在自適應(yīng)光學(xué)系統(tǒng)中,傳統(tǒng)比例-積分控制模型依賴于變形鏡的響應(yīng)矩陣,系統(tǒng)狀態(tài)的改變會(huì)對(duì)變形鏡響應(yīng)矩陣造成影響,導(dǎo)致波前校正性能下降。通過(guò)重新定義BP（back-propagation）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)哈特曼斜率數(shù)據(jù)到控制信號(hào)的輸出,并建立了控制模型。實(shí)驗(yàn)結(jié)果表明,所提模型擺脫了傳統(tǒng)固定模型的限制,具有在線更新控制模型的特點(diǎn),控制模型收斂性能良好,能適應(yīng)系統(tǒng)狀態(tài)變化,有較強(qiáng)的魯棒性,同時(shí)提高了控制精度,一定程度上改善了控制性能。 

【文章來(lái)源】：中國(guó)激光. 2020,47(01)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

典型自適應(yīng)光學(xué)系統(tǒng)

為使提出的NI模型不犧牲控制帶寬,又能在一定程度上感知系統(tǒng)運(yùn)行狀態(tài)的變化,通過(guò)簡(jiǎn)化計(jì)算結(jié)構(gòu)改進(jìn)了BP(back propagation)網(wǎng)絡(luò),同時(shí)定義了樣本獲取方式。圖2所示為傳統(tǒng)BP網(wǎng)絡(luò)結(jié)構(gòu)與改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)[12]。圖2(a)為標(biāo)準(zhǔn)多輸入多輸出BP網(wǎng)絡(luò),由輸入層、隱含層和輸出層構(gòu)成。BP網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò),基于隨機(jī)梯度下降法來(lái)訓(xùn)練網(wǎng)絡(luò),可以學(xué)習(xí)輸入輸出的映射關(guān)系,使得在線學(xué)習(xí)系統(tǒng)運(yùn)行狀態(tài)成為可能。ωi,j和 ω ˙ i,j 為網(wǎng)絡(luò)層之間的權(quán)值(i節(jié)點(diǎn)和j節(jié)點(diǎn)), b ˙ j 為神經(jīng)元的偏置(j節(jié)點(diǎn))。隱含層層數(shù)和激活函數(shù)的選擇要從網(wǎng)絡(luò)精度和訓(xùn)練時(shí)間綜合考慮,對(duì)于較簡(jiǎn)單的映射關(guān)系可以選擇單隱含層,以加快速度;對(duì)于復(fù)雜的映射關(guān)系,則可以選擇多隱含層,以提高網(wǎng)絡(luò)的預(yù)測(cè)精度。圖2(b)為改進(jìn)后的網(wǎng)絡(luò)模型,沒(méi)有隱含層,輸入層通過(guò)權(quán)值θ和偏置b連接輸出層,θi,j為網(wǎng)絡(luò)層之間的權(quán)值(i節(jié)點(diǎn)和j節(jié)點(diǎn)),bj為神經(jīng)元的偏置(j節(jié)點(diǎn))。激活函數(shù)f的選擇方案有很多種,比如sigmoid、tanh函數(shù)等,但是sigmoid、tanh激活函數(shù)的計(jì)算量大,為了不影響控制帶寬和動(dòng)態(tài)在線更新模型,線性激活函數(shù)的優(yōu)勢(shì)變得很明顯。事實(shí)上,沒(méi)有隱含層的網(wǎng)絡(luò)沒(méi)有非線性映射能力,所以激活函數(shù)也沒(méi)有被選擇的必要。改進(jìn)后的網(wǎng)絡(luò)結(jié)構(gòu)只需要系統(tǒng)實(shí)際運(yùn)行過(guò)程中的動(dòng)態(tài)數(shù)據(jù),就可以方便快速地訓(xùn)練模型。圖2(b)中網(wǎng)絡(luò)輸入S(k)為k時(shí)刻的質(zhì)心斜率向量,網(wǎng)絡(luò)輸出Φθ[S(k)]經(jīng)滯后環(huán)節(jié)z-1變?yōu)棣郸萚S(k-1)],展開(kāi)得到模型輸出Φ:

本文使用實(shí)際自適應(yīng)光學(xué)(AO)系統(tǒng)和數(shù)值計(jì)算相結(jié)合的方法來(lái)驗(yàn)證提出的NI模型,實(shí)際系統(tǒng)所采用的結(jié)構(gòu)如圖3所示,實(shí)際平臺(tái)如圖4所示。該實(shí)驗(yàn)平臺(tái)由激光器、變形鏡(DM1,DM2)、傾斜鏡(TM)和復(fù)合傳感器組成。圖3中的ψ, φ,φ均表示波前函數(shù)。圖4中光源采用671 nm的激光器,激光束通過(guò)變形鏡DM1入射到變形鏡DM2,然后經(jīng)DM2入射到復(fù)合傳感器。變形鏡DM1和DM2有59個(gè)驅(qū)動(dòng)器單元,其中DM1用來(lái)生成像差,DM2用來(lái)校正DM1生成的像差,傾斜鏡用來(lái)校正傾斜。復(fù)合傳感器由分光鏡、H-S波前傳感器、遠(yuǎn)場(chǎng)CCD和近場(chǎng)CCD組成,分光鏡將一部分光束通過(guò)透鏡聚焦到遠(yuǎn)場(chǎng)CCD,遠(yuǎn)場(chǎng)CCD用來(lái)測(cè)量光束校正前后的光斑,CCD的像素為200 pixel×200 pixel;H-S波前傳感器由12×12的透鏡陣列和一個(gè)372 pixel×372 pixel的CCD相機(jī)組成(每個(gè)子孔徑大小為31 pixel×31 pixel),其中CCD相機(jī)的采樣頻率為500 Hz,每個(gè)子孔徑有兩個(gè)測(cè)量方向:X軸方向和Y軸方向。

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)光學(xué)發(fā)展綜述[J]. 姜文漢.  光電工程. 2018(03)
[2]基于在線最小二乘支持向量機(jī)的變形鏡建模與控制[J]. 張東閣,傅雨田.  紅外與激光工程. 2016(11)
[3]一種自適應(yīng)光學(xué)系統(tǒng)響應(yīng)矩陣的直接計(jì)算方法[J]. 郭友明,饒長(zhǎng)輝,鮑華,張昂,魏凱.  物理學(xué)報(bào). 2014(14)
[4]Analysis and demonstration of PID algorithm based on arranging the transient process for adaptive optics[J]. 鄭兆瑛,李常委,李邦明,張思炯.  Chinese Optics Letters. 2013(11)
[5]自適應(yīng)光學(xué)閉環(huán)系統(tǒng)實(shí)時(shí)多路自適應(yīng)控制算法[J]. 顏召軍,李新陽(yáng),饒長(zhǎng)輝.  光學(xué)學(xué)報(bào). 2013(03)
[6]PID自適應(yīng)調(diào)整增益的神經(jīng)元非模型控制[J]. 張建明,王寧,王樹(shù)青.  機(jī)電工程. 1999(05)



本文編號(hào)：3017708