1 中国科学院自适应光学重点实验室,四川 成都 610209
2 中国科学院光电技术研究所,四川 成都 610209
3 中国科学院大学,北京 100049
自适应光学系统中的压电倾斜镜通常是用来实时校正大气湍流引起的波前畸变,但压电倾斜镜的响应都有较大的非线性迟滞效应,大大降低了倾斜镜的到位精度,并且影响系统稳定性,制约了倾斜校正系统的带宽,因此需要对迟滞现象进行建模,通过建立的模型进行补偿。本文通过引入迟滞算子,使用贝叶斯正则化训练算法训练BP神经网络来构建压电倾斜镜迟滞模型,以中国科学院光电技术研究所自主研制的压电倾斜镜为对象开展了实验研究。最后的实验结果表明,通过BP神经网络构建的压电倾斜镜迟滞模型具有较准确的辨识能力,其中,X方向的迟滞大小由6.5%降低到了1.3%,Y方向的迟滞大小由7.1%降低到了1.6%。
自适应光学 压电倾斜镜 迟滞效应 神经网络 迟滞算子 adaptive optics piezoelectric steering mirror hysteresis neural network hysteresis operator
1 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 浙江大学海洋学院, 浙江 杭州 310000
为了提高自适应光学系统中压电倾斜镜(TTM)的控制精度,提出一种基于神经网络建模对TTM的磁滞非线性进行补偿的方法。实验得到TTM磁滞响应数据后,选用反向传播(BP)神经网络对磁滞特性建模,并通过软件编程模拟磁滞响应过程,进而实时计算控制量,实现对TTM的前馈补偿控制。为了满足自适应光学系统中实时控制的要求,根据BP网络内部运算机理得到BP网络运算的函数表达形式,以函数运算代替耗时的网络仿真运算。仿真结果显示这种替代在保证运算精度的前提下,提高了运算速度。实验结果表明,通过补偿,TTM的磁滞非线性减小约70%,提高了TTM的整体线性度和控制精度。
自适应光学 磁滞补偿 压电倾斜镜 神经网络 磁滞非线性 中国激光
2013, 40(11): 1113001