基于随机并行梯度下降方法的动态光束净化实验研究

高能激光系统中通常包含光束净化装置以对激光器出射光束的波前畸变进行连续校正.为研究随机并行梯度下降自适应光学方法在光束净化问题上的可行性,按算法运行时序连续改变37单元变形镜的面形,以在实验光路中引入高能激光器输出光束的常见动态波前畸变,同时采用随机并行梯度下降算法控制同一变形镜对此动态畸变进行校正.实验结果显示,在事先消除系统初始像差的情况下,系统分别以1 kHz和2 kHz的模拟迭代速率工作时,激光束的动态像差都得到了充分抑制,光束质量在整个校正时段内始终维持在较好水平.这表明随机并行梯度下降自适应光学方法应用在光束净化系统中是可行的.     

随机并行梯度下降湍流场光束净化的实时校正实验研究

自适应光学技术可用于补偿高能激光系统出射光束的波前畸变以改善光束质量.为研究随机并行梯度下降(SPGD)自适成光学方法用于光束净化的可行性,分别采用高速光电探测器和高速变形镜作为系统性能评价函数的测量器件和波前校正器件,搭建了迭代速率为100 Hz的SPGD自适应光学系统,并且对通电电阻丝产生的湍流所造成的动态波前畸变进行了实时校正.实验结果显示,此套自适应光学系统能够对在4 Hz以下频率范围内缓慢变化的动态波前畸变进行实时校正,针孔中远场光斑的能量提高2.2倍,稳定性提高1.4倍.这表明SPGD自适应光学系统用于光束净化是町行的.     

自适应光学系统随机并行梯度下降控制算法实验研究

随机并行梯度下降算法是一种极具应用潜力的自适应光学系统控制算法,具有不依赖波前传感器直接对系统性能指标进行优化的特点。基于32单元变形镜、CCD成像器件等建立自适应光学系统随机并行梯度下降控制算法实验平台。考察算法增益系数和扰动幅度对校正效果和收敛速度的影响,验证随机并行梯度下降算法的基本原理。实验结果表明参量选取合适的情况下,随机并行梯度下降控制算法对静态或慢变化的畸变波前具有较好的校正能力。根据实验结果分析了影响随机并行梯度下降算法校正速度的主要因素。     

自适应光学系统随机并行梯度下降算法

随机并行梯度下降(SPGD)算法可以对系统性能指标直接优化来校正畸变波前。对基于SPGD算法的61单元自适应光学系统进行仿真模拟,分析了对不同初始静态畸变波前的校正能力,并比较了不同性能指标情况下的算法增益系数、扰动幅度值的选取及校正情况。仿真结果表明:算法收敛速度很大程度上依赖于增益系数和扰动幅度值,对畸变较大的波前,随机扰动幅度在0.50~0.85范围内,性能指标采用焦斑平均半径比采用斯特列尔比取得的校正效果好。     

自适应光学系统随机并行梯度下降算法

随机并行梯度下降（SPGD）算法可以对系统性能指标直接优化来校正畸变波前。对基于SPGD算法的61单元自适应光学系统进行仿真模拟,分析了对不同初始静态畸变波前的校正能力,并比较了不同性能指标情况下的算法增益系数、扰动幅度值的选取及校正情况。仿真结果表明:算法收敛速度很大程度上依赖于增益系数和扰动幅度值,对畸变较大的波前,随机扰动幅度在0.50～0.85范围内,性能指标采用焦斑平均半径比采用斯特列尔比取得的校正效果好。     

自适应光学系统随机并行梯度下降控制算法仿真与分析

随机并行梯度下降算法能不依赖波前传感器直接对系统性能进行优化。以32单元变形镜为校正器,采用随机并行梯度下降算法建立了自适应光学系统仿真模型。通过分析该系统对静态波前畸变的校正能力,验证了随机并行梯度下降算法的收敛性;讨论了算法增益系数、随机扰动幅度与收敛速度的关系,并指出通过算法增益系数的自适应调整可以改进算法的收敛速度。     

基于分区域耦合的随机并行梯度下降自适应光学

基于随机并行梯度下降(SPGD)方法的自适应光学(AO)系统通过直接优化系统的性能评价函数来控制波前校正器以补偿光束中存在的波前畸变。为了提高这种无模型优化自适应光学系统的收敛速度, 提出了基于分区域耦合的新方法以改进传统随机并行梯度下降自适应光学系统的工作方式。将波前校正器光学孔径分成多块子区域, 每块子区域对应着的所有驱动器作为一个整体控制单元, 从形式上可以得到一个空间分辨率较低的分区域波前校正器。该校正器与原校正器同步工作, 并采用随机并行梯度下降算法对同一个性能评价函数进行优化, 从而构成了双校正器的耦合工作结构。对256单元分立活塞式波前校正器建立了自适应成像系统的数值模型, 结果表明这种分区域耦合的随机并行梯度下降自适应光学系统比传统随机并行梯度下降自适应光学系统具有更快的收敛速度和更好的渐近态。     

点目标成像自适应光学随机并行梯度下降算法性能指标与收敛速度

在自适应光学中,随机并行梯度下降(SPGD)算法通过对系统的性能指标直接优化从而校正波前像差,具有很强的应用潜力.在点目标成像自适应光学系统中,SPGD算法经常采用强度分布平方和、平均半径和环围能量作为系统的性能指标进行优化.利用数值仿真分析了三种性能指标与畸变波前的均方根之间的关系.建立了一套实验平台,通过静态波前畸变校正实验,分析了SPGD算法采用以上三种不同的性能指标时的校正效果.实验结果与前面的数值仿真结果一致,表明SPGD取平均半径作为性能指标进行优化时效果较好.实验还分析了控制通道数目对收敛速度的影响.结果表明随着控制通道数目的增加性能指标曲线收敛所需的迭代次数显著增加,与驱动器个数的平方根之间存在一个近似的线性关系.     

随机并行梯度下降算法用于光纤激光相干合成的理论与实验研究

介绍了随机并行梯度下降(SPGD)算法用于相干合成的基本理论,利用数值模拟的方法对实际相干合成实验中涉及到的算法评价函数、扰动电压分布等参数进行优化选取,确定了实验中应选择的最佳评价函数、扰动电压分布和扰动方式.利用数字信号处理器(DSP)执行SPGD算法,实时控制各路光束的相位,实现了三路瓦量级保偏光纤放大器输出光束的相干合成.实验结果表明,SPGD算法能够有效控制各路光纤激光的相位,系统闭环将合成光束目标圆孔内的能量提高了2.62倍,合成效率达到了理想情形的87%,远场光斑对比度为85%.     

基于Zernike模式的自适应光学系统随机并行梯度下降算法

控制算法的收敛速度一定程度上限制了无波前探测自适应光学技术在实时波前畸变校正中的应用。从理论分析角度提出将模式法和区域法结合起来以提高算法收敛速度,并以61单元变形镜为校正器,建立基于随机并行梯度下降算法自适应光学系统仿真模型。结果表明：达到同样的校正效果时,采用组合优化的算法收敛速度要明显优于基于区域法的收敛速度,从而验证了理论分析的合理性。     

自适应光学系统几种随机并行优化控制算法比较

直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键。以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型。从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较。仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的。     

随机并行梯度下降算法拟合大气湍流廓线统计模式的研究

掌握湍流基本规律及其廓线结构分布,是大气光学理论与应用研究中的关键问题之一。利用随机并行梯度下降算法对大气湍流廓线统计模式拟合进行了研究。在已获合肥地区整层大气折射率结构常数C2N平均廓线的前提下,以广义Hufnagel-Valley湍流模型为基础,拟合获得了该地区不同时间与不同季节的湍流模式廓线。研究发现,该方法获得的该地区湍流模式廓线在整层大气高度上均能很好地同实测平均廓线相符合,且两者所表征的整层湍流特征参量也能保持非常好的一致性。对寻求基于Hufnagel-Valley模型的通用湍流廓线模式拟合方法进行了有益的探索。     

37单元双压电片变形镜板条激光光束净化

为了校正板条激光器输出光束波前像差,改善输出光束质量,提出了基于37单元双压电片变形镜的板条激光光束净化系统。采用柱面反射式单向扩束器使主振荡功率放大结构板条激光器输出光束尺寸与37单元双压电片变形镜有效口径相匹配,利用随机并行梯度下降算法控制双压电片变形镜面形,进行波前像差闭环校正,校正后光束远场归一化桶中功率提高到净化前的2~3倍。