基于人工神经网络和粒子群优化的半导体激光器参数反向设计方法
提出一种基于人工神经网络(ANN)和粒子群优化(PSO)的半导体激光器参数反向设计方法.利用由传统数值仿真方法计算出的激光器功率样本数据来训练ANN,并用此网络预测激光器任意一组参数对应的功率谱,均方差可低至0.5 mW,用时仅0.07 s,计算速度提高了约1800倍(与相同环境下传统数值算法耗时125.57 s相比).将此网络与PSO算法结合,可获得目标功率谱的对应参数,即实现反向设计.经计算获得的反向设计方案不唯一,从而进一步验证了半导体激光器非线性多参数的特点.相同环境下ANN结合PSO的反向算法(均方差低于0.04 mW,用时39.45 s)与传统数值反向方法(均方差为0.89 mW,用时192 h)相比,精度提高了22.25倍,速度提高了约17500倍,说明了该方法的有效性.
激光器、人工神经网络、粒子群优化算法、激光器输出功率谱、反向设计
46
TN242(光电子技术、激光技术)
国家重点研发计划;国家自然科学基金;山东省自然科学基金
2019-08-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7