CN117033456B - 一种用于光纤激光器的推荐系统 - Google Patents

一种用于光纤激光器的推荐系统 Download PDF

Info

Publication number
CN117033456B
CN117033456B CN202310699666.XA CN202310699666A CN117033456B CN 117033456 B CN117033456 B CN 117033456B CN 202310699666 A CN202310699666 A CN 202310699666A CN 117033456 B CN117033456 B CN 117033456B
Authority
CN
China
Prior art keywords
fiber laser
preset
information
component
components
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
CN202310699666.XA
Other languages
English (en)
Other versions
CN117033456A (zh
Inventor
潘伟巍
董金岩
张磊
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 CN202310699666.XA priority Critical patent/CN117033456B/zh
Publication of CN117033456A publication Critical patent/CN117033456A/zh
Application granted granted Critical
Publication of CN117033456B publication Critical patent/CN117033456B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462Approximate or statistical queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/906Clustering; Classification
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Lasers (AREA)

Abstract

本发明提供了一种用于光纤激光器的推荐系统,涉及光纤激光器领域。该系统包括的计算机程序被处理器执行时,实现以下步骤:获取目标光纤激光器波长、目标光纤激光器空间信息和目标光纤激光器属性;遍历Z,如果fn大于等于预设相似度阈值,则将zn追加至第一预设集合Z0,得到第一预设集合Z0;遍历第一预设集合Z0,将z0 e中各预设光纤激光器组件的波长与目标光纤激光器波长进行比较,得到更新后的z0 e为z1 e;遍历z1 e,获取z1 e,r对应的元器件的尺寸;判断z1 e,r是否与目标光纤激光器空间信息匹配,若匹配,则将z1 e,r作为推荐信息进行输出。本发明能够满足用户对光纤激光器波长、空间和属性的需求。

Description

一种用于光纤激光器的推荐系统
技术领域
本发明涉及光纤激光器领域,特别是涉及一种用于光纤激光器的推荐系统。
背景技术
光纤激光器是指用掺稀土元素玻璃光纤作为增益介质的光纤激光器,不同光纤激光器对应的波长和空间占用大小存在差异,对应的最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度和RMS功率稳定性等属性的值也存在差异,这些属性值能够反应光纤激光器的性能好坏。如何在满足用户对波长和空间占用大小需求的前提下,向用户推荐与用户所需性能相匹配的光纤激光器,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:一种用于光纤激光器的推荐系统,所述系统包括:预设元器件信息列表A=(A1,A2,…,Am,…,AM)、预设光纤激光器组件的信息Z=(z1,z2,…,zn,…,zN)、处理器和存储有计算机程序的存储器,Am为光纤激光器的第m个预设元器件信息,所述预设元器件信息包括元器件类型和尺寸;m的取值范围为1到M;M为光纤激光器的预设元器件数量;zn为第n类预设光纤激光器组件的信息,n的取值范围为1到N,N为预设光纤激光器组件的类别数量;zn=(zn,1,zn,2,…,zn,g,…,zn,G),zn,g为第n类预设光纤激光器组件的第g个预设光纤激光组件的信息,g的取值范围为1到G,G为第n类预设光纤激光器组件包括的预设光纤激光组件的数量;zn,g与zn中除zn,g以外的预设光纤激光组件的信息之间的属性相似度大于zn,g与指定类别中预设光纤激光组件的信息之间的属性相似度;所述指定类别为N个类别中除第n个类别以外的类别;所述预设光纤激光器组件的信息包括组成预设光纤激光器组件的元器件类型、组成预设光纤激光器组件的元器件之间的连接关系、预设光纤激光器组件对应的波长、预设光纤激光器组件对应的属性,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、偏振度或RMS功率稳定性;当所述计算机程序被处理器执行时,实现以下步骤:
S100,获取目标光纤激光器波长、目标光纤激光器空间信息和目标光纤激光器属性。
S200,遍历Z,获取zn对应的属性质心pn与目标光纤激光器属性的相似度fn,如果fn大于等于预设相似度阈值,则将zn追加至第一预设集合Z0,得到第一预设集合Z0=(z0 1,z0 2,…,z0 e,…,z0 E),z0 e为被追加至第一预设集合的第e类预设光纤激光器组件的信息,e的取值范围为1到E,E为被追加至第一预设集合的预设光纤激光器组件的类别数量;所述第一预设集合Z0的初始化为Null。
S300,遍历第一预设集合Z0,将z0 e中各预设光纤激光器组件的波长与目标光纤激光器波长进行比较,删除z0 e中与目标光纤激光器波长不一致的预设光纤激光器组件的信息,保留z0 e中与目标光纤激光器波长一致的预设光纤激光器组件的信息,得到更新后的z0 e为z1 e=(z1 e,1,z1 e,2,…,z1 e,r,…,z1 e,R),z1 e,r为更新后的z0 e中第r个预设光纤激光器组件的信息,r的取值范围为1到R,R为更新后的z0 e中预设光纤激光器组件的数量。
S400,遍历z1 e,获取z1 e,r对应的元器件列表,并根据预设元器件信息列表A获取z1 e,r对应的元器件的尺寸信息。
S500,根据z1 e,r对应的元器件的尺寸信息判断z1 e,r是否与目标光纤激光器空间信息匹配,若匹配,则将z1 e,r作为推荐信息进行输出。
本发明的有益效果至少包括:
本发明预先构建了预设元器件信息列表A和预设光纤激光器组件的信息Z,A中存储的是构成光纤激光器的各元器件的信息,Z中存储的是多个类别的预设光纤激光器组件信息,每一类别包括属性较为相似的预设光纤激光器组件的信息,每一类别的属性质心即该类别对应的各预设光纤激光器组件的属性向量的平均向量;本发明通过将目标光纤激光器属性与每个类别对应的属性质心相比较,可以得到与目标光纤激光器属性较为相似的类别,将这些较为相似的类别中的各预设光纤激光器组件作为与用户所需性能相匹配的预设光纤激光器组件,可以减少确定与目标激光器属性相匹配的预设光纤激光器组件的过程中的计算量;将这些较为相似的类别作为后期进行目标光纤激光器波长和空间信息进行筛选的基础,可以在满足目标激光器对波长和空间占用大小的前提下,推荐出与目标激光器属性较匹配的预设光纤激光器组件。
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光纤激光器的推荐系统的执行计算机程序的流程图。
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。
本实施例提供了一种用于光纤激光器的推荐系统,其特征在于,所述系统包括:预设元器件信息列表A=(A1,A2,…,Am,…,AM)、预设光纤激光器组件的信息Z=(z1,z2,…,zn,…,zN)、处理器和存储有计算机程序的存储器,Am为光纤激光器的第m个预设元器件信息,所述预设元器件信息包括元器件类型和尺寸;m的取值范围为1到M;M为光纤激光器的预设元器件数量;zn为第n类预设光纤激光器组件的信息,n的取值范围为1到N,N为预设光纤激光器组件的类别数量;zn=(zn,1,zn,2,…,zn,g,…,zn,G),zn,g为第n类预设光纤激光器组件的第g个预设光纤激光组件的信息,g的取值范围为1到G,G为第n类预设光纤激光器组件包括的预设光纤激光组件的数量;zn,g与zn中除zn,g以外的预设光纤激光组件的信息之间的属性相似度大于zn,g与指定类别中预设光纤激光组件的信息之间的属性相似度;所述指定类别为N个类别中除第n个类别以外的类别;所述预设光纤激光器组件的信息包括组成预设光纤激光器组件的元器件类型、组成预设光纤激光器组件的元器件之间的连接关系、预设光纤激光器组件对应的波长、预设光纤激光器组件对应的属性,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、偏振度或RMS功率稳定性。
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。
可选的,预设光纤激光器组件的信息Z的获取方法包括:
S001,获取若干个预设光纤激光器组件的属性的信息B=(b1,b2,…,bq,…,bQ),bq为第q个预设光纤激光器组件的属性信息,q的取值范围为1到Q,Q为预设光纤激光器组件的数量。
S002,遍历B,获取bq对应的属性向量Xq,Xq=(xq,1,xq,2,…,xq,t,…,xq,T),xq,t为bq对应的第t个属性对应的元素,t的取值范围为1到T,T为预设光纤激光器组件的属性的数量;xq,t由bq对应的第t个属性的值和该属性对应的权重确定。
可选的,xq,t为bq对应的第t个属性的值和该属性对应的权重之积。需要说明的是,预设光纤激光器组件对应的属性向量是由预设光纤激光器组件对应的属性对应的元素构成的向量;属性向量中不同属性对应的元素的位置先后是固定的,不同预设光纤激光器组件对应的属性向量中同一位置对应的是相同属性对应的元素。如果预设光纤激光器组件对应的属性的数量T为3,那么预设光纤激光器组件对应的属性向量包括3个元素。
根据本发明,属性对应的权重为经验值,由于各属性的重要程度不同以及各属性对应的取值的量级不同,优选的,本发明中属性对应的权重与各属性对用户的重要程度以及各属性对应的量级相关,以通过设置属性对应的权重来加大某属性在评价属性相似性上的占比或者平衡不同量级的属性在评价属性相似性上的占比,其中,某属性对用户的重要程度越大,该属性对应的权重越大;某属性对应的取值的量级越大,该属性对应的权重越小。
S003,根据每一bq对应的属性向量Xq获取任意两预设光纤激光器组件之间的属性相似度。
可选的,根据余弦相似度算法获取任意两预设光纤激光器组件之间的属性相似度。本领域技术人员知悉,现有技术中任何的获取向量之间相似度的方法均落入本发明的保护范围。
S004,根据所述任意两预设光纤激光器组件之间的属性相似度对所述若干个预设光纤激光器组件进行分类。
可选的,利用DBSCAN算法对所述若干个预设光纤激光器组件进行分类。本发明利用DBSCAN算法对所述若干个预设光纤激光器组件进行分类时,先构建高维空间,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为该高维空间中的一个点,将两个预设光纤激光器组件之间的相似度的倒数作为该两个预设光纤激光器组件之间的距离,根据经验值设置DBSCAN算法中相关的半径Eps和MinPts,利用DBSCAN算法对所述若干个预设光纤激光器组件进行分类即可得到多个类别,位于同一类别中的预设光纤激光器组件的属性相似性较大,位于不同类别中的预设光纤激光器组件的属性相似性较小。
S005,根据分类的结果获取预设光纤激光器组件的信息Z。
根据本发明,将S004得到的每一类作为Z对应的每一类,S004得到的类别数量即Z包括的预设光纤激光器组件的类别数量。
当所述计算机程序被处理器执行时,如图1所示,实现以下步骤:
S100,获取目标光纤激光器波长、目标光纤激光器空间信息和目标光纤激光器属性。
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空间信息是指用户输入的光纤激光器空间信息,包括目标光纤激光器设置长度、目标光纤激光器设置宽度和目标光纤激光器设置高度。
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,包括最大输出功率、激光线宽、相对强度噪声、光束质量、偏振度或RMS功率稳定性。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。
S200,遍历Z,获取zn对应的属性质心pn与目标光纤激光器属性的相似度fn,如果fn大于等于预设相似度阈值,则将zn追加至第一预设集合Z0,得到第一预设集合Z0=(z0 1,z0 2,…,z0 e,…,z0 E),z0 e为被追加至第一预设集合的第e类预设光纤激光器组件的信息,e的取值范围为1到E,E为被追加至第一预设集合的预设光纤激光器组件的类别数量;所述第一预设集合Z0的初始化为Null。
应当理解的是,zn对应的属性质心pn为zn对应的各预设光纤激光器组件的属性向量的平均向量在上述高维空间中对应的点。
优选的,所述预设相似度阈值为大于等于90%的经验值。
优选的,S200还包括以下步骤:
S210,获取Z0包括的预设光纤激光器组件的数量,Z0包括的预设光纤激光器组件的数量为Z0包括的每一z0 e包括的预设光纤激光器组件的数量之和。
S220,如果Z0包括的预设光纤激光器组件的数量小于预设的数量阈值,则将所述预设相似度阈值进行第一次更新,得到进行第一次更新后的预设相似度阈值y1=y0-y’;y0为更新前的预设相似度阈值,y’为预设更新步长;设置第一系数i=1。
根据本发明,如果Z0包括的预设光纤激光器组件的数量大于等于预设的数量阈值,则无需对所述预设相似度阈值进行更新,第一预设集合Z0也无需更新。
优选的,0<y’≤1%,有利于提高最终筛选出的预设光纤激光器组件与目标光纤激光器之间的属性相似度。
S230,利用进行第i次更新后的预设相似度阈值获取进行第i次更新后的Z0
S240,如果进行第i次更新后的Z0包括的预设光纤激光器组件的数量小于预设的数量阈值,则i=i+1,重复S230,直至进行第i次更新后的Z0包括的预设光纤激光器组件的数量大于等于预设的数量阈值。
S250,将最后一次更新后的Z0作为最终的第一预设集合Z0
由此,可以保证最终的第一预设集合Z0中预设光纤激光器组件的数量大于等于预设的数量阈值,有利于后续筛选出符合目标光纤激光器波长和空间信息的预设激光器组件。
S300,遍历第一预设集合Z0,将z0 e中各预设光纤激光器组件的波长与目标光纤激光器波长进行比较,删除z0 e中与目标光纤激光器波长不一致的预设光纤激光器组件的信息,保留z0 e中与目标光纤激光器波长一致的预设光纤激光器组件的信息,得到更新后的z0 e为z1 e=(z1 e,1,z1 e,2,…,z1 e,r,…,z1 e,R),z1 e,r为z1 e中第r个预设光纤激光器组件的信息,r的取值范围为1到R,R为z1 e中预设光纤激光器组件的数量。
S400,遍历z1 e,获取z1 e,r对应的元器件列表,并根据预设元器件信息列表A获取z1 e,r对应的元器件的尺寸。
根据本发明,每一预设光纤激光器组件的信息包括组成该预设激光器组件的各元器件类型,通过将组成z1 e,r的各元器件类型在A中进行匹配的方法,将匹配的元器件信息作为z1 e,r包括的对应元器件的信息,即可获取z1 e,r对应的元器件的尺寸。
S500,根据z1 e,r对应的元器件的尺寸判断z1 e,r是否与目标光纤激光器空间信息匹配,若匹配,则将z1 e,r作为推荐信息进行输出。
可选的,S500包括以下步骤:
S510,根据z1 e,r对应的元器件的尺寸信息获取z1 e,r对应的元器件的体积之和;
S520,根据目标光纤激光器空间信息获取目标光纤激光器的体积;
S530,若z1 e,r满足预设的条件,则判定z1 e,r与目标光纤激光器空间信息匹配;所述预设的条件包括z1 e,r对应的元器件的体积之和小于目标光纤激光器的体积。
优选的,所述预设的条件还包括:z1 e,r对应的每一元器件的长度均小于目标光纤激光器的长度,z1 e,r对应的每一元器件的宽度均小于目标光纤激光器的宽度,z1 e,r对应的每一元器件的高度均小于目标光纤激光器的高度。
根据本发明,输出的推荐信息数量等于第一预设集合Z0中满足目标光纤激光器波长和空间信息的预设光纤激光器组件的数量,预设光纤激光器组件信息中包括组成该预设光纤激光器组件的元器件的类型和元器件之间的连接信息,用户根据输出的推荐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、符合目标光纤激光的空间信息和基本满足目标光纤激光器的属性需求。
本实施例预先构建了预设元器件信息列表A和预设光纤激光器组件的信息Z,A中存储的是构成光纤激光器的各元器件的信息,Z中存储的是多个类别的预设光纤激光器组件信息,每一类别包括属性较为相似的预设光纤激光器组件的信息,每一类别的属性质心即该类别对应的各预设光纤激光器组件的属性向量的平均向量;本发明通过将目标光纤激光器属性与每个类别对应的属性质心相比较,可以得到与目标光纤激光器属性较为相似的类别,将这些较为相似的类别中的各预设光纤激光器组件作为与用户所需性能相匹配的预设光纤激光器组件,可以减少确定与目标激光器属性相匹配的预设光纤激光器组件的过程中的计算量;将这些较为相似的类别作为后期进行目标光纤激光器波长和空间信息进行筛选的基础,可以在满足目标激光器对波长和空间占用大小的前提下,推荐出与目标激光器属性较匹配的预设光纤激光器组件。
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 (8)

1.一种用于光纤激光器的推荐系统,其特征在于,所述系统包括:预设元器件信息列表A=(A1,A2,…,Am,…,AM)、预设光纤激光器组件的信息Z=(z1,z2,…,zn,…,zN)、处理器和存储有计算机程序的存储器,Am为光纤激光器的第m个预设元器件信息,所述预设元器件信息包括元器件类型和尺寸;m的取值范围为1到M;M为光纤激光器的预设元器件数量;zn为第n类预设光纤激光器组件的信息,n的取值范围为1到N,N为预设光纤激光器组件的类别数量;zn=(zn,1,zn,2,…,zn,g,…,zn,G),zn,g为第n类预设光纤激光器组件的第g个预设光纤激光组件的信息,g的取值范围为1到G,G为第n类预设光纤激光器组件包括的预设光纤激光组件的数量;zn,g与zn中除zn,g以外的预设光纤激光组件的信息之间的属性相似度大于zn,g与指定类别中预设光纤激光组件的信息之间的属性相似度;所述指定类别为N个类别中除第n个类别以外的类别;所述预设光纤激光器组件的信息包括组成预设光纤激光器组件的元器件类型、组成预设光纤激光器组件的元器件之间的连接关系、预设光纤激光器组件对应的波长、预设光纤激光器组件对应的属性,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、偏振度或RMS功率稳定性;当所述计算机程序被处理器执行时,实现以下步骤:
S100,获取目标光纤激光器波长、目标光纤激光器空间信息和目标光纤激光器属性;
S200,遍历Z,获取zn对应的属性质心pn与目标光纤激光器属性的相似度fn,如果fn大于等于预设相似度阈值,则将zn追加至第一预设集合Z0,得到第一预设集合Z0=(z0 1,z0 2,…,z0 e,…,z0 E),z0 e为被追加至第一预设集合的第e类预设光纤激光器组件的信息,e的取值范围为1到E,E为被追加至第一预设集合的预设光纤激光器组件的类别数量;所述第一预设集合Z0的初始化为Null;
S300,遍历第一预设集合Z0,将z0 e中各预设光纤激光器组件的波长与目标光纤激光器波长进行比较,删除z0 e中与目标光纤激光器波长不一致的预设光纤激光器组件的信息,保留z0 e中与目标光纤激光器波长一致的预设光纤激光器组件的信息,得到更新后的z0 e为z1 e=(z1 e,1,z1 e,2,…,z1 e,r,…,z1 e,R),z1 e,r为z1 e中第r个预设光纤激光器组件的信息,r的取值范围为1到R,R为z1 e中预设光纤激光器组件的数量;
S400,遍历z1 e,获取z1 e,r对应的元器件列表,并根据预设元器件信息列表A获取z1 e,r对应的元器件的尺寸;
S500,根据z1 e,r对应的元器件的尺寸判断z1 e,r是否与目标光纤激光器空间信息匹配,若匹配,则将z1 e,r作为推荐信息进行输出;
S500包括以下步骤:
S510,根据z1 e,r对应的元器件的尺寸信息获取z1 e,r对应的元器件的体积之和;
S520,根据目标光纤激光器空间信息获取目标光纤激光器的体积;
S530,若z1 e,r满足预设的条件,则判定z1 e,r与目标光纤激光器空间信息匹配;所述预设的条件包括z1 e,r对应的元器件的体积之和小于目标光纤激光器的体积。
2.根据权利要求1所述的用于光纤激光器的推荐系统,其特征在于,预设光纤激光器组件的信息Z的获取方法包括:
S001,获取若干个预设光纤激光器组件的属性的信息B=(b1,b2,…,bq,…,bQ),bq为第q个预设光纤激光器组件的属性信息,q的取值范围为1到Q,Q为预设光纤激光器组件的数量;
S002,遍历B,获取bq对应的属性向量Xq,Xq=(xq,1,xq,2,…,xq,t,…,xq,T),xq,t为bq对应的第t个属性对应的元素,t的取值范围为1到T,T为预设光纤激光器组件的属性的数量;xq,t由bq对应的第t个属性的值和该属性对应的权重确定;
S003,根据每一bq对应的属性向量Xq获取任意两预设光纤激光器组件之间的属性相似度;
S004,根据所述任意两预设光纤激光器组件之间的属性相似度对所述若干个预设光纤激光器组件进行分类;
S005,根据分类的结果获取预设光纤激光器组件的信息Z。
3.根据权利要求1所述的用于光纤激光器的推荐系统,其特征在于,S200还包括以下步骤:
S210,获取Z0包括的预设光纤激光器组件的数量,Z0包括的预设光纤激光器组件的数量为Z0包括的每一z0 e包括的预设光纤激光器组件的数量之和;
S220,如果Z0包括的预设光纤激光器组件的数量小于预设的数量阈值,则将所述预设相似度阈值进行第一次更新,得到进行第一次更新后的预设相似度阈值y1=y0-y’;y0为更新前的预设相似度阈值,y’为预设更新步长;设置第一系数i=1;
S230,利用进行第i次更新后的预设相似度阈值获取进行第i次更新后的Z0
S240,如果进行第i次更新后的Z0包括的预设光纤激光器组件的数量小于预设的数量阈值,则i=i+1,重复S230,直至进行第i次更新后的Z0包括的预设光纤激光器组件的数量大于等于预设的数量阈值;
S250,将最后一次更新后的Z0作为最终的第一预设集合Z0
4.根据权利要求2所述的用于光纤激光器的推荐系统,其特征在于,S003中,根据余弦相似度算法获取任意两预设光纤激光器组件之间的属性相似度。
5.根据权利要求1所述的用于光纤激光器的推荐系统,其特征在于,所述预设的条件还包括:z1 e,r对应的每一元器件的长度均小于目标光纤激光器的长度,z1 e,r对应的每一元器件的宽度均小于目标光纤激光器的宽度,z1 e,r对应的每一元器件的高度均小于目标光纤激光器的高度。
6.根据权利要求2所述的用于光纤激光器的推荐系统,其特征在于,S004中,利用DBSCAN算法对所述若干个预设光纤激光器组件的属性的信息进行分类。
7.根据权利要求1所述的用于光纤激光器的推荐系统,其特征在于,所述预设相似度阈值大于等于90%。
8.根据权利要求3所述的用于光纤激光器的推荐系统,其特征在于,0<y’≤1%。
CN202310699666.XA 2023-06-13 2023-06-13 一种用于光纤激光器的推荐系统 Active CN117033456B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310699666.XA CN117033456B (zh) 2023-06-13 2023-06-13 一种用于光纤激光器的推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310699666.XA CN117033456B (zh) 2023-06-13 2023-06-13 一种用于光纤激光器的推荐系统

Publications (2)

Publication Number Publication Date
CN117033456A CN117033456A (zh) 2023-11-10
CN117033456B true CN117033456B (zh) 2024-03-22

Family

ID=88643623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310699666.XA Active CN117033456B (zh) 2023-06-13 2023-06-13 一种用于光纤激光器的推荐系统

Country Status (1)

Country Link
CN (1) CN117033456B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105896253A (zh) * 2016-06-17 2016-08-24 中国工程物理研究院激光聚变研究中心 一种光纤器件和激光系统
CN110233414A (zh) * 2019-05-24 2019-09-13 广东工业大学 一种基于光纤激光器泵浦的脉冲光纤激光器
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
CN114152407A (zh) * 2022-02-10 2022-03-08 山东鹰联光电科技股份有限公司 一种掺铒光纤放大器温度监测及预警方法
CN115021052A (zh) * 2022-07-22 2022-09-06 上海频准激光科技有限公司 一种基于掺铥dfb光纤激光器和双次频率变换的激光系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109103741B (zh) * 2018-09-04 2019-11-26 武汉光迅科技股份有限公司 一种拉曼光纤放大器的增益动态控制方法、装置和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105896253A (zh) * 2016-06-17 2016-08-24 中国工程物理研究院激光聚变研究中心 一种光纤器件和激光系统
CN110233414A (zh) * 2019-05-24 2019-09-13 广东工业大学 一种基于光纤激光器泵浦的脉冲光纤激光器
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
CN114152407A (zh) * 2022-02-10 2022-03-08 山东鹰联光电科技股份有限公司 一种掺铒光纤放大器温度监测及预警方法
CN115021052A (zh) * 2022-07-22 2022-09-06 上海频准激光科技有限公司 一种基于掺铥dfb光纤激光器和双次频率变换的激光系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
半导体激光器双波长光纤耦合模块的ZEMAX设计;刘翠翠;王翠鸾;王鑫;倪羽茜;吴霞;刘素平;马骁宇;;红外与激光工程;20180125(第01期);全文 *

Also Published As

Publication number Publication date
CN117033456A (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
CN109615452B (zh) 一种基于矩阵分解的产品推荐方法
CN111291270B (zh) 一种基于自适应图卷积网络的属性推理和产品推荐方法
JPWO2019004350A1 (ja) 訓練方法、訓練装置、プログラム及び非一時的コンピュータ可読媒体
CN108875053A (zh) 一种知识图谱数据处理方法及装置
CN110175286B (zh) 结合成对优化和矩阵分解的产品推荐方法及系统
CN111079899A (zh) 神经网络模型压缩方法、系统、设备及介质
WO2021228404A1 (en) Generating high-dimensional, high utility synthetic data
US20210073633A1 (en) Neural network rank optimization device and optimization method
CN111753215B (zh) 一种多目标推荐优化方法及可读介质
CN112632984A (zh) 基于描述文本词频的图模型移动应用分类方法
US20230267317A1 (en) Sign-aware recommendation apparatus and method using graph neural network
CN117033456B (zh) 一种用于光纤激光器的推荐系统
CN112948608A (zh) 图片查找方法、装置、电子设备及计算机可读存储介质
CN111445032B (zh) 利用业务决策模型进行决策处理的方法及装置
CN112836629A (zh) 一种图像分类方法
CN111209489A (zh) 一种基于差异化资源分配的二部图推荐方法
CN111198991A (zh) 一种基于信任度和专家用户的协同过滤推荐方法
CN116543259A (zh) 一种深度分类网络噪声标签建模与纠正方法、系统及存储介质
CN113392141B (zh) 一种抗欺骗攻击的分布式数据多类别逻辑回归方法及装置
CN115169455A (zh) 基于改进的社区发现算法的交易数据异常检测方法及装置
CN111539117B (zh) 一种基于化学平衡模型的非线性方程系统求解方法及装置
KR101924832B1 (ko) 정점 분류 장치 및 정점 분류 방법
CN117633699B (zh) 基于三元互信息图对比学习的网络节点分类算法
CN115878906B (zh) 一种保护个人相似度的社交图生成方法及系统
CN118070032A (zh) 一种应用于风险模型的特征筛选方法、装置、设备及介质

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