CN116720232B - 一种用于选择光纤激光器组件的方法 - Google Patents

一种用于选择光纤激光器组件的方法 Download PDF

Info

Publication number
CN116720232B
CN116720232B CN202310696701.2A CN202310696701A CN116720232B CN 116720232 B CN116720232 B CN 116720232B CN 202310696701 A CN202310696701 A CN 202310696701A CN 116720232 B CN116720232 B CN 116720232B
Authority
CN
China
Prior art keywords
fiber laser
attribute
target
component
preset
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.)
Active
Application number
CN202310696701.2A
Other languages
English (en)
Other versions
CN116720232A (zh
Inventor
潘伟巍
董金岩
张磊
李利军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Precilasers Co ltd
Original Assignee
Precilasers Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Precilasers Co ltd filed Critical Precilasers Co ltd
Priority to CN202310696701.2A priority Critical patent/CN116720232B/zh
Publication of CN116720232A publication Critical patent/CN116720232A/zh
Application granted granted Critical
Publication of CN116720232B publication Critical patent/CN116720232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H01S3/05—Construction or shape of optical resonators; Accommodation of active medium therein; Shape of active medium
    • H01S3/06—Construction or shape of active medium
    • H01S3/063—Waveguide lasers, i.e. whereby the dimensions of the waveguide are of the order of the light wavelength
    • H01S3/067—Fibre lasers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Electromagnetism (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Lasers (AREA)

Abstract

本发明提供了一种用于选择光纤激光器组件的方法，涉及光纤激光器技术领域。该方法包括：获取预设光纤激光器组件信息列表D；遍历D，获取目标激光器波长对应的第一光纤激光器组件信息列表D0；建立光纤激光器的属性空间，在所述属性空间中建立目标光纤激光器样本和每一D0 r对应的光纤激光器组件样本；获取目标光纤激光器样本在属性空间中的K近邻密度；遍历D0，根据D0 r对应的光纤激光器组件与目标光纤激光器的属性相似度、属性相似度权重、D0 r对应的空间优先级和空间优先级权重获取D0 r与目标光纤激光器的匹配度；将D0中对应的匹配度最大的光纤激光器组件信息作为目标光纤激光器的信息。本发明实现了对光纤激光器选择的优化。

Description

一种用于选择光纤激光器组件的方法
技术领域
本发明涉及光纤激光器技术领域，特别是涉及一种用于选择光纤激光器组件的方法。
背景技术
光纤激光器是一种重要的激光器件，其利用了光纤的优异性能，具有很多优点，比如：高能量密度、宽带宽、高稳定性、低噪声。光纤激光器波长是指光纤激光器输出的激光波长，不同的光纤激光器对应的光纤激光器的波长不同，用户可以根据需求选择不同的光纤激光器。光纤激光器组件是指光纤激光器内部的元器件的集合，不同光纤激光器对应的光纤激光器组件也存在差异，如何选择光纤激光器组件以满足用户对光纤激光器的需求，是亟待解决的问题。
发明内容
针对上述技术问题，本发明采用的技术方案为：一种用于选择光纤激光器组件的方法，包括以下步骤：
S100，获取目标光纤激光器波长和目标光纤激光器属性；所述属性包括最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度和RMS功率稳定性中的至少两种。
S200，获取预设光纤激光器组件信息列表D=(D1，D2，…，Dq，…，DQ)，Dq为第q个预设激光器波长对应的光纤激光器组件信息，q=1，2，…，Q；Q为预设光纤激光器波长的数量；Dq=(Dq,1，Dq,2，…，Dq,r，…，Dq,R)，Dq,r为第q个预设激光器波长对应的第r个光纤激光器组件信息，r=1，2，…，R；R为第q个预设激光器波长对应的光纤激光器组件的数量；光纤激光器组件信息包括光纤激光器组件对应的元器件类型、光纤激光器组件对应的元器件之间的连接关系、光纤激光器组件对应的波长和光纤激光器组件对应的属性。
S300，遍历D，如果Dq对应的激光器波长与目标激光器波长一致，则获取目标激光器波长对应的第一光纤激光器组件信息列表D0=(D0 1，D0 2，…，D0 r，…，D0 R)，D0 r为目标激光器波长对应的第r个光纤激光器组件信息，D0 r=Dq,r。
S400，建立光纤激光器的属性空间，所述属性空间的维数为光纤激光器组件对应的属性的数量，每一维对应光纤激光器组件的一个属性。
S500，在所述属性空间中建立目标光纤激光器样本和每一D0 r对应的光纤激光器组件样本。
S600，获取目标光纤激光器样本在所述属性空间中的K近邻密度；K为预设数量。
S700，遍历D0，根据D0 r对应的光纤激光器组件与目标光纤激光器的属性相似度、属性相似度权重p1、D0 r对应的空间优先级和空间优先级权重p2获取D0 r与目标光纤激光器的匹配度；所述属性相似度权重与所述K近邻密度负相关；所述D0 r对应的空间优先级与D0 r对应的体积负相关；p1+p2=1。
S800，将D0中对应的匹配度最大的光纤激光器组件信息作为目标光纤激光器的信息。
本发明的有益效果至少包括：
本发明预先构建了预设光纤激光器组件信息列表D，D中存储的是若干光纤激光器波长对应的光纤激光器组件信息，每一光纤激光器波长对应的每一光纤激光器组件信息可实现生产该光纤激光器波长的激光的目的，本发明根据目标光纤激光器波长从D中筛选出了与目标光纤激光器波长一致的波长对应的光纤激光器组件信息；在此基础上，本发明通过构建属性空间，在属性空间中建立上述筛选出的每一光纤激光器组件样本和目标光纤激光器样本，进而获得了目标光纤激光器样本在所述属性空间中的K近邻密度，当K近邻密度大于预设密度值时，说明上述筛选出的光纤激光器组件之间的属性差异性较小且筛选出的光纤激光器组件的属性与目标激光器的属性差异也较小；本发明在K近邻密度大于预设密度值的情况下，设置属性相似度权重与所述K近邻密度负相关，以在筛选出的光纤激光器组件中存在较多的光纤激光器组件与目标光纤激光器的属性较为相似的情况下，增加对光纤激光器组件占用空间因素的考虑，使最终筛选出的光纤激光器组件在与目标激光器属性较为匹配的基础上对空间占用的也比较小，综合性能较优，有利于提高了用户的满意度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述以及其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的用于选择光纤激光器组件的方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本实施例提供了一种用于选择光纤激光器组件的方法，包括以下步骤：
S100，获取目标光纤激光器波长和目标光纤激光器属性；所述属性包括最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度和RMS功率稳定性中的至少两种。
具体的，所述目标激光器的波长是指用户输入的激光器的波长。
具体的，所述目标光纤激光器属性是指用户输入的光纤激光器属性。
S200，获取预设光纤激光器组件信息列表D=(D1，D2，…，Dq，…，DQ)，Dq为第q个预设激光器波长对应的光纤激光器组件信息，q=1，2，…，Q；Q为预设光纤激光器波长的数量；Dq=(Dq,1，Dq,2，…，Dq,r，…，Dq,R)，Dq,r为第q个预设激光器波长对应的第r个光纤激光器组件信息，r=1，2，…，R；R为第q个预设激光器波长对应的光纤激光器组件的数量；光纤激光器组件信息包括光纤激光器组件对应的元器件类型、光纤激光器组件对应的元器件之间的连接关系、光纤激光器组件对应的波长和光纤激光器组件对应的属性。
根据本发明，生产同一波长的光纤激光器的方式并不唯一，同一预设光纤激光器波长对应的光纤激光器组件的数量可能大于等于2，同一预设光纤激光器波长对应的每一光纤激光器组件都可单独用于生产该预设光纤激光器波长的光纤激光器，同一预设光纤激光器波长对应的不同光纤激光器组件对应的是不同的元器件组合和组合中各元器件之间的连接方式。
根据本发明，每一光纤激光器组件信息包括用于生产对应光纤激光器波长的激光器的所有元器件和该所有元器件之间的连接关系；按照所述连接关系对该所有元器件进行连接，得到的光纤激光器即可产生对应的激光器波长以及具体对应的属性。
需要说明的是，每一预设光纤激光器组件对应的属性与用户输入的光纤激光器属性相同，例如，每一预设光纤激光器组件对应的属性包括最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度和RMS功率稳定性，用户输入的光纤激光器属性也包括最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度和RMS功率稳定性。
S300，遍历D，如果Dq对应的激光器波长与目标激光器波长一致，则获取目标激光器波长对应的第一光纤激光器组件信息列表D0=(D0 1，D0 2，…，D0 r，…，D0 R)，D0 r为目标激光器波长对应的第r个光纤激光器组件信息，D0 r=Dq,r。
S400，建立光纤激光器的属性空间，所述属性空间的维数为光纤激光器组件对应的属性的数量，每一维对应光纤激光器组件的一个属性。
S500，在所述属性空间中建立目标光纤激光器样本和每一D0 r对应的光纤激光器组件样本。
根据本发明，建立光纤激光器的属性空间，该属性空间为高维空间，该高维空间的每一维对应一个属性，每个预设光纤激光器组件和目标光纤激光器均为该高维空间中的一个样本点，两个样本点之间的距离越小，两样本点对应的属性越相似。
S600，获取目标光纤激光器样本在所述属性空间中的K近邻密度；如果K近邻密度大于预设密度值；则进入S700；K为预设数量。
根据本发明，预设密度值为经验值，可选的，预设密度值大于等于0.9。如果K近邻密度大于预设密度值，说明D0中与目标光纤激光器属性较为相似的光纤激光器组件较多，且这些光纤激光器组件之间的差异也较小；在这种情况下，可以减少选择光纤激光器组件时对光纤激光器组件的属性因素的考虑，增加其他因素的考虑，以为用户筛选出综合性能较优的光纤激光器组件。如果K近邻密度不大于预设密度值，说明D0中与目标光纤激光器属性较为相似的光纤激光器组件较少，则将光线激光器组件的属性是否与目标光纤激光器属性相似作为最重要的考率因素，这种情况下，直接将D0中与目标激光器属性最为相似的光纤激光器组件信息作为目标光纤激光器信息，不再执行S700及后续的步骤。
具体的，S600包括以下步骤：
S610，遍历D0，将D0 r与目标光纤激光器的属性相似度追加至属性相似度列表，得到属性相似度列表F0=(f0 1，f0 2，…，f0 r，…，f0 R)，f0 r为D0 r与目标光纤激光器的属性相似度；属性相似度列表的初始化为Null；f0 r=sim(er,e0)，er为D0 r对应的属性向量，e0为目标光纤激光器的属性向量，sim( )为求相似度，er和e0中每一元素对应一个属性。
可选的，相似度为余弦相似度。本领域技术人员知悉，现有技术中任何的计算向量之间相似度的方法均落入本发明的保护范围。
需要说明的是，不同光纤激光器组件对应的属性向量和目标光纤激光器的属性向量中相同位置的元素对应的是相同的属性，属性向量中各属性对应的元素为该属性的值与该属性对应的权重之积，属性对应的权重由用户根据经验设置。
S620，获取F0中属性相似度最大的前K个属性相似度的均值，将所述均值作为目标光纤激光器样本在所述属性空间中的K近邻密度。
S700，遍历D0，根据D0 r对应的光纤激光器组件与目标光纤激光器的属性相似度、属性相似度权重p1、D0 r对应的空间优先级和空间优先级权重p2获取D0 r与目标光纤激光器的匹配度；所述属性相似度权重与所述K近邻密度负相关；所述D0 r对应的空间优先级与D0 r对应的体积负相关；p1+p2=1。
优选的，p1=e-x/(ｕ+e-x)，x为目标光纤激光器样本在所述属性空间中的K近邻密度，ｕ为预设系数，0.1≤ｕ≤0.4。
可选的，D0 r对应的体积的获取方法包括以下步骤：
S711，获取预设元器件信息列表A =(A1，A2，…，Af，…，AF)，Af为光纤激光器的第f个预设元器件信息，f=1，2，…，F；F为光纤激光器的预设元器件数量；元器件信息包括该元器件对应的器件类型和该元器件对应的长度、宽度和高度。
需要说明的是，预设元器件信息列表A中预设元器件均为生产光纤激光器所需的元器件，且预设元器件信息列表A中不同预设元器件可用于生产不同波长对应的光纤激光器。根据本实施例，用于构成不同波长的光纤激光器的元器件的信息均可在预设元器件信息列表A中找到。
S712，遍历D0，获取D0 r对应的元器件列表DD0 r=(DD0 r,1，DD0 r,2，……，DD0 r,a，…，DD0 r,b)，DD0 r,a为D0 r对应的第a个元器件，a=1，2，…，b；b为D0 r对应的元器件数量。
S713，遍历DD0 r，如果DD0 r,a与Af对应的元器件一致时，则将Af作为DD0 r,a对应的元器件信息。
S714，根据DD0 r,a对应的元器件信息获取DD0 r,a对应的元器件体积V0 r,a。
具体的，V0 r,a为DD0 r,a对应的元器件的长度、宽度和高度之积。
S715，获取D0 r对应的体积V0 r，V0 r=∑b a=1V0 r,a。
可选的，D0 r对应的空间优先级为gr，，V0 r的单位为立方米。
S800，将D0中对应的匹配度最大的光纤激光器组件信息作为目标光纤激光器的信息。
根据本发明，用户根据D0中对应的匹配度最大的光纤激光器组件信息即可知晓利用哪些元器件进行光纤激光器生产以及如何设置元器件之间的连接关系才能够得到目标光纤激光器对应的波长、基本满足目标光纤激光器的属性需求和占用空间较小的光纤激光器。
本发明预先构建了预设光纤激光器组件信息列表D，D中存储的是若干光纤激光器波长对应的光纤激光器组件信息，每一光纤激光器波长对应的每一光纤激光器组件信息可实现生产该光纤激光器波长的激光的目的，本发明根据目标光纤激光器波长从D中筛选出了与目标光纤激光器波长一致的波长对应的光纤激光器组件信息；在此基础上，本发明通过构建属性空间，在属性空间中建立上述筛选出的每一光纤激光器组件样本和目标光纤激光器样本，进而获得了目标光纤激光器样本在所述属性空间中的K近邻密度，当K近邻密度大于预设密度值时，说明上述筛选出的光纤激光器组件之间的属性差异性较小且筛选出的光纤激光器组件的属性与目标激光器的属性差异也较小；本发明在K近邻密度大于预设密度值的情况下，设置属性相似度权重与所述K近邻密度负相关，以在筛选出的光纤激光器组件中存在较多的光纤激光器组件与目标光纤激光器的属性较为相似的情况下，增加对光纤激光器组件占用空间因素的考虑，使最终筛选出的光纤激光器组件在与目标激光器属性较为匹配的基础上对空间占用的也比较小，有利于提高了用户的满意度。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明公开的范围由所附权利要求来限定。

Claims (7)

1.一种用于选择光纤激光器组件的方法，其特征在于，包括以下步骤：
S100，获取目标光纤激光器波长和目标光纤激光器属性；所述属性包括最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度和RMS功率稳定性中的至少两种；
S200，获取预设光纤激光器组件信息列表D=(D1，D2，…，Dq，…，DQ)，Dq为第q个预设激光器波长对应的光纤激光器组件信息，q=1，2，…，Q；Q为预设光纤激光器波长的数量；Dq=(Dq,1，Dq,2，…，Dq,r，…，Dq,R)，Dq,r为第q个预设激光器波长对应的第r个光纤激光器组件信息，r=1，2，…，R；R为第q个预设激光器波长对应的光纤激光器组件的数量；光纤激光器组件信息包括光纤激光器组件对应的元器件类型、光纤激光器组件对应的元器件之间的连接关系、光纤激光器组件对应的波长和光纤激光器组件对应的属性；
S300，遍历D，如果Dq对应的激光器波长与目标激光器波长一致，则获取目标激光器波长对应的第一光纤激光器组件信息列表D0=(D0 1，D0 2，…，D0 r，…，D0 R)，D0 r为目标激光器波长对应的第r个光纤激光器组件信息，D0 r=Dq,r；
S400，建立光纤激光器的属性空间，所述属性空间的维数为光纤激光器组件对应的属性的数量，每一维对应光纤激光器组件的一个属性；
S500，在所述属性空间中建立目标光纤激光器样本和每一D0 r对应的光纤激光器组件样本；
S600，获取目标光纤激光器样本在所述属性空间中的K近邻密度；如果K近邻密度大于预设密度值；则进入S700；K为预设数量；
S700，遍历D0，根据D0 r对应的光纤激光器组件与目标光纤激光器的属性相似度、属性相似度权重p1、D0 r对应的空间优先级和空间优先级权重p2获取D0 r与目标光纤激光器的匹配度；所述属性相似度权重与所述K近邻密度负相关；所述D0 r对应的空间优先级与D0 r对应的体积负相关；p1+p2=1；
S800，将D0中对应的匹配度最大的光纤激光器组件信息作为目标光纤激光器的信息。
2.根据权利要求1所述的用于选择光纤激光器组件的方法，其特征在于，S600包括以下步骤：
S610，遍历D0，将D0 r与目标光纤激光器的属性相似度追加至属性相似度列表，得到属性相似度列表F0=(f0 1，f0 2，…，f0 r，…，f0 R)，f0 r为D0 r与目标光纤激光器的属性相似度；属性相似度列表的初始化为Null；f0 r=sim(er,e0)，er为D0 r对应的属性向量，e0为目标光纤激光器的属性向量，sim( )为求相似度，er和e0中每一元素对应一个属性；
S620，获取F0中属性相似度最大的前K个属性相似度的均值，将所述均值作为目标光纤激光器样本在所述属性空间中的K近邻密度。
3.根据权利要求2所述的用于选择光纤激光器组件的方法，其特征在于，S700中，p1=e-x/(ｕ+e-x)，x为目标光纤激光器样本在所述属性空间中的K近邻密度，ｕ为预设系数，0.1≤ｕ≤0.4。
4.根据权利要求1所述的用于选择光纤激光器组件的方法，其特征在于，S700中，D0 r对应的体积的获取包括以下步骤：
S711，获取预设元器件信息列表A =(A1，A2，…，Af，…，AF)，Af为光纤激光器的第f个预设元器件信息，f=1，2，…，F；F为光纤激光器的预设元器件数量；元器件信息包括该元器件对应的器件类型和该元器件对应的长度、宽度和高度；
S712，遍历D0，获取D0 r对应的元器件列表DD0 r=(DD0 r,1，DD0 r,2，……，DD0 r,a，…，DD0 r,b)，DD0 r,a为D0 r对应的第a个元器件，a=1，2，…，b；b为D0 r对应的元器件数量；
S713，遍历DD0 r，如果DD0 r,a与Af对应的元器件一致时，则将Af作为DD0 r,a对应的元器件信息；
S714，根据DD0 r,a对应的元器件信息获取DD0 r,a对应的元器件体积V0 r,a；
S715，获取D0 r对应的体积V0 r，V0 r=∑b a=1V0 r,a。
5.根据权利要求2所述的用于选择光纤激光器组件的方法，其特征在于，S610中，相似度为余弦相似度。
6.根据权利要求4所述的用于选择光纤激光器组件的方法，其特征在于，D0 r对应的空间优先级为gr，。
7.根据权利要求4所述的用于选择光纤激光器组件的方法，其特征在于，V0 r,a为DD0 r,a对应的元器件的长度、宽度和高度之积。
CN202310696701.2A 2023-06-13 2023-06-13 一种用于选择光纤激光器组件的方法 Active CN116720232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310696701.2A CN116720232B (zh) 2023-06-13 2023-06-13 一种用于选择光纤激光器组件的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310696701.2A CN116720232B (zh) 2023-06-13 2023-06-13 一种用于选择光纤激光器组件的方法

Publications (2)

Publication Number Publication Date
CN116720232A CN116720232A (zh) 2023-09-08
CN116720232B true CN116720232B (zh) 2023-12-15

Family

ID=87865656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310696701.2A Active CN116720232B (zh) 2023-06-13 2023-06-13 一种用于选择光纤激光器组件的方法

Country Status (1)

Country Link
CN (1) CN116720232B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6389047B1 (en) * 1998-01-30 2002-05-14 Technion Research & Development Foundation Ltd. Wavelength-selectable laser system using cavity resonance frequency, especially useful for fiber optic communication and wavelength division multiplexing
CN101082686A (zh) * 2007-05-29 2007-12-05 电子科技大学 新型光纤参数确定方法
JP2010278030A (ja) * 2009-05-26 2010-12-09 Nippon Telegr & Teleph Corp <Ntt> 半導体装置
JP2012098513A (ja) * 2010-11-02 2012-05-24 Kyoto Institute Of Technology 波長選択フィルタ及びそれを備えたフィルタ装置及びレーザ装置
CN109708846A (zh) * 2019-02-01 2019-05-03 西北核技术研究所 空间用光纤激光器功率特性及纤芯温度受辐射影响的分析方法
CN110994342A (zh) * 2019-12-25 2020-04-10 上海频准激光科技有限公司 基于双波长光纤布拉格光栅的锁模光纤激光器
CN111463649A (zh) * 2020-03-10 2020-07-28 清华大学 一种高功率光纤激光产生装置及其方法
WO2021079184A1 (en) * 2019-10-22 2021-04-29 Agilent Technologies, Inc. Method and system for element identification via optical emission spectroscopy
CN115360569A (zh) * 2022-08-12 2022-11-18 华中科技大学 基于倾斜平行刻写光纤光栅阵列的多波长随机光纤激光器

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678288B2 (en) * 2002-06-10 2004-01-13 The Boeing Company Multi-aperture fiber laser system
US7466726B2 (en) * 2003-10-14 2008-12-16 Polaronyx, Inc. Fast continuously wavelength tuning single frequency fiber laser using tunable polymer optical filters
KR20200030633A (ko) * 2012-07-31 2020-03-20 가부시키가이샤 니콘 레이저 장치, 그 레이저 장치를 구비한 노광 장치 및 검사 장치
JP6985604B2 (ja) * 2018-02-07 2021-12-22 日本電信電話株式会社 光ノード装置
CN110320617B (zh) * 2019-07-04 2020-08-18 武汉光迅科技股份有限公司 一种基于光路位移补偿的发射光功率稳定组件

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6389047B1 (en) * 1998-01-30 2002-05-14 Technion Research & Development Foundation Ltd. Wavelength-selectable laser system using cavity resonance frequency, especially useful for fiber optic communication and wavelength division multiplexing
CN101082686A (zh) * 2007-05-29 2007-12-05 电子科技大学 新型光纤参数确定方法
JP2010278030A (ja) * 2009-05-26 2010-12-09 Nippon Telegr & Teleph Corp <Ntt> 半導体装置
JP2012098513A (ja) * 2010-11-02 2012-05-24 Kyoto Institute Of Technology 波長選択フィルタ及びそれを備えたフィルタ装置及びレーザ装置
CN109708846A (zh) * 2019-02-01 2019-05-03 西北核技术研究所 空间用光纤激光器功率特性及纤芯温度受辐射影响的分析方法
WO2021079184A1 (en) * 2019-10-22 2021-04-29 Agilent Technologies, Inc. Method and system for element identification via optical emission spectroscopy
CN110994342A (zh) * 2019-12-25 2020-04-10 上海频准激光科技有限公司 基于双波长光纤布拉格光栅的锁模光纤激光器
CN111463649A (zh) * 2020-03-10 2020-07-28 清华大学 一种高功率光纤激光产生装置及其方法
CN115360569A (zh) * 2022-08-12 2022-11-18 华中科技大学 基于倾斜平行刻写光纤光栅阵列的多波长随机光纤激光器

Also Published As

Publication number Publication date
CN116720232A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
Graepel et al. Phase transitions in stochastic self-organizing maps
CN113726301B (zh) 一种光纤拉曼放大器动态增益调控方法及设备
CN116720232B (zh) 一种用于选择光纤激光器组件的方法
Liu et al. Optimal design for ultra-broad-band amplifier
CN110533545A (zh) 基于深度稀疏自编码器的边社区发现算法
CN109800815B (zh) 基于随机森林模型的训练方法、小麦识别方法和训练系统
US20070211804A1 (en) Method And Apparatus For The Digitization Of And For The Data Compression Of Analog Signals
US8811156B1 (en) Compressing n-dimensional data
US8301579B2 (en) Fast algorithm for convex optimization with application to density estimation and clustering
Yang et al. Compression for quantum population coding
JP2017158183A (ja) 画像処理装置
Chin et al. Pareco: Pareto-aware channel optimization for slimmable neural networks
Houghten et al. Compression of biological networks using a genetic algorithm with localized merge
Perlin et al. Efficient design method for multi-pump flat-gain fiber Raman amplifiers
Ding et al. Optimizing equivalent circuit model parameters of DFB lasers with RSM model and NSGA-II algorithm
Bastos-Filho et al. Simple design of Raman fiber amplifiers using a multi-objective optimizer
KR20150007928A (ko) 온라인 분석 처리를 위한 그래프 큐브의 생성 방법
Denysiuk et al. MOEA/VAN: multiobjective evolutionary algorithm based on vector angle neighborhood
CN112199892B (zh) 一种按需快速构建超表面的机器学习方法
CN116628286B (zh) 一种图相似性搜索方法、装置及计算机存储介质
CN116720231B (zh) 一种光纤激光器布局的数据处理系统
Panisilvam et al. Asymmetric CycleGANs for inverse design of photonic metastructures
Abdullahi Some estimators and their properties following Kabirian-based optinalysis
Friedrich The Hypervolume Indicator
Han Majorization-Minimization Techniques and Applications in Optimization and Statistical Learning

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
GR01 Patent grant
GR01 Patent grant