留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于在线最小二乘支持向量机的变形镜建模与控制

张东阁 傅雨田

张东阁, 傅雨田. 基于在线最小二乘支持向量机的变形镜建模与控制[J]. 红外与激光工程, 2016, 45(11): 1118007-1118007(7). doi: 10.3788/IRLA201645.1118007
引用本文: 张东阁, 傅雨田. 基于在线最小二乘支持向量机的变形镜建模与控制[J]. 红外与激光工程, 2016, 45(11): 1118007-1118007(7). doi: 10.3788/IRLA201645.1118007
Zhang Dongge, Fu Yutian. Deformable mirror modeling and control based on o-line least square support vector machine[J]. Infrared and Laser Engineering, 2016, 45(11): 1118007-1118007(7). doi: 10.3788/IRLA201645.1118007
Citation: Zhang Dongge, Fu Yutian. Deformable mirror modeling and control based on o-line least square support vector machine[J]. Infrared and Laser Engineering, 2016, 45(11): 1118007-1118007(7). doi: 10.3788/IRLA201645.1118007

基于在线最小二乘支持向量机的变形镜建模与控制

doi: 10.3788/IRLA201645.1118007
基金项目: 

国家863计划(2015AA7015090,2015AA7015097);全球变化与海气相互作用专项任务(GASI-03-03-01-01);上海技术物理研究所创新基金(2014-CX25)

详细信息
    作者简介:

    张东阁(1986-),男,助理研究员,博士,主要从事光学设计和机械设计方面的研究。Email:zhangdongge@mail.sitp.ac.cn

    通讯作者: 傅雨田(1966-),男,研究员,博士生导师,博士,主要从事红外光电系统总体技术方面的研究。Email:yutianfu@mail.sitp.ac.cn
  • 中图分类号: TP273.3;O439

Deformable mirror modeling and control based on o-line least square support vector machine

  • 摘要: 为消除变形镜的建模误差,提出了基于在线最小二乘支持向量机的变形镜建模方法。首先,分析了温度和驱动器非线性等因素对变形镜响应矩阵的影响;然后,介绍了最小二乘支持向量机及在线更新的原理,并将其引入97单元变形镜的集成仿真模型。根据变形镜不断更新的运行数据,最小二乘支持向量机进行在线训练和模型更新,构建当前状态变形镜的等效模型,并输出下一时刻的电压预报值。仿真结果表明:基于在线最小二乘支持向量机的变形镜建模方法摆脱了固定模型的约束,具有自适应更新的特点,稳健性好,控制电压预测精度高,有利于提高自适应光学系统的控制精度。
  • [1] Ma Jianqiang, Liu Ying, Chen Junjie, et al. Design and performance testing of 200 element silicon unimorph deformable mirror[J]. Optica and Precision Engineering, 2014, 22(8):2047-2053. (in Chinese)
    [2] Yan Zhaojun, Li Xinyang. Neural network prediction algorithm for control voltage of deformable mirror in adaptive optical system[J]. Acta Optica Sinica, 2010, 30(4):911-916. (in Chinese)
    [3] Yan Zhaojun, Li Xinyang, Rao Changhui. Multi channel adaptive control algorithm for closed loop adaptive optical system[J]. Acta Optica Sinica, 2013, 33(3):0301002. (in Chinese)
    [4] Nasiri-Avanaki M R, Sarmadi H, Meadway A, et al. Comparative assessment of three algorithms to control a deformable mirror for an adaptive optics system with no wavefront sensor[C]//SPIE, 2011, 7904:790415.
    [5] Liu Lei, Guo Jin, Zhao Shuai, et al. Application of stochastic parallel gradient descent algorithm in laser beam shaping[J]. Chinese Optics, 2014, 7(2):260-266. (in Chinese)
    [6] Simonov A N, Hong S, Vdoin G. Piezoelectric deformable mirror with adaptive multiplexing control[J]. OE Letters, 2006, 45(7):070501.
    [7] Shi Xiaoyu, Feng Yong, Chen Ying, et al. Predicting control voltages of deformable mirror in adaptive optical system[J]. High Power Laser and Particle Beams, 2012, 24(6):1281-1286. (in Chinese)
    [8] Kathleen A M, Stuart L M, Jeff Fixler. Thermo mechanical characterization of a membrane deformable mirror[J]. Applied Optics, 2008, 47(29):5325-5329.
    [9] Ning Yu, Yu Hao, Zhou Hong, et al. Performance test and closed loop correction experiment of a 20 element bimorph deformable mirror[J]. Acta Physica Sinica, 2009, 58(7):4717-4723. (in Chinese)
    [10] Niu Zhifeng, Guo Jianzeng, Zhou Xiaohong. Simulation and compensation of wavefront aberration caused by deformable mirror thermal deformation[J]. High Power Laser and Particle Beams, 2015, 27(1):011010.
    [11] Peng Jiaqi, Hu Xiaochuan, Chen Lixia, et al. Effect of structural parameters of deformable mirrors on phase characteristics of high power laser[J]. Acta Optica Sinica, 2015, 35(5):0514001. (in Chinese)
    [12] Zhao Xueliang, Zhang Chengjin, Gu Jianjun, et al. Creep characteristics of stack piezo actuator effected by discretized sine voltage[J]. Optics and Precision Engineering, 2014, 22(4):942-948. (in Chinese)
    [13] Lin Xudong, Liu Xinyue, Wang Jianli, et al. Development and performance test of the 961 element deformable mirror[J]. Acta Optica Sinica, 2013, 33(6):0601001. (in Chinese)
    [14] Chen Jindong, Pan Feng. Online support vector regression based nonlinear model predictive control[J]. Control and Decision, 2014, 29(3):460-464. (in Chinese)
    [15] Liang Dong, Xie Qiaoyun, Huang Wenjiang, et al. Using least squares support vector machines to estimate time series leaf area index[J]. Infrared and Laser Engineering, 2014, 43(1):243-248. (in Chinese)
    [16] Deng Xingsheng, Hua Xianghong. Learning algorithm of dynamic least square support vector machine[J]. Geomatics and Information Science of Wuhan University, 2008, 33(11):1122-1125. (in Chinese)
    [17] Zhang Haoran, Wang Xiaodong. Incremental and online learning algorithm for regression least squares support vector machine[J]. Chinese Journal of Computer, 2006, 29(3):400-405. (in Chinese)
    [18] Lin Weiqing, Fu Jianzhong, Xu Yazhou, et al. Thermal error modeling and compensation of numerical control machines tools based on on line least squares support vector machine[J]. Computer Integrated Manufacturing System, 2008, 14(2):295-299. (in Chinese)
    [19] Hu Qiang, Song Shenmin. Online predicting of line of sight angular rate based on LSSVM method[J]. Infrared and Laser Engineering, 2013, 42(11):3019-3023. (in Chinese)
  • [1] 詹海潮, 王乐, 彭秦, 王文鼐, 赵生妹.  涡旋光束的自适应光学波前校正技术研究进展(特邀) . 红外与激光工程, 2021, 50(9): 20210428-1-20210428-10. doi: 10.3788/IRLA20210428
    [2] 范文强, 王志臣, 陈宝刚, 陈涛, 安其昌.  自适应光学相干层析在视网膜高分辨成像中的应用 . 红外与激光工程, 2020, 49(10): 20200333-1-20200333-13. doi: 10.3788/IRLA20200333
    [3] 贾启旺, 李新阳, 罗曦.  自适应光学系统运行失稳检测方法 . 红外与激光工程, 2020, 49(10): 20200299-1-20200299-10. doi: 10.3788/IRLA20200299
    [4] 方舟, 徐项项, 李鑫, 刘金龙, 杨慧珍, 龚成龙.  自适应增益的SPGD算法 . 红外与激光工程, 2020, 49(10): 20200274-1-20200274-7. doi: 10.3788/IRLA20200274
    [5] 余霞, 王家秋, 张彬.  薄膜残余应力和表面杂质对变形镜疲劳寿命的影响 . 红外与激光工程, 2019, 48(9): 916002-0916002(7). doi: 10.3788/IRLA201948.0916002
    [6] 牛威, 郭世平, 史江林, 邹建华, 张荣之.  自适应光学成像事后处理LoG域匹配图像质量评价 . 红外与激光工程, 2018, 47(11): 1111005-1111005(9). doi: 10.3788/IRLA201847.1111005
    [7] 罗瑞耀, 王红岩, 宁禹, 丁枫, 万国新, 许晓军.  基于阵列激光导星的自适应光学波前探测数值仿真 . 红外与激光工程, 2018, 47(11): 1111003-1111003(9). doi: 10.3788/IRLA201847.1111003
    [8] 张东阁, 傅雨田.  基于一类支持向量机的盲元检测方法 . 红外与激光工程, 2018, 47(4): 404001-0404001(7). doi: 10.3788/IRLA201847.0404001
    [9] 宋定安, 李新阳, 彭真明.  0-1故障模型在自适应光学系统中的应用 . 红外与激光工程, 2018, 47(11): 1111004-1111004(9). doi: 10.3788/IRLA201847.1111004
    [10] 吴军伟, 缪玲娟, 李福胜, 沈军.  改进支持向量机的光纤陀螺温度漂移补偿方法 . 红外与激光工程, 2018, 47(5): 522003-0522003(6). doi: 10.3788/IRLA201847.0522003
    [11] 范占斌, 戴一帆, 铁贵鹏, 关朝亮, 宁禹, 刘俊峰.  横向压电驱动变形镜的迟滞特性及其闭环校正 . 红外与激光工程, 2018, 47(10): 1020001-1020001(6). doi: 10.3788/IRLA201847.1020001
    [12] 高春清, 张世坤, 付时尧, 胡新奇.  涡旋光束的自适应光学波前校正技术 . 红外与激光工程, 2017, 46(2): 201001-0201001(6). doi: 10.3788/IRLA201746.0201001
    [13] 毛珩, Tao Louis, 陈良怡.  自适应光学技术在深层动态荧光显微成像中的应用和发展 . 红外与激光工程, 2016, 45(6): 602001-0602001(7). doi: 10.3788/IRLA201645.0602001
    [14] 袁健, 沙巍, 任建岳.  空间相机用变形镜的支撑结构设计 . 红外与激光工程, 2016, 45(7): 718001-0718001(6). doi: 10.3788/IRLA201645.0718001
    [15] 罗奇, 李新阳.  自适应光学系统光轴抖动抑制控制器设计 . 红外与激光工程, 2016, 45(4): 432003-0432003(6). doi: 10.3788/IRLA201645.0432003
    [16] 张耀平, 樊峻棋, 龙国云.  变形镜在激光辐照下热畸变有限元模拟 . 红外与激光工程, 2016, 45(11): 1136002-1136002(5). doi: 10.3788/IRLA201645.1136002
    [17] 吴伟彬, 戴一帆, 关朝亮, 范占斌, 钟曜宇.  横向压电效应变形镜优化设计 . 红外与激光工程, 2016, 45(8): 818003-0818003(7). doi: 10.3788/IRLA201645.0818003
    [18] 杨慧珍, 刘荣, 刘强.  基于变形镜本征模的模型式无波前探测自适应光学系统 . 红外与激光工程, 2015, 44(12): 3639-3644.
    [19] 卞春江, 余翔宇, 侯晴宇, 张伟.  最小化支持向量数分类器的云检测 . 红外与激光工程, 2014, 43(6): 1818-1822.
    [20] 韩立强, 王志斌.  自适应光学校正下空间光通信的光纤耦合效率及斯特列尔比 . 红外与激光工程, 2013, 42(1): 125-129.
  • 加载中
计量
  • 文章访问数:  359
  • HTML全文浏览量:  42
  • PDF下载量:  110
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-03-05
  • 修回日期:  2016-04-10
  • 刊出日期:  2016-11-25

基于在线最小二乘支持向量机的变形镜建模与控制

doi: 10.3788/IRLA201645.1118007
    作者简介:

    张东阁(1986-),男,助理研究员,博士,主要从事光学设计和机械设计方面的研究。Email:zhangdongge@mail.sitp.ac.cn

    通讯作者: 傅雨田(1966-),男,研究员,博士生导师,博士,主要从事红外光电系统总体技术方面的研究。Email:yutianfu@mail.sitp.ac.cn
基金项目:

国家863计划(2015AA7015090,2015AA7015097);全球变化与海气相互作用专项任务(GASI-03-03-01-01);上海技术物理研究所创新基金(2014-CX25)

  • 中图分类号: TP273.3;O439

摘要: 为消除变形镜的建模误差,提出了基于在线最小二乘支持向量机的变形镜建模方法。首先,分析了温度和驱动器非线性等因素对变形镜响应矩阵的影响;然后,介绍了最小二乘支持向量机及在线更新的原理,并将其引入97单元变形镜的集成仿真模型。根据变形镜不断更新的运行数据,最小二乘支持向量机进行在线训练和模型更新,构建当前状态变形镜的等效模型,并输出下一时刻的电压预报值。仿真结果表明:基于在线最小二乘支持向量机的变形镜建模方法摆脱了固定模型的约束,具有自适应更新的特点,稳健性好,控制电压预测精度高,有利于提高自适应光学系统的控制精度。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回