[发明专利]一种基于粒子群算法的光束抖动模型参数实时辨识方法

说明书

本发明公开了一种基于粒子群算法的光束抖动模型参数实时辨识方法，包含以下步骤：首先，建立光束抖动模型；其次，采集光束抖动时序信号；再次，确定辨识误差准则函数；然后，利用粒子群算法对光束抖动模型参数进行全局随机搜索，进而得到模型的最优参数，从而实现模型参数的智能寻优。本发明与已有方法相比，最显著的特点为初值随机，计算速度快，实时性强。而且，在迭代过程中通过惯性权重因子自适应变化，极大提高算法跳出局部收敛的能力，同时又可以提高算法效率。此外，本发明方法无需额外辅助系统及人为调试，实现成本低；并且可用于不同系统中光束抖动模型参数的辨识，可移植性强。

技术领域

本发明涉及光束抖动模型参数辨识技术领域，特别涉及一种基于粒子群算法的光束抖动模型参数实时辨识方法。

背景技术

光束抖动是光束光轴发生偏摆，光束传播方向不断变化的现象。在自适应光学系统或高能激光系统中，由系统平台或振动器件引起的高频窄带光束抖动极大的限制了系统性能的提高。如何有效抑制高频窄带光束抖动，从而进一步提高系统性能已经成为亟待解决的问题。

国内外研究学者从多方面对高频窄带光束抖动的抑制进行了研究，其中线性二次高斯LQG(Linear Quadratic Gaussian)控制算法对窄带扰动具有非常好的控制效果，但前提是需要对高频窄带光束抖动信号进行精确的建模。而模型参数的确定依赖于对模型参数的辨识。目前用于光束抖动模型参数辨识的方法主要有：广义kalman滤波法、极大似然法、阻尼高斯牛顿法和预报误差法等。这些方法中，广义kalman滤波法基于非线性观测器对高频信号拟合效果差；极大似然法受限于先验信息；阻尼高斯牛顿法和预报误差法对初值敏感，计算量较大且需要更多的人为参与调试，不利于模型参数的实时在线辨识。

发明内容

本发明要解决的技术问题是：针对现有对光束抖动模型参数辨识技术不足而提供一种基于粒子群算法的光束抖动模型参数实时辨识方法，其特点是能够对光束抖动模型参数进行快速准确的实时辨识。

本发明解决上述技术问题采用的技术方案是：一种基于粒子群算法的光束抖动模型参数实时辨识方法，按照如下步骤实现：

步骤(1)、建立光束抖动模型，确定待辨识参数；光束抖动信号模型为自回归二阶模型(AR2)：

其中，为自适应光学系统测量得到的光束抖动时序信号，为时域待辨识参数，为模型误差。为获得具有实际物理意义的模型参数可将时域待辨识参数通过公式转化为待辨识频域参数。转化公式为：

w₀＝2πf

其中，为光束抖动模型系数，亦为时域待辨识参数；f为振动频率，K为阻尼因子，σ²为驱动源方差，都为频域待辨识参数；T为采样周期。

步骤(2)、采集光束抖动时序信号；其中，采集到的光束抖动时序信号为由自适应光学系统开环测量斜率(或伪开环斜率)通过Zernike模式复原法得到的基于Zernike模式系数表示的波前畸变相位。其中，伪开环是指自适应光学系统中通过将已知的波前校正器校正量和校正残差信号的探测量求和得到初始光束抖动信号，其不需要系统开环。伪开环斜率的计算公式为：

G_pol＝G_col+G_校正

其中，G_pol为伪开环斜率，G_col为闭环测得的残余斜率，G_校正为波前校正器产生的校正斜率。

步骤(3)、确定粒子群算法适应度函数；粒子群算法适应度函数即为误差准则函数，误差准则函数既可以是线性函数也可以是非线性函数，只要是实函数，并不局限于特定的表达式。