基于HLOA-SVR-AIMC的激光输出功率稳定控制方法

本发明涉及一种光输出功率稳定控制方法，具体涉及一种基于hloa-svr-aimc的激光输出功率稳定控制方法，属于激光输出功率稳定。

背景技术：

1、自上世纪六十年代世界上第一台红宝石固体脉冲激光器诞生以来，激光发展就步入了快车道，并迅速与多个学科紧密交叉、相互渗透形成了许多新的研究领域，并在近数十年来激光的应用渐渐地向自动化、智能化方面发展，激光控制受到人们越来越多的关注，而激光输出功率稳定调制在激光控制领域内有着不可或缺的地位，是获得高精度、高稳定激光束的热门研究主题。

2、随着反馈控制理论与技术发展，激光输出功率稳定的腔外调制已成为主流，并且基于声光调制器的激光输出功率稳定，成为现阶段应用最为广泛的腔外调制路径。然而，从现有的文献观察发现，基于声光调制并运用反馈技术来控制激光功率稳定大多数利用比例-积分-微分（proportional-integral-differential，pid）控制或其改进型pid控制方法。可pid控制往往对线性系统有效的，但当pid控制应用于非线性系统时，一般难以达到令人满意的控制性能。虽然有少数研究者利用pid控制实现了激光输出功率稳定，但这是建立在对激光输出功率稳定系统进行一系列简化（例如，忽略声光调制器的衍射效率和驱动器驱动功率之间的强非线性关系）获得的。因此，所设计的控制器在实际应用中仍然存在鲁棒性风险和适应性不足的问题。

3、因此，急需一种简单方便、快速有效、稳定可靠的激光输出功率稳定的腔外调制策略和控制方法，尤其是当激光输出功率稳定系统受到干扰时依然能够正常工作，并保持良好的鲁棒性。

技术实现思路

1、本发明所要解决的技术问题在于：如何实现现有激光技术领域中对于激光输出功率长期保持稳定的问题，提供了基于hloa-svr-aimc的激光输出功率稳定系统及其控制方法，该方法同样适用于当系统受到干扰时激光输出功率依然保持稳定可靠。

2、本发明的控制方法与现今已有的激光输出功率稳定方法和思路不同，主要有三部分组成：角蜥蜴优化算法（horned lizard optimization algorithm，hloa）、回归型支持向量机（support vector regression，svr）和自适应内模控制（adaptive internal modelcontrol，aimc），使得对任意给定的激光功率（或电压），能够快速、有效和长期地稳定在所给定的功率（或电压）上，相对起伏不超过0.12%，同时对于在激光输出功率稳定过程中受到干扰时依然能保持稳定可靠的效果；

3、本发明首先基于布拉格衍射物理机理，建立衍射效率与驱动电压的非线性映射关系，运用回归型支持向量机建立系统的内部模型和逆模型，并将逆模型作为内模控制的控制器，同时引入自适应反馈滤波器来减小内模控制对建模误差的敏感性，提高系统的鲁棒性。其次，针对回归型支持向量机的参数（如，惩罚因子、核函数宽度以及不敏感损失系数），引入具备多策略寻优机制的角蜥蜴优化算法对回归型支持向量机的参数进行全局自适应搜索，同时为避免传统单一误差寻优导致的模型过拟合及物理失真问题，设计一种耦合预测精度、系统总能耗、模型复杂度及物理单调性约束的多目标适应度函数；然后，为实现对激光输出功率稳定系统的精确控制，融合角蜥蜴优化算法、回归型支持向量机和自适应内模控制在处理参数不确定、强非线性、易受扰动对象方面的优势，提出一种基于回归型支持向量机和角蜥蜴优化算法的自适应内模控制策略，即hloa-svr-aimc控制方法；最后，通过计算机仿真验证了该控制方法的可行性和有效性，并与其它控制方法进行了对比分析，表明所提控制方法的优越性，同时通过搭建实验平台进一步证实了此控制方法在处理激光输出功率稳定系统时，从自由运行状态到闭环控制状态，激光光束输出功率波动无延迟的由±0.95%压缩到±0.08%，满足高精度光谱测量的需求，为其它精密光电仪器的稳定化控制研究提供了新的思路与参考。针对现有技术中的问题，本发明可以通过以下技术方案实现：

4、基于hloa-svr-aimc的激光输出功率稳定控制方法，（1）为设计出自适应反馈滤波器来减小内模控制对建模误差的敏感性，在进入激光输出功率稳定控制器设计之前，先利用布拉格衍射物理机理，建立衍射效率与驱动电压的非线性映射关系，其表达式为：

5、，

6、其中表示衍射光效率，表示入射光波长，为声光驱动器的电-声功率转换增益系数，表示相互作用长度，表示换能器电极高度，表示驱动电压，表示晶体声光品质因数。

7、（2）基于回归型支持向量机建立激光输出功率稳定系统的内部模型和逆模型，同时将逆模型作为激光输出功率稳定系统控制的控制器，并结合步骤（1）引入自适应反馈滤波器，因而分别设计如下：

8、 eq \o\ac(○,1)激光输出功率稳定系统的内部模型：假设整个系统的输入输出可以表示为

9、，

10、其中y(k)、u(k)别为激光输出功率稳定系统的输出和输入，为一非线性函数，为输出延迟，为输入延迟，为系统输出对输入的总时延数，且一般情况下。为了确定式中的具体形式和相关的参数值，需要采集n组激光输出功率稳定被控系统的输入/输出数据集，并以此为数据基础，采用回归型支持向量机来建立激光输出功率稳定系统的内部模型，构建训练样本集d1为

11、，

12、其中为输入特征（即系统过去一段时间的激光输出和控制输入时序），为输出标签（即滞后步的激光真实输出功率），并且的维数是，其中的维数是。确定训练样本集d1后，运用回归型支持向量机训练样本，建立激光输出功率稳定被控系统的内部模型。

13、 eq \o\ac(○,2)激光输出功率稳定系统的逆模型：类似于内部模型的建立方式，假设可逆，则激光输出功率稳定系统的逆模型为

14、，

15、式中是待定项，其具体形式及相关的对应参数类似于内部模型，即采集组激光输出功率稳定被控系统的输入/输出数据集，并以采集到的数据为基础，运用回归型支持向量机来建立激光输出功率稳定系统的逆模型，构建训练样本集d2为

16、，

17、其中为逆模型输入特征，为逆模型输出标签（即待预测控制量），并且的维数是，其中的维数是。确定训练样本集d2后，运用回归型支持向量机训练样本，建立激光输出功率稳定系统的逆模型，且该逆模型要作为内模控制的控制器。

18、 eq \o\ac(○,3)激光输出功率稳定系统的自适应反馈滤波器：在被控系统反馈通道中，设计一自适应滤波器

19、，

20、其中自适应滤波参数，，是驱动电压，是复变量，为与声光晶体材质及光路结构相关的综合系数，为基础滤波常数，为增益灵敏度调节系数，为系统最大局部增益。

21、（3）基于步骤（2），先设置参考输入功率信号（或电压信号），与反馈通道信号一起进入比较器，然后连接到控制器（即逆模型），继而进入被控对象和内部模型并联后的模块，形成输出功率信号（或电压信号）和反馈信号，同时该反馈信号进入到自适应反馈滤波器，再进入到比较器，形成闭环回路，进而得出激光输出功率稳定被控系统结构图。

22、（4）基于步骤（2）中 eq \o\ac(○,1)和 eq \o\ac(○,2)，再结合系统结构图，通过角蜥蜴优化算法对回归型支持向量机的参数（即惩罚因子、核函数宽度和不敏感损失系数）进行全局自适应搜索，其中回归函数可表示为

23、，

24、式中，是一对拉格朗日乘子，且时仅保留少量支持向量，是偏置常数，是核函数宽度，为支持向量，为支持向量的个数。应用回归函数来逼近训练样本集，；当时，这里的变为步骤（2）中 eq \o\ac(○,1)和 eq \o\ac(○,2)的数据集；同时训练样本集（或数据集）满足约束条件

25、，

26、其中分别表示下侧与上侧松弛变量，表示不敏感损失系数。

27、优化目标为

28、，

29、其中表示置信范围，表示惩罚因子。

30、（5）基于步骤（2）中 eq \o\ac(○,3)和步骤（4），通过加权的方式集成预测精度、模型复杂度和物理逻辑一致性三个方面来考虑适应度函数，克服控制过程单一误差寻优导致的模型过拟合及物理失真问题，即在实际电路中考虑声光驱动器输出的超声波功率与输入的调制电压之间的关系：，其中是驱动器的功率增益系数。此时激光输出功率稳定系统的总能耗可以表示为：

31、，

32、其中δt表示采样周期（或采样时间）。

33、结合回归型支持向量机的预测精度、模型复杂度、总能量消耗、物理模型一致性，构建一种耦合物理机理约束的多目标适应度函数如下：

34、，

35、其中rmse为训练样本集（或数据集）的均方根误差，确保角蜥蜴优化算法优化后的模型在前向预测与逆向控制中具备极高的拟合精度；为支持向量个数占样本总数的比例，旨在降低模型复杂度，提高控制器的执行效率；为物理一致性惩罚项，若角蜥蜴优化算法产生的参数导致模型在全量程工作电压（0.2~0.9 v）内出现非物理波动的剧烈震荡，该项将赋予极大的惩罚值；e为总能量消耗；分别表示各项的权重。

36、（6）为进一步优化设计，采样5组不同时段的样本集（或数据集）来优化控制过程中的参数，并与传统的回归型支持向量机、基于粒子群算法的回归型支持向量机进行比较测试系统在建立内部模型和逆模型中的效果，通过均方根误差rmse、决定系数r2、预测信噪比snr进行量化。

37、（7）在以上步骤的基础上，运用计算机仿真验证了该控制方法的可行性和有效性，并与其它控制方法进行了对比分析，表明所提控制方法的优越性，同时通过搭建实验平台进一步证实了此控制方法在处理激光输出功率稳定系统时，从自由运行状态到闭环控制状态，激光光束输出功率波动无延迟的由±0.95%压缩到±0.08%，满足高精度光谱测量的需求，为其它精密光电仪器的稳定化控制研究提供了新的思路与参考。

38、本发明的有益效果：

39、该发明基于hloa-svr-aimc的激光输出功率稳定控制方法，体现了在处理参数不确定、强非线性、易受扰动对象方面的优势，解决激光输出功率稳定系统在实际应用中存在鲁棒性风险和适应性不足的问题，运用回归型支持向量机建立系统的内部模型和逆模型，且将逆模型作为内模控制的控制器，引入自适应反馈滤波器来减小内模控制对建模误差的敏感性，提高系统的鲁棒性；并对回归型支持向量机的参数应用角蜥蜴优化算法进行全局自适应搜索，规避传统单一误差寻优导致的模型过拟合及物理失真问题，同时设计一种耦合预测精度、系统总能耗、模型复杂度及物理单调性约束的多目标适应度函数，实现对激光输出功率稳定系统的自适应和鲁棒控制；在实际应用中，通过本技术的激光输出功率稳定控制方法，可以使控制器对任意设置的参考输入功率信号（或电压信号）达到更好的跟踪效果。本发明提出的方法和结果能广泛地应用于信号系统的辨识、控制及信号处理等诸多领域，拓展了角蜥蜴优化算法、回归型支持向量机和自适应内模控制在工程技术领域中的范围，让该系统在痕量气体的浓度检测中更加值得推广使用。