On Distributed Raman Amplification For Ultrabroad-Band Long-Haul WDM Systems, Journal of Lightwave Technology, 20, 409–416, 2002.
  8. Hu J., Marks B. S., Menyuk C. R., Flat-Gain Fiber Raman Amplifiers Using Equally Spaced Pumps, Journal of Lightwave Technology, 22, 1519–1522, 2004.
  9. Jiang H. M., Xie K., Wang Y. F., Shooting Algorithm And Particle Swarm Optimization Based Raman Fiber Amplifiers Gain Spectra Design, Optics Communications, 283, 3348–3352, 2010.
  10. Liu T., Liu L., Chen J., Jiang H., Sun Q., Xie Y., Optimal Design of Raman Fiber Amplifier Based on Terminal Value Optimization Strategy and Shuffled Frog Leaping Algorithm, Journal of Modern Optics, 65, 1680–1687, 2018.
  11. Jiang H. M., Xie K., Wang Y. F., Novel Design of Flat Gain Spectrum Raman Fiber Amplifiers Based On Ant Colony Optimization, IEEE Photonics Technology Letters. 23, 1823–1825, 2011.
  12. Chen J., Jiang H., Optimal Design of Gain-Flattened Raman Fiber Amplifiers Using a Hybrid Approach Combining Randomized Neural Networks and Differential Evolution Algorithm, IEEE Photonics Journal, 10(2), 1-15, 2018.
  13. Zibar D., Brusin A., Inverse System Design Using Machine Learning: The Raman Amplifier Case, 38, 736–753, 2020.
  14. Sörensen K., Metaheuristics The Metaphor Exposed, International Transactions in Operational Research. 22, 3–18, 2015.
  15. Karaboga D., Basturk B., A Powerful and Efficien