CN116810188B - 一种激光器控制方法及系统 - Google Patents
一种激光器控制方法及系统 Download PDFInfo
- Publication number
- CN116810188B CN116810188B CN202311102895.5A CN202311102895A CN116810188B CN 116810188 B CN116810188 B CN 116810188B CN 202311102895 A CN202311102895 A CN 202311102895A CN 116810188 B CN116810188 B CN 116810188B
- Authority
- CN
- China
- Prior art keywords
- eagle
- optimization algorithm
- perch
- initial
- laser
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 79
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 241000269799 Perca fluviatilis Species 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005553 drilling Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 230000003287 optical effect Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000560 biocompatible material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000002086 nanomaterial Substances 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/38—Removing material by boring or cutting
- B23K26/382—Removing material by boring or cutting by boring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
- B23K26/702—Auxiliary equipment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Lasers (AREA)
Abstract
本发明公开了一种激光器控制方法及系统。其中，所述方法包括：利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。本发明提供一种激光器控制方法及系统，解决了在实际的光路系统中，整形出的多光束均匀度会受到光学系统的限制，远低于理论值的计算问题。
Description
技术领域
本发明涉及激光加工技术领域，尤其涉及一种激光器控制方法及系统。
背景技术
超快激光直写三维微纳加工，是一种利用聚焦后的超短脉冲与物质发生非线性相互作用，可在亚波长的尺度上实现光物理和光化学反应的微纳制造技术。超快激光直写技术具有以下优点：加工精度高，可以达到纳米级别的加工精度，其中飞秒量级的激光脉冲配合显微物镜的紧聚焦，可获得极高的光子密度，实现多光子吸收微纳加工，并且热影响效应小，属于“冷加工”技术，从而可实现超分辨微纳加工；非接触、无掩膜，超快激光加工中不需要复杂的掩膜版，由三维精密压电平台或者振镜配合使激光焦点在样品上进行扫描便可得到任意图形的三维微纳结构；无损，可在室温、低温环境下加工，超快激光与物质相互作用的范围只集中在焦点附近，与样品接触面积很小，对样品产生的损伤较小，并且环境条件不需要像某些传统的微纳加工技术一样需要严格的真空环境。加工对象广泛，不仅可以微纳加工金属结构、光刻胶等材料，还可以应用于加工生物兼容材料或者如蛋白质等生物组织。超快激光直写技术由于其优异的性能使其在精密机械制造、微纳电子学、微纳光学、组织工程、生物医学工程等领域具有广泛的应用前景。
在实际的光路系统中，整形出的多光束均匀度会受到光学系统的限制，远低于理论值。
发明内容
为了解决上述提出的至少一个技术问题，本发明提供一种激光器控制方法及系统。
第一方面，提供一种激光器控制方法，包括：
利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；
利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；
利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。
优选地，设置多光束的数量与排列方式后，随机生成多个不同的初始值；
在延迟接受算法中代入初始值得到对应的计算全息图，将 CGH 加载到的光路中，采用面阵相机对重建光场的每一束光强进行测量，并计算多光束的均匀度作为每一个体的适应度；
通过鹰栖息优化算法进行选择、迭代与更新，完成对群体的一次更新，最后选取适应度最高的个体生成的计算全息图作为所述鹰栖息优化算法的解。
优选地，所述初始值由光源的初始相位 φsource由目标光场 Φtarget 作傅里叶逆变换并取相位得到。
优选地，通过随机反向学习策略来提高初始种群位置质量，初始化种群的步骤为在鹰群一组初始解生成后，依据初始解产生反向解，然后分别计算反向解与初始值的适应度值，适应度值较优的反向解将对应的较劣初始解替换掉，以组成新的初始化种群。
优选地，根据多光束阵列中强度最大的光束的强度和是多光束阵列中强度最小的光束的强度获取所述鹰栖息优化算法的的适应度。
优选地，在鹰群位置迭代更新阶段，通过引入自适应t分布更新位置来防止所述鹰栖息优化算法后期陷入局部最优；自适应 t 分布更新位置的步骤为， 在鹰群位置每次迭代更新时会有一定概率 ε 进行一次基于 t 分布的更新，如果依据 t 分布更新后的位置适应度值优于之前一代，则将对应的位置替换。
第二方面，提供一种激光器控制系统，包括：
分束模块，用于利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；
光束生成模块，用于利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；
发射模块，用于利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。
第三方面，提供了一种电子设备，包括：处理器、发送装置、输入装置、输出装置和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如上述的光储充一体化系统的储能装置容量最优配置方法。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行如上述的光储充一体化系统的储能装置容量最优配置方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1为本申请实施例提供的一种激光器控制方法的流程示意图；
图2为本申请实施例提供的一种激光器控制方法的基于反馈补偿的鹰栖息优化算法的流程示意图；
图3为本申请实施例提供的一种激光器控制系统的结构示意图；
图4为本申请实施例提供的一种激光器控制系统的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
另外，为了更好地说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样能够实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。
实施例1
本申请提供一种激光器控制方法，如图1-2所示，包括：步骤101，利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；
具体的，重建光场是由光路中的反馈相机拍摄得到的而不是通过算法重建得到的，初始值（个体）的选取也作了相应的简化，Φtarget为目标光场的复振幅，可以表示为式中：Atarget 和 φtarget 分别是目标光场的振幅与随机生成的相位。在反馈补偿的鹰栖息优化算法算法中光源的初始相位 φsource由目标光场 Φtarget 作傅里叶逆变换并取相位得到，作为初始值参与反馈补偿的鹰栖息优化算法的迭代运算：
φsource = arg [ F(-1 )( Φtarget )]， 式中：F(-1 )(·) 表示傅里叶逆变换；
arg (·) 表示取复数辅角。
具体地，通过随机反向学习策略来提高初始种群位置质量，初始化种群的步骤为在鹰群一组初始解生成后，依据初始解产生反向解，然后分别计算反向解与初始值的适应度值，适应度值较优的反向解将对应的较劣初始解替换掉，以组成新的初始化种群。具体地，反向解的计算公式如下所示：
其中 lb和 ub分别寻优域的下边界和上边界，r 为（0，1）之间的随机数；Xi为初始位置。
步骤201，利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；
步骤301，利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。
本申请通过利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。所提出的方法可以对任意形式排列的多光束进行高均匀性整形，对光路系统精度要求不高，并且通过动态变焦的方式获得了在一定焦深范围内的分束均匀度较高的阵列多光束分布。所提出的方法可获得任意排列方式的光束分布，显著提高了分束均匀性，可应用于高质量超快激光的并行加工。
优选地，鹰栖息优化算法具体为：步骤101a，设置多光束的数量与排列方式后，随机生成多个不同的初始值；
步骤101b，在延迟接受算法中代入初始值得到对应的计算全息图，将 CGH 加载到的光路中，采用面阵相机对重建光场的每一束光强进行测量，并计算多光束的均匀度作为每一个体的适应度；
具体地，光束的均匀度η定义为：
式中：Imax 是多光束阵列中强度最大的光束的强度；Imin是多光束阵列中强度最小的光束的强度。
步骤101c，通过鹰栖息优化算法进行选择、迭代与更新，完成对群体的一次更新，最后选取适应度最高的个体生成的计算全息图作为所述鹰栖息优化算法的解。
优选地，所述初始值由光源的初始相位 φsource由目标光场 Φtarget 作傅里叶逆变换并取相位得到。
具体的，重建光场是由光路中的反馈相机拍摄得到的而不是通过算法重建得到的，初始值（个体）的选取也作了相应的简化，Φtarget为目标光场的复振幅，可以表示为式中：Atarget 和 φtarget 分别是目标光场的振幅与随机生成的相位。在反馈补偿的鹰栖息优化算法算法中光源的初始相位 φsource由目标光场 Φtarget 作傅里叶逆变换并取相位得到，作为初始值参与反馈补偿的鹰栖息优化算法的迭代运算：
φsource = arg [ F(-1 )( Φtarget )]， 式中：F(-1 )(·) 表示傅里叶逆变换；
arg (·) 表示取复数辅角
优选地，根据多光束阵列中强度最大的光束的强度和是多光束阵列中强度最小的光束的强度获取所述鹰栖息优化算法的的适应度。
光束的均匀度η定义为：
式中：Imax 是多光束阵列中强度最大的光束的强度；Imin是多光束阵列中强度最小的光束的强度。
优选地，在鹰群位置迭代更新阶段，通过引入自适应t分布更新位置来防止所述鹰栖息优化算法后期陷入局部最优；自适应 t 分布更新位置的步骤为， 在鹰群位置每次迭代更新时会有一定概率 ε 进行一次基于 t 分布的更新，如果依据 t 分布更新后的位置适应度值优于之前一代，则将对应的位置替换。
含有自由度为 n 的 t 分布概率密度函数如下所示：
；
自适应 t 分布更新位置的步骤为， 在鹰群位置每次迭代更新时会有一定概率 ε进行一次基于 t 分布的更新，如果依据 t 分布更新后的位置适应度值优于之前一代，则将对应的位置替换。 t 分布的位置更新公式如下所示，式中，t（n）为自由度为 n 的t 分布，n 为当前迭代的次数；
其中，为 n+1 代第 i 个老鹰的位置和/>为 n代第 i 个老鹰的位置。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的提供一种激光器控制系统，如图3所示，包括：
分束模块100，用于利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；
光束生成模块200，用于利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；
发射模块300，用于利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。
本申请通过利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，鹰栖息优化算法结合与相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔。所提出的方法可以对任意形式排列的多光束进行高均匀性整形，对光路系统精度要求不高，并且通过动态变焦的方式获得了在一定焦深范围内的分束均匀度较高的阵列多光束分布。所提出的方法可获得任意排列方式的光束分布，显著提高了分束均匀性，可应用于高质量超快激光的并行加工。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本申请还提供了一种电子设备，包括：处理器、发送装置、输入装置、输出装置和存储器，存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当处理器执行计算机指令时，电子设备执行如上述任意一种可能实现的方式的方法。
本申请还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序包括程序指令，程序指令当被电子设备的处理器执行时，使处理器执行如上述任意一种可能实现的方式的方法。
请参阅图4，图4为本申请实施例提供的一种消息推送装置的硬件结构示意图。
该自动化测试装置2包括处理器21，存储器22，输入装置23，输出装置24。该处理器21、存储器22、输入装置23和输出装置24通过连接器相耦合，该连接器包括各类接口、传输线或总线等等，本申请实施例对此不作限定。应当理解，本申请的各个实施例中，耦合是指通过特定方式的相互联系，包括直接相连或者通过其他设备间接相连，例如可以通过各类接口、传输线、总线等相连。
处理器21可以是一个或多个图形处理器（graphicsprocessingunit，GPU），在处理器21是一个GPU的情况下，该GPU可以是单核GPU，也可以是多核GPU。可选的，处理器21可以是多个GPU构成的处理器组，多个处理器之间通过一个或多个总线彼此耦合。可选的，该处理器还可以为其他类型的处理器等等，本申请实施例不作限定。
存储器22可用于存储计算机程序指令，以及用于执行本申请方案的程序代码在内的各类计算机程序代码。可选地，存储器包括但不限于是随机存储记忆体（randomaccessmemory，RAM）、只读存储器（read-onlymemory，ROM）、可擦除可编程只读存储器（erasableprogrammablereadonlymemory，EPROM）、或便携式只读存储器（compactdiscread-onlymemory，CD-ROM），该存储器用于相关指令及数据。
输入装置23用于输入数据和/或信号，以及输出装置24用于输出数据和/或信号。输出装置23和输入装置24可以是独立的器件，也可以是一个整体的器件。
可理解，本申请实施例中，存储器22不仅可用于存储相关指令，本申请实施例对于该存储器中具体所存储的数据不作限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。所属领域的技术人员还可以清楚地了解到，本申请各个实施例描述各有侧重，为描述的方便和简洁，相同或类似的部分在不同实施例中可能没有赘述，因此，在某一实施例未描述或未详细描述的部分可以参见其他实施例的记载。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者通过计算机可读存储介质进行传输。计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digitalsubscriberline，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘（digitalversatiledisc，DVD）)、或者半导体介质（例如固态硬盘（solidstatedisk，SSD））等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器（read-onlymemory，ROM）或随机存储存储器（randomaccessmemory，RAM）、磁碟或者光盘等各种可存储程序代码的介质。
Claims (8)
1.一种激光器控制方法，其特征在于，包括：
利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，将相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；
利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；
利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔；
设置多光束的数量与排列方式后，随机生成多个不同的初始值；
在延迟接受算法中代入初始值得到对应的计算全息图，将计算全息图加载到的光路中，采用面阵相机对重建光场的每一束光强进行测量，并计算多光束的均匀度作为每一个体的适应度；
通过鹰栖息优化算法进行选择、迭代与更新，完成对群体的一次更新，最后选取适应度最高的个体生成的计算全息图作为所述鹰栖息优化算法的解。
2.根据权利要求1所述的一种激光器控制方法，其特征在于，所述初始值由光源的初始相位φsource由目标光场Φtarget作傅里叶逆变换并取相位得到。
3.根据权利要求2所述的一种激光器控制方法，其特征在于，通过随机反向学习策略来提高初始种群位置质量，初始化种群的步骤为在鹰群一组初始解生成后，依据初始解产生反向解，然后分别计算反向解与初始值的适应度值，适应度值较优的反向解将对应的较劣初始解替换掉，以组成新的初始化种群。
4.根据权利要求1所述的一种激光器控制方法，其特征在于，根据多光束阵列中强度最大的光束的强度和多光束阵列中强度最小的光束的强度获取所述鹰栖息优化算法的的适应度。
5.根据权利要求1所述的一种激光器控制方法，其特征在于，在鹰群位置迭代更新阶段，通过引入自适应t分布更新位置来防止所述鹰栖息优化算法后期陷入局部最优；自适应t分布更新位置的步骤为，在鹰群位置每次迭代更新时会有一定概率ε进行一次基于t分布的更新，如果依据t分布更新后的位置适应度值优于之前一代，则将对应的位置替换。
6.一种激光器控制系统，其特征在于，包括：
分束模块，用于利用基于反馈补偿的鹰栖息优化算法对皮秒激光进行分束；其中，将相机反馈的结果作为鹰栖息优化算法中个体的适应度函数；
光束生成模块，用于利用鹰栖息优化算法对输入到延迟接受算法的初始值群体进行多次选择、迭代与更新，获得光束均匀性大于预设值的图形化多光束与阵列多光束；
发射模块，用于利用基于反馈补偿的鹰栖息优化算法获得的阵列多光束进行激光精密打孔；
设置多光束的数量与排列方式后，随机生成多个不同的初始值；
在延迟接受算法中代入初始值得到对应的计算全息图，将计算全息图加载到的光路中，采用面阵相机对重建光场的每一束光强进行测量，并计算多光束的均匀度作为每一个体的适应度；
通过鹰栖息优化算法进行选择、迭代与更新，完成对群体的一次更新，最后选取适应度最高的个体生成的计算全息图作为所述鹰栖息优化算法的解。
7.一种电子设备，其特征在于，包括：处理器、发送装置、输入装置、输出装置和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行权利要求1至5中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311102895.5A CN116810188B (zh) | 2023-08-30 | 2023-08-30 | 一种激光器控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311102895.5A CN116810188B (zh) | 2023-08-30 | 2023-08-30 | 一种激光器控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116810188A CN116810188A (zh) | 2023-09-29 |
| CN116810188B true CN116810188B (zh) | 2024-01-09 |
Family
ID=88117042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311102895.5A Active CN116810188B (zh) | 2023-08-30 | 2023-08-30 | 一种激光器控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116810188B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960826A (zh) * | 2021-06-10 | 2022-01-21 | 北京航空航天大学 | 一种抽运激光的光束整形方法及装置 |
| CN114841642A (zh) * | 2022-04-27 | 2022-08-02 | 红云红河烟草(集团)有限责任公司 | 基于鹰栖息优化的辅料入库货位分配方法 |
| CN115587544A (zh) * | 2022-11-09 | 2023-01-10 | 贵州电网有限责任公司 | 基于改进哈里斯鹰优化算法的光伏模型的参数识别方法 |
| CN116387957A (zh) * | 2023-03-13 | 2023-07-04 | 中国科学院微电子研究所 | 一种激光器系统及激光器的输出控制方法、存储介质 |
| CN116608855A (zh) * | 2023-03-15 | 2023-08-18 | 宁波大学 | 一种基于改进哈里斯鹰算法的机器人路径规划方法 |
| CN116663415A (zh) * | 2023-06-01 | 2023-08-29 | 湖南恩智测控技术有限公司 | 改进哈里斯鹰优化算法的svg模型参数辨识方法及系统 |
| CN116663397A (zh) * | 2023-05-05 | 2023-08-29 | 唐山学院 | 一种大型光伏发电系统的mppt控制方法 |
-
2023
- 2023-08-30 CN CN202311102895.5A patent/CN116810188B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960826A (zh) * | 2021-06-10 | 2022-01-21 | 北京航空航天大学 | 一种抽运激光的光束整形方法及装置 |
| CN114841642A (zh) * | 2022-04-27 | 2022-08-02 | 红云红河烟草(集团)有限责任公司 | 基于鹰栖息优化的辅料入库货位分配方法 |
| CN115587544A (zh) * | 2022-11-09 | 2023-01-10 | 贵州电网有限责任公司 | 基于改进哈里斯鹰优化算法的光伏模型的参数识别方法 |
| CN116387957A (zh) * | 2023-03-13 | 2023-07-04 | 中国科学院微电子研究所 | 一种激光器系统及激光器的输出控制方法、存储介质 |
| CN116608855A (zh) * | 2023-03-15 | 2023-08-18 | 宁波大学 | 一种基于改进哈里斯鹰算法的机器人路径规划方法 |
| CN116663397A (zh) * | 2023-05-05 | 2023-08-29 | 唐山学院 | 一种大型光伏发电系统的mppt控制方法 |
| CN116663415A (zh) * | 2023-06-01 | 2023-08-29 | 湖南恩智测控技术有限公司 | 改进哈里斯鹰优化算法的svg模型参数辨识方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116810188A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112578498B (zh) | 一种飞秒激光焦点阵列直写圆形波导并实现稳定耦合的方法及应用 | |
| CN107329274A (zh) | 基于g‑s算法产生艾里光束的装置及其方法 | |
| CN1987546A (zh) | 一种利用变形镜实现光束自动整形的装置 | |
| CN109802291B (zh) | 基于深度学习的光纤激光分孔径相干合成相位控制方法 | |
| CN116810188B (zh) | 一种激光器控制方法及系统 | |
| WO2014031797A1 (en) | Correcting undesired distortions or aberrations and generating desired wavefronts in optical imaging, sensing, signaling and other applications based on bi-valued walsh functions | |
| CN109683239B (zh) | 光子集成芯片内矢量涡旋光束辐射器及其应用 | |
| Nemoto et al. | Optimum control of the laser beam intensity profile with a deformable mirror | |
| CN109633916B (zh) | 一种基于bar条的阵列局域空心光束系统 | |
| CN109633803B (zh) | 一种多焦点波带片及构造方法 | |
| Wang et al. | On-demand inverse design of acoustic metamaterials using probabilistic generation network | |
| Hegde | Deep neural network (DNN) surrogate models for the accelerated design of optical devices and systems: moving beyond fully-connected feed forward architectures | |
| Zhou et al. | Optimization of the focusing characteristics of Fresnel zone plates fabricated with a femtosecond laser | |
| Yang et al. | An adaptive laser beam shaping technique based on a genetic algorithm | |
| CN113252613B (zh) | 一种基于波前整形的散射介质吸收增强装置及方法 | |
| CN114647081A (zh) | 基于神经网络的衍射光学元件及其设计方法 | |
| Filimonov et al. | Performance analysis of a coherent tiled fiber-array beam director with near-field phase locking and programmable control of tip/tilt and piston phases | |
| CN108709872A (zh) | 一种散射介质内多波长激光同时补偿聚焦成像方法 | |
| CN114035300A (zh) | 大容量空间光通信链路下基于变焦透镜的自适应校正方法 | |
| CN106773077A (zh) | 一种基于液晶相位控制法的阵列分束方法及系统 | |
| Avanaki et al. | Sensor-less aberration correction in optical imaging systems using blind optimization | |
| Yang et al. | A wavefront sensor-less adaptive optical system for a solid-state laser | |
| Castaneda et al. | Learning-based Quantitative Phase Imaging in Digital Holographic Microscopy: a comparison study between different models | |
| CN112872582A (zh) | 连续可调大尺寸整形系统以及方法 | |
| CN115826254B (zh) | 一种平顶光束调制方法、系统及存储介质 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20230929 Assignee: SUZHOU INNGU LASER Co.,Ltd. Assignor: Shenzhen Yinggu Laser Co.,Ltd. Contract record no.: X2024980001955 Denomination of invention: A Laser Control Method and System Granted publication date: 20240109 License type: Common License Record date: 20240205 |