【摘要】：在國際單位制七個基本物理量中,對時間的測量精度是最高的,準確的時間頻率標準可用于進行一系列基礎物理研究如測量精細結構常數變化率、尋找暗物質、驗證相對論等,同時還在測地學、衛(wèi)星導航定位等領域有著重要作用。目前“秒”由銫原子微波頻標定義,而原子光頻標即“光鐘”在不確定度以及穩(wěn)定性指標上已經超越了微波頻標,并且還在快速的發(fā)展中,鐿原子光鐘是諸多備選原子光鐘中十分有潛力的一種。華東師范大學精密光譜科學與技術國家重點實驗室已經成功研制兩套可以正常運行的鐿原子光鐘。光鐘是一個復雜的精密測量系統,各個環(huán)節(jié)的誤差都會對最終的性能產生影響,其控制系統主要包括激光器控制,伺服反饋控制,本文逐一對其進行了優(yōu)化。首先,開發(fā)了基于FPGA(現場可編程邏輯門陣列)的數字式高速PID(比例-積分-微分)控制器,伺服帶寬1 MHz,應用于激光器鎖頻的快速響應控制,將759 nm晶格光、649 nm和770nm抽運光鎖定在一個F-P腔上,并且可以利用光梳監(jiān)測F-P腔的頻率漂移,實現漂移的主動補償,進一步降低光頻移評估的不確定度。然后對光鐘閉環(huán)鎖定的伺服控制系統進行分析,閉環(huán)鎖定過程通過多次跳頻探測獲得鐘光相對鐿原子鐘躍遷譜線的頻率誤差信號,經過一個預判算法后,控制聲光調制器,對鐘光的頻率漂移和抖動進行反饋補償,利用MATLAB建模仿真后發(fā)現,常規(guī)的PID算法由于反饋參數固定,而在長期鎖定過程中鐘光的噪聲特性以及漂移速率都有可能改變,無法很好抑制殘余誤差,導致長時間閉環(huán)的不穩(wěn)定度受限,且伺服誤差增大,所以開發(fā)了一套基于神經網絡自適應PID和前饋的復合控制算法,實時對鐘光漂移速率進行跟蹤補償,并利用機器學習原理自動對PID參數進行在線整定,很好的兼顧了光鐘閉環(huán)鎖定的長穩(wěn)和短穩(wěn),并且成功將這一套優(yōu)化算法應用于雙峰鎖定以及兩套光鐘比對實驗中,實現了同步比對5000s平均時間的不穩(wěn)定度為5.0?10~(-17)。然后對改進后的系統伺服誤差進行了初步評估,修正值和統計不確定度是通過實驗數據得出,伺服誤差的修正值為3.01?10~(-19),統計不確定度為1.02?10~(-17)。通過之前的建模仿真過程,可以得出反饋系統在不同的鐘光漂移速率下的殘余誤差,而鐘光的漂移速率不確定度通過多次閉環(huán)鎖定實驗可以得出,伺服誤差的系統不確定度由以上兩者決定,結果為7.68?10~(-20)。
【圖文】：

當輸入線性增加的時候，輸出也線性增加，斜率主率為 1.13，略大于 1，說明 G 不是剛好等于 1。但是其非線性誤D 模塊和 DA 模塊都是 8 位的精度，所以量化誤差為滿量程的 0.出的時候，在滿足輸出捕獲范圍的情況下，可以通過減小 DA 增應1:1 轉換的程序，，FPGA 的時鐘為 50MHz，通過編程將其時鐘總線約，同時作為 DA 的時鐘。AD 模塊的芯片除了考慮驅動時鐘的問題，還要考慮轉換速度，所鐘分頻后作為 AD 的時鐘，逐漸減小分頻的倍數。個 8 位的計數器，每一個系統時鐘周期計數器自加 1，將計數器較器，當計數歸 0 的時候（11111111+00000001=00000000）AD到的 AD 時鐘為 256 分頻，即 195.3kHz。在這樣的設置下，輸入出波形如圖 2.7。

圖 2.8 高速時鐘 AD 采樣波形。器觀察輸出的波形，在 1MHz 以下時，輸出信號的噪聲較小，高于變大。輸入和輸出有一個相位的偏移，這也是測試的一個環(huán)節(jié)，由于 F一個硬件結構，在實現數字化 PID 的時候，中間還需要使用 4 個以及 8 個加法器，為了模擬該情況，對輸入采集到的信號進行了 8 位寄存器�？梢阅M實際 PID 模塊運行的速度，從產生的波形移位操作只會使用 1us 的時間。果 的開發(fā)程序和硬件測試順利通過，AD-DA 綜合的非線性誤差小于，AD 的動態(tài)響應受限于 FPGA 的系統時鐘（50MHz），DA 的動態(tài)2 個時鐘周期），FPGA 的數據處理延遲在 1us 左右，推算出該基制器伺服帶寬為 1MHz。
【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：O562

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經網絡拐點預測法[J];金融經濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經網絡大會述評[J];國際學術動態(tài);1996年01期

3 吳立可;;脈沖神經網絡和行為識別[J];通訊世界;2018年12期

4 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數字技術與應用;2018年04期

5 張庭略;;基于硬件的神經網絡加速[J];通訊世界;2018年08期

6 蘇秀婷;;耦合神經網絡的同步[J];紹興文理學院學報(自然科學);2016年03期

7 朱n

本文編號：2662127