CN116706657A - 一种用于激光相干合成系统的改进spgd方法 - Google Patents
一种用于激光相干合成系统的改进spgd方法 Download PDFInfo
- Publication number
- CN116706657A CN116706657A CN202310243783.5A CN202310243783A CN116706657A CN 116706657 A CN116706657 A CN 116706657A CN 202310243783 A CN202310243783 A CN 202310243783A CN 116706657 A CN116706657 A CN 116706657A
- Authority
- CN
- China
- Prior art keywords
- evaluation function
- value
- algorithm
- iteration
- random disturbance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001427 coherent effect Effects 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 12
- 230000015572 biosynthetic process Effects 0.000 title abstract description 9
- 238000003786 synthesis reaction Methods 0.000 title abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 58
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01S—DEVICES USING THE PROCESS OF LIGHT AMPLIFICATION BY STIMULATED EMISSION OF RADIATION [LASER] TO AMPLIFY OR GENERATE LIGHT; DEVICES USING STIMULATED EMISSION OF ELECTROMAGNETIC RADIATION IN WAVE RANGES OTHER THAN OPTICAL
- H01S3/00—Lasers, i.e. devices using stimulated emission of electromagnetic radiation in the infrared, visible or ultraviolet wave range
- H01S3/10—Controlling the intensity, frequency, phase, polarisation or direction of the emitted radiation, e.g. switching, gating, modulating or demodulating
- H01S3/10053—Phase control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Plasma & Fusion (AREA)
- Optics & Photonics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Lasers (AREA)
Abstract
本发明属于激光技术与应用领域,公开了一种用于激光相干合成系统的改进SPGD算法,用于解决传统SPGD算法无法满足大规模激光光束相位控制带宽需求的问题。该算法的操作方式为:设置初始相位控制电压和初始增益系数;计算本次迭代的随机扰动电压幅值;施加满足伯努利分布的正负随机扰动电压;根据评价函数值划分两种情况,对增益系数进行相应的分段取值;计算得到每次迭代的相位控制电压;得到更新后的系统性能评价函数值,并判断其是否收敛,不收敛则重复迭代上述步骤直至算法收敛。该改进SPGD算法可以保证收敛过程稳定的同时提高激光光束相位趋于一致的收敛速度,并且无需修改任何参数即可扩展到不同光束数目的相干合成系统中,操作简便且通用性强。
Description
技术领域:
本发明涉及自适应光学技术,具体涉及一种用于激光相干合成系统的改进SPGD算法。
背景技术:
高能光纤激光被广泛应用于工业制造、医疗军事等领域,然而受限于单路光纤激光器的功率输出限制,对多束激光进行相干合成是当前获取高功率和高质量激光输出的主要技术途径。激光相干合成的关键是实现对各路激光的相位精准控制,主要技术手段有外差法、多抖动法、随机并行梯度算法以及近年来不断涌现的机器学习算法等。其中,结合了人工神经网络技术和随机逼近理论的SPGD算法发展得最为成熟,该算法通过评价函数的变化量和微扰量估计出正确的迭代方向,对每路激光的相位控制器施加电压来控制相位的变化,评价函数在迭代过程中逐渐趋向于极大值,各激光光束的相位也逐渐趋于一致。SPGD算法原理、控制逻辑与系统结构简单,无需精确测量各路激光的相位即可实现算法快速收敛,目前在激光相干合成系统中取得了广泛应用。但随激光路数增加,SPGD算法收敛所需的迭代步数会呈指数型增长,对应的相位控制带宽会迅速降低,难以满足大规模激光相干合成系统对实时性的要求。
发明内容:
本发明的目的在于克服现有技术的不足,提供一种用于激光相干合成系统的改进SPGD算法,所述改进算法可以在保证收敛过程稳定的同时提高收敛速度,并且无需修改任何参数即可扩展到不同光束数目的相干系统中,操作更简便且通用性更强。
本发明解决上述技术问题的技术方案是:一种用于激光相干合成系统的改进SPGD算法,包括以下步骤:
(S1)、将接收端光电探测器接收到的桶中功率作为系统性能的评价函数设置初始化相位控制电压与初始增益系数γ0,测量得到初始评价函数值J(0);
(S2)、根据目前的评价函数值更新本次迭代所需的随机扰动电压幅值:
(S3)、对相干合成系统中的相位调制器施加服从伯努利分布的随机扰动电压,分别得到正、负评价函数值以及两者之差:
在第n次迭代过程中,施加随机扰动电压的步骤为:
(S3-1)、施加正向随机扰动电压u(n)+δu(n),得到正向评价函数J+ (n);
(S3-2)、施加负向随机扰动电压u(n)-δu(n),得到正向评价函数J- (n);
(S3-3)、计算得到正负评价函数的差值δJ(n)=J+ (n)-J- (n);
(S4)、根据S2更新本次迭代所需的增益系数:判断max(J+ (n),J- (n))与J(n)之间的关系,如果max(J+ (n),J- (n))≤J(n),则令γ=γ0,如果max(J+ (n),J- (n))>J(n),则令
(S5)、根据上述步骤得到的参数计算相位控制电压u(n+1)=u(n)+γδJ(n)δu(n),并将其施加于相位调制器用以调整激光光束的相位;
(S6)、在接收端的光电探测器中,测量得到更新后的系统性能评价函数值J(n+1)并判断其是否收敛。如果收敛则结束算法,不收敛则重复上述步骤。
优选的,在步骤(S2)中采用了变随机扰动电压幅值,并且确定了幅值与系统性能评价函数值之间的函数关系,将随机扰动电压幅值的变化范围设置固定范围,应用到不同路数的相干合成系统时无需进行调试与更改。
优选的,在步骤(S4)中,将上次迭代更新得到的评价函数值与本次迭代施加微扰后得到的正负评价函数值进行比较,根据max(J+ (n),J- (n))>J(n)(情况一)与max(J+ (n),J- (n))≤J(n)(情况二)两种情况对增益系数进行相应的分段取值,发生情况一时,增益系数取初始值;发生情况二时,增益系数取正负评价函数值之差的绝对值的倒数,相当于直接将J(n+1)更新为J+ (n)与J- (n)中的较大值。
本发明与现有技术相比的有益效果在于:
1、本发明用于激光相干合成系统的改进SPGD算法采用变随机扰动电压幅值,在收敛前期评价函数值较小时,采用幅值较大的随机扰动电压以增大评价函数值单次上升的幅度并有利于跳出局部最优解,在收敛后期评价函数值较大时,采用较小幅值的随机扰动电压进行精确收敛。随机扰动电压幅值随着评价函数值的变化而自适应变化,在保证评价函数收敛精度的情况下,减少了系统性能评价函数收敛的迭代步数,提升了算法的收敛速度,有利于满足大规模相干合成系统的高带宽需求。
2、本发明用于激光相干合成系统的改进SPGD算法将增益系数进行分段处理,根据上次迭代得到的评价函数值与本次迭代施加微扰后得到的正负评价函数值中的较大值进行比较,将其分成两种不同情况并对增益系数进行相应的取值。本发明的改进SPGD算法利用简单的操作方式,在不增加单次迭代所需的时间的情况下合理利用迭代过程中生成的变量,进一步减少了系统性能评价函数收敛的迭代步数并提升了其收敛过程及其结果的稳定性。
3、本发明将增益系数进行分段取值的操作对相位控制电压进行了修正,能提高激光相干合成系统对不同规模激光束的兼容性,应用到其余路数的系统中时无需对任何参数进行调试与修改,并且不需要更改随机扰动电压幅值的选取范围和随机扰动电压幅值与系统性能评价函数值之间的函数关系,只需在初始阶段选取合适的增益系数即可,操作简便且扩展性强。
附图说明:
图1为本发明简化的实施例总框图;
图2为本发明一种用于激光相干合成系统的改进SPGD算法的流程图;
图3为本发明的实施例的收敛速度对比图(Piecewise SPGD为本发明改进算法的具体名称);
图4为本发明的实施例的收敛稳定性对比图。
具体实施方式:
为使本发明的目的、技术方案及优点更加清楚明白,下面结合具体实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
图1为简化后的激光相干合成系统框图,经过分束器后种子激光被分为N个子光束,再将子光束接入N个相位控制器进行相位调整,调整后的光束经过合束器和透镜聚焦后照射到光电探测器表面,将探测到的桶中功率大小映射为系统性能评价函数值输入到改进SPGD算法模块,经过图2所示的流程处理后对相位控制器输出相位控制电压。在MATLAB平台上进行改进SPGD算法的数值仿真实验,将各光束简化为偏振相同的基模态高斯光束,相干合成的路数设置为7,采用正六角排布阵列以获得高占空比,各路光束的初始相位服从0~2π的随机分布,采用桶中功率作为系统评价函数,取值范围为0~1。系统的具体仿真参数设置如表1所示。
表1
参见图2,本发明用于该施案例的改进SPGD算法包括以下步骤:
(S1)、设置初始化相位控制电压与初始增益系数γ0,将系统性能评价函数值输入到改进SPGD算法模块,得到初始评价函数值J(0);
(S2)、改进SPGD算法模块根据目前的评价函数值更新本次迭代所需的随机扰动电压幅值:
(S3)、对相位调制器施加服从伯努利分布的随机扰动电压,分别得到正、负评价函数值以及两者之差:
在第n次迭代过程中,对相位调制器施加随机扰动电压的步骤为:
(S3-1)、施加正向随机扰动电压u(n)+δu(n),得到正向评价函数J+ (n);
(S3-2)、施加负向随机扰动电压u(n)-δu(n),得到正向评价函数J- (n);
(S3-3)、计算得到正负评价函数之间的差值δJ(n)=J+ (n)-J- (n);
(S4)、根据S2更新本次迭代所需的增益系数:判断max(J+ (n),J- (n))与J(n)之间的关系,如果max(J+ (n),J- (n))≤J(n),则令γ=γ0,如果max(J+ (n),J- (n))>J(n),则令
(S5)、根据上述步骤得到的参数计算相位控制电压u(n+1)=u(n)+γδJ(n)δu(n),改进SPGD算法模块将其施加于相位调制器用以调整子光束的相位;
(S6)、在接收端的光电探测器中测量得到更新后的系统性能评价函数值J(n+1)并判断其是否收敛。如果收敛则结束算法,此时各子光束的相位也趋于一致,不收敛则重复上述步骤直至评价函数趋于极大值。
为了体现本发明用于激光相干合成系统的改进SPGD算法的优越性,将本发明的改进算法与其余典型改进算法及传统算法进行对比,表2为对比算法的名称及其参数,其中Piecewise SPGD为本发明改进算法的具体名称。图3为本发明的实施例的收敛速度对比图,显示了典型SPGD算法评价函数的迭代曲线,可见本发明的改进后算法具有较快的收敛速度,图4为本发明的实施例的收敛稳定性对比图,显示了各算法收敛的评价函数收敛到0.95时的迭代步数分布,可见本发明的改进算法收敛时的迭代步数分布最为集中,性能最为稳定。
表2
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种用于激光相干合成系统的改进SPGD算法,该算法采用变扰动幅度幅值并对增益系数进行分段取值;其特征在于,包括以下步骤:
(S1)、将接收端光电探测器接收到的桶中功率作为系统性能的评价函数设置初始化相位控制电压与初始增益系数γ0,测量得到初始评价函数值J(0);
(S2)、根据目前的评价函数值更新本次迭代所需的随机扰动电压幅值:
(S3)、对相干合成系统中的相位调制器施加服从伯努利分布的随机扰动电压,分别得到正、负评价函数值以及两者之差:
在第n次迭代过程中,施加随机扰动电压的步骤为:
(S3-1)、施加正向随机扰动电压u(n)+δu(n),得到正向评价函数J+ (n);
(S3-2)、施加负向随机扰动电压u(n)-δu(n),得到正向评价函数J- (n);
(S3-3)、计算得到正负评价函数的差值δJ(n)=J+ (n)-J- (n);
(S4)、根据S2更新本次迭代所需的增益系数:判断max(J+ (n),J- (n))与J(n)之间的关系,如果max(J+ (n),J- (n))≤J(n),则令γ=γ0,如果max(J+ (n),J- (n))>J(n),则令
(S5)、根据上述步骤得到的参数计算相位控制电压u(n+1)=u(n)+γδJ(n)δu(n),并将其施加于相位调制器用以调整激光光束的相位;
(S6)、在接收端的光电探测器中,测量得到更新后的系统性能评价函数值J(n+1)并判断其是否收敛。如果收敛则结束算法,不收敛则重复上述步骤。
2.根据权利要求1所述的用于激光相干合成系统的改进SPGD算法,其特征在于:在步骤(S2)中采用了变随机扰动电压幅值,并且确定了幅值与系统性能评价函数值之间的函数关系,将随机扰动电压幅值的变化范围设置固定范围,应用到不同路数的相干合成系统时无需进行调试与更改,其中,系统性能评价函数包括但不限于桶中功率、最高输出功率、主瓣功率、合成光束质量因子和远场合成光斑的图样对比度,固定范围包括但不限于0~2π的任意取值范围,函数关系包括但不限于线性关系和其余简单的非线性关系。
3.根据权利要求1所述的用于激光相干合成系统的改进SPGD算法,其特征在于:在步骤(S4)中,将评价函数值与本次迭代施加微扰后得到的正负评价函数值进行比较,根据max(J+ (n),J- (n))>J(n)(情况一)与max(J+ (n),J- (n))≤J(n)(情况二)两种情况对增益系数进行相应的分段取值,发生情况一时,增益系数取初始值;发生情况二时,增益系数取正负评价函数值之差的绝对值的倒数,相当于直接将J(n+1)更新为J+ (n)与J- (n)中的较大值,其中,根据上次迭代的价函数值与本次迭代施加微扰后得到的正负评价函数值之间的关系,划分情况数目包括但不限于两种及以上,增益系数的取值包括但不限于取固定值和参数仅含J+ (n)及J- (n)的函数的取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310243783.5A CN116706657A (zh) | 2023-03-14 | 2023-03-14 | 一种用于激光相干合成系统的改进spgd方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310243783.5A CN116706657A (zh) | 2023-03-14 | 2023-03-14 | 一种用于激光相干合成系统的改进spgd方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116706657A true CN116706657A (zh) | 2023-09-05 |
Family
ID=87838150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310243783.5A Pending CN116706657A (zh) | 2023-03-14 | 2023-03-14 | 一种用于激光相干合成系统的改进spgd方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116706657A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117856023A (zh) * | 2024-03-06 | 2024-04-09 | 中国航天三江集团有限公司 | 基于改进spgd算法的多路激光主动相干合成的方法及装置 |
CN117856023B (zh) * | 2024-03-06 | 2024-06-21 | 中国航天三江集团有限公司 | 基于改进spgd算法的多路激光主动相干合成的方法及装置 |
-
2023
- 2023-03-14 CN CN202310243783.5A patent/CN116706657A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117856023A (zh) * | 2024-03-06 | 2024-04-09 | 中国航天三江集团有限公司 | 基于改进spgd算法的多路激光主动相干合成的方法及装置 |
CN117856023B (zh) * | 2024-03-06 | 2024-06-21 | 中国航天三江集团有限公司 | 基于改进spgd算法的多路激光主动相干合成的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
GÜVENÇ et al. | Performance analysis of biogeography-based optimization for automatic voltage regulator system | |
CN109709802B (zh) | 基于迭代学习控制的有源电子梯形电路的控制方法 | |
CN110414565B (zh) | 一种用于功率放大器的基于Group Lasso的神经网络裁剪方法 | |
CN113315164A (zh) | 无功电压控制方法和装置、介质以及计算装置 | |
CN110515418B (zh) | 一种光伏系统全局最大功率点的确定方法及跟踪方法 | |
CN116706657A (zh) | 一种用于激光相干合成系统的改进spgd方法 | |
CN104466681B (zh) | 一种光纤放大器的串级控制系统 | |
CN112523929B (zh) | 导叶开度模拟量分段开环控制与调速器pid闭环控制相结合的控制方法及系统 | |
CN109212972B (zh) | 间歇过程的受限滚动时域混杂2d跟踪控制方法 | |
CN110309482B (zh) | 一种快收敛、高精度的相位恢复方法 | |
Ladaci et al. | Fractional order multiple model adaptive control | |
CN114172149B (zh) | 一种分布式发电集群自治控制方法及系统 | |
CN113270867B (zh) | 一种薄弱电网潮流无解自动调整方法 | |
CN104777607B (zh) | 一种基于模式分解的自适应光学控制方法 | |
Aslam et al. | Applications of Machine Learning in Photo-Cathode Injectors | |
CN114371618A (zh) | 基于神经网络的扩张状态观测器补偿方法及自抗扰控制器 | |
CN113743806A (zh) | 一种电力系统非凸双目标最优潮流全局解的搜索方法 | |
CN109960307B (zh) | 一种光伏离网逆变器mppt自抗扰控制方法 | |
CN111624765A (zh) | 一种适用于双倾斜镜跟踪系统的分频方法 | |
Kataoka | A smooth power flow model of electric power system with generator reactive power limits taken into consideration | |
CN115236848B (zh) | 一种全口径高精度变形镜控制方法及装置 | |
Tian et al. | Variable gain iterative learning control with initial error correction | |
CN114721145B (zh) | 一种用于提高水平激光通信spgd算法校正精度的方法 | |
Yu et al. | Improved variable step-size least mean square algorithm based on Sigmoid function | |
Luo et al. | Coherent optical link phase noise control based on SPGD algorithm with optimal estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |