文档介绍：基于PSO算法的光纤光栅参数重构
摘要:
本文利用粒子群优化算法重构了啁啾光纤光栅的结构参数。根据啁啾光纤光栅的目标反射谱特点,利用该算法搜索最优的一组光栅参数,根据这组参数计算得到的理论反射谱相对于目标反射谱的偏差最小,由此得到优化的光纤光栅结构参数。数值实例表明重构参数与目标参数非常接近,相对误差非常小。与遗传算法的离线性能比较表明,粒子群优化算法需要的迭代次数少,收敛速度快,在有大量矩阵运算的光纤光栅参数重构这类问题中具有更高的计算效率和更强的运用性。
关键字:光纤光栅;粒子群优化算法;参数重构
Parameter reconstruction of chirped fiber grating using
particle swarm optimization
Abstract
The structural parameters of chirped fiber gratings are reconstructed based on the target reflection spectra using particle swarm optimization. The calculated reflection spectra associated with reconstructed parameters show good agreement with the target reflection spectra. Comparing with ic algorithm, the particle swarm optimization is more effective and practical for parameter reconstruction of fiber gratings.
Keywords: fiber grating;particle swarm optimization; parameter reconstruction
目录
1 引言
2 遗传算法简介
遗传算法基本概念 2
遗传算法的运用 3
3 PSO算法的原理
PSO算法介绍 5
粒子群算法的历史 5
粒子群算法的具体表述 5
参数设置及性能分析
参数设置 11
参数性能分析 12
PSO算法的运用 15
4 光纤光栅概论
光纤光栅的发展简介 16
光纤光栅的主要特点 16
光纤光栅的分类 17
光纤光栅通信领域 18
光纤光栅传感领域 18
5 PSO算法重构啁啾光纤光栅参数
传输矩阵理论 19
适应度函数选取 20
PSO算法重构光纤光栅参数的步骤 20
数值实例 21
6 结论 24
参考文献 25
致谢 26
附录 27
1 引言
根据光栅的反射谱逆向重构得到光栅的结构参数如长度、周期、折射率调制深度等,是在光纤光栅传感和通信领域经常会遇到的一类反问题。反问题是设计和哟花光纤光栅的理论基础,对于光纤光栅本身及基于光栅的分布式传感系统的设计具有重要的意义,因此近几年成为国内外的研究热点之一。用来求解反问题的方法包括傅里叶变换、解耦合方程、时频信号分析和层析算法等。演化算法近来被用于反问题的求解。其中粒子群优化算法和遗传算法由于其易于操作已经得到了广泛应用。粒子群算法,也称粒子群优化算法,缩写为PSO,是近年来发展起来的一种新的进化算法。
近年来,光纤光栅技术已经在光纤传感领域得到了广泛的应用。光纤光栅传感器不仅具有抗电磁干扰,灵敏度高,结构经凑,能在恶劣环境下使用等优点,同时由于光纤光栅具有对波长绝对编码的特点,克服了耦合损耗以及光源输出功率波动对于强度调制型光纤传感器的影响。正是由于这个特点光纤光栅可以很方便的实现对物理量的分布式测量,因此光纤光栅传感技术越来越受到人们的青睐。在很多情况下,由于光纤光栅的应用目的的不同,所需要的光栅反射普波形也不尽相同。如果根据特定的或预期的反射谱波形来重构光纤光栅的关键参数,对于光纤光栅本身及基于光栅的分布式传系统的设计具有重要的意义,针对这个问题,国内外已有一些方法见诸报道,入傅里叶变换法,GLM及基于遗传算法的解决方案等,但这些方法普遍存在运算时间长或重构结果不够准确等缺点。本文提出了一种基于粒子群优化算法的光纤光栅参数重构方法。
2 遗传算法简介
遗传算法基本概念
遗传算法是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。,其主要特点是直接对结构