基于PSO的半导体激光器PIDNN解耦控制研究

基于PSO的半导体激光器PIDNN解耦控制研究

论文摘要

由于半导体激光器对温度和驱动电流非常敏感,对半导体激光器系统的温度和电流控制显得尤为重要。在研究半导体激光器系统的温度和电流控制问题时,发现温度和输出光功率间存在一定的耦合影响,为了提高半导体激光器的控制精度和性能,本文对半导体激光器的解耦控制展开了相关研究。系统选用DSP作为核心控制器,并设计出恒流源的驱动电路、温度控制电路和隔离保护电路提高半导体激光器系统的稳定性。半导体制冷器(TEC)是半导体激光器主要温控执行器件,根据TEC的能量守恒和工作原理,建立LD系统的耦合机理模型;同时通过实验的手段研究不同的输入信号条件下的系统实验耦合模型,并对机理模型加以验证和修正。在建立了系统模型的基础上,分别采用顺向和逆向前馈补偿解耦控制方法对半导体激光器的仿真控制。但考虑到在机理建模的过程中,常忽略了模型的复杂性和环境的不稳定性,因此本文选用无需耦合模型的PID神经元网络解耦控制方法对系统进行仿真,为了保证神经元网络解耦控制方法的收敛性和收敛速度,采用微粒子群算法(PSO)进行优化,将半导体激光器系统的前馈补偿解耦方法和基于微粒子群算法的神经元网络解耦所得的结果进行对比,分析几种解耦控制方法的优缺点。实验结果表明:基于PSO的PIDNN解耦控制方法有很好的控制效果,极小的超调量和过渡时间,极强的自适应能力,满足系统要求。在常温下,半导体激光器解耦系统能够在25秒内将输出光功率的波动控制在±0.01W,在80秒内将温度稳定在±0.1℃以内。文章最后分析了系统当前存在的问题和改进的方向。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 第一章 绪论
  • 1.1 研究的目的及意义
  • 1.2 国内外研究现状
  • 1.2.1 半导体激光器的发展应用
  • 1.2.2 解耦控制方法研究现状
  • 1.3 主要研究内容和方案
  • 1.3.1 主要研究内容
  • 1.3.2 研究方案
  • 第二章 系统硬件电路设计
  • 2.1 半导体激光器控制系统总体方案设计
  • 2.2 系统的驱动电流控制
  • 2.2.1 DSP 控制的恒流源驱动电路
  • 2.2.2 光功率采样电路
  • 2.3 LD 温度控制系统
  • 2.3.1 温控装置图
  • 2.3.2 TEC 温控电路
  • 2.3.3 温度采样电路
  • 2.4 系统的 DSP 控制与控制面板
  • 2.4.1 主控芯片
  • 2.4.2 键盘接口电路
  • 2.4.3 显示电路
  • 2.5 小结
  • 第三章 半导体激光系统耦合模型的建立
  • 3.1 半导体激光器耦合机理模型的建立
  • 3.2 半导体激光器实验耦合模型的测试
  • 3.2.1 半导体激光器实验模型的分析与建立
  • 3.2.2 TEC 电流与半导体激光器温度、输出光功率耦合模型
  • 3.2.3 半导体激光器驱动电流与温度、输出光功率耦合模型
  • 3.3 小结
  • 第四章 半导体激光系统前馈补偿解耦
  • 4.1 前馈补偿解耦控制
  • 4.1.1 多变量解耦控制理论
  • 4.1.2 顺向前馈补偿解耦控制理论
  • 4.1.3 逆向前馈补偿解耦控制理论
  • 4.2 前馈补偿解耦控制系统 Simulink 仿真
  • 4.3 小结
  • 第五章 基于 PSO 的 PIDNN 解耦控制
  • 5.1 PID 神经元网络
  • 5.1.1 PID 控制方法
  • 5.1.2 PID 神经元网络结构算法
  • 5.2 微粒子群算法
  • 5.3 基于 PSO 的 PIDNN 半导体激光器解耦系统
  • 5.4 小结
  • 第六章 实验与结论
  • 6.1 半导体激光器温度和光功率解耦控制实验
  • 6.1.1 实验原理和目的
  • 6.1.2 实验仪器
  • 6.1.3 实验内容
  • 6.2 结论与展望
  • 参考文献
  • 致谢
  • 发表论文和参加科研情况说明
  • 相关论文文献

    • [1].基于PIDNN控制的飞行模拟器人感系统[J]. 北京航空航天大学学报 2008(02)
    • [2].舰载稳定平台PIDNN控制系统设计与仿真[J]. 西安工业大学学报 2015(04)
    • [3].基于粒子群算法下的PIDNN解耦控制[J]. 现代计算机 2013(12)
    • [4].基于粒子群算法优化PIDNN的流浆箱解耦控制[J]. 中华纸业 2017(06)
    • [5].基于自适应PIDNN的船舶航向模型辨识与控制[J]. 舰船科学技术 2008(04)
    • [6].基于PIDNN的加热炉炉温控制系统的研究[J]. 福建电脑 2011(01)
    • [7].基于PIDNN的经纬仪精密转位技术研究[J]. 计算机测量与控制 2012(11)
    • [8].基于LabVIEW和PIDNN的汽车巡航控制系统设计[J]. 机械工程师 2014(11)
    • [9].基于改进蚁群免疫算法的PIDNN加热炉温度控制[J]. 四川冶金 2020(03)
    • [10].永磁直线同步电机的PIDNN控制[J]. 电气传动 2016(12)
    • [11].四旋翼飞行器自适应PIDNN控制研究[J]. 电光与控制 2017(08)
    • [12].RBF和PIDNN在伺服电机模型中的应用比较[J]. 控制工程 2008(S1)
    • [13].四旋翼PIDNN控制器设计[J]. 电光与控制 2015(02)
    • [14].Stewart运动平台关节自适应PIDNN控制研究[J]. 系统仿真技术 2019(03)
    • [15].基于PIDNN的污水处理系统参数辨识研究[J]. 计算机技术与发展 2008(05)
    • [16].基于PIDNN的恒线速无卡轴旋切机进给系统的控制[J]. 林业机械与木工设备 2016(01)
    • [17].基于PIDNN变结构理论的新型弹道导弹姿控系统设计[J]. 海军航空工程学院学报 2014(03)
    • [18].基于isPSO的锅炉燃烧系统PIDNN解耦控制[J]. 控制工程 2014(03)
    • [19].基于粒子群算法优化PIDNN的温室系统解耦控制[J]. 江苏农业科学 2018(23)
    • [20].基于PIDNN变结构理论的电动机整流稳压补偿控制[J]. 电气应用 2015(11)
    • [21].粒子群与PIDNN控制器在VSC-HVDC中的应用[J]. 中国电机工程学报 2011(03)
    • [22].基于改进PIDNN滑模控制的电压型PWM整流器[J]. 计算技术与自动化 2015(03)
    • [23].基于改进粒子群算法的PIDNN控制器在VSC-HVDC中的应用[J]. 中国电机工程学报 2013(03)
    • [24].基于PIDNN的六旋翼无人机飞行控制算法研究[J]. 传感器与微系统 2017(12)
    • [25].融合FLC和PIDNN在船舶航向控制中的应用[J]. 微计算机信息 2008(22)
    • [26].基于PIDNN的二次再热机组汽温控制策略研究[J]. 热能动力工程 2017(11)
    • [27].基于云模型的PIDNN偏航控制系统研究[J]. 计算机测量与控制 2013(10)
    • [28].基于改进粒子群算法的PIDNN解耦控制研究(英文)[J]. 机床与液压 2018(24)
    • [29].跟踪微分器在PIDNN改进策略中的应用[J]. 矿冶工程 2017(01)
    • [30].一种基于GA-BP算法的PIDNN控制策略[J]. 兵工自动化 2011(02)

    标签:;  ;  ;  

    基于PSO的半导体激光器PIDNN解耦控制研究
    下载Doc文档

    猜你喜欢