基于Zernike 模式自适应光学系统随机并行梯度下降算法.docVIP

. . 　　 本文档下载自 HYPERLINK / 文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：  HYPERLINK /doc/2f5df195ec3a87c24028c464.html /doc/2f5df195ec3a87c24028c464.html 基于zernike模式的自适应光学系统 随机并行梯度下降算法 zernike 自适应光学 １卷第５期　第２００９年５月　２ 强激光与粒子束 ＨＩＧＨＰＯＷＥＲＬＡＳＥＲＡＮＤＰＡＲＴＩＣＬＥＢＥＡＭＳ Ｖｏｌ．２１，Ｎｏ．５　 ，Ｍａ２００９　ｙ 文章编号：（）００１４３２２２００９０５０６４５０４　１ 基于犣犲狉狀犻犽犲模式的自适应光学系统 随机并行梯度下降算法  杨慧珍１，　李新阳２ （）１．淮海工学院控制工程技术研究所，江苏连云港２２２００５；１０２０９　２．中国科学院自适应光??重点实验室，成都６ 　　摘　要：　控制算法的收敛速度一定程度上限制了无波前探测自适应光学技术在实时波前畸变校正中的应用。从理论分析角度提出将模式法和区域法结合起来以提高算法收敛速度，并以６１单元变形镜为校正器，建立基于随机并行梯度下降算法自适应光学系统仿真模型。结果表明：达到同样的校正效果时，采用组合优化从而验证了理论分析的合理性。的算法收敛速度要明显优于基于区域法的收敛速度， ｅｒｎｉｋｅ模式　　关键词：　自适应光学系统；　随机并行梯度下降算法；　ＺＰ２７３．２　　　　文献标志码：　　中图分类号：　Ｔ　Ａ ］１ 无波前探测自适应光学系统［不但降低了自适应光学系统结构的复杂性，而　　和常规自适应光学系统相比， 且在波前无法探测的应用环境中有着其独特的优势，采用合适的控制算法是该项技术成功实现的关键。从现［］２３］４ 随机并行梯度下降（算法无论从校正效果还是收敛速度来讲都算是较好的算法［，有国内外文献看，ＳＰＧＤ）］３ 但它的收敛速度却仅适用于静态或缓慢变化的像差［。我们试图结合自适应光学系统的特点，探索提高 ＳＰＧＤ控制算法收敛速度的方法。 １　理论分析 在梯度下降方ＰＧＤ算法利用性能指标的变化量δ犑与控制参数的变化量δ狌进行控制参数的梯度估计，　　Ｓ 其中δ一般把波前校正器各驱动向上进行控制参数的搜索，犑为标量，狌为一多维向量。自适应光学系/doc/2f5df195ec3a87c24028c464.html统中，δ器所需要的控制信号，即电压向量作为系统的控制参数。第犽次迭代时，电压向量狌＝｛…，的计算狌狌狌１，２，犖｝公式为 （）（）（）（） （）狌犽＋１＝狌犽＋γ狌犽δ犑犽１δ （）（（）犽） 式中：…，犖为驱动器个数；狌犽＝｛狌狌狌犑犽为施加扰动电δδδδδ１，２，犖｝为第犽次迭代时施加的扰动电压向量；压所产生的性能指标变化量；若朝着指标函数极大方向优化，反之，取负值。本文以γ为一小的常量，γ取正值， 变形镜作为波前校正器模型。 １．１　控制系统结构优化 为初始畸变波前，为变形镜生成的补偿面形，为残余波前，三者有如下关系：狉）犿（狉）狉）狉）＝φ（狉）　　设φ（（（。其中，为正交于光轴的平面中的向量；，和犿（均为连续函数。为处理残余波前＋犿（狉）狉＝｛狓，狉）狉）狉）（狔｝φ（ 更方便，ＳＰＧＤ控制算法优化的性能指标的表达式为 ２２ ／犑＝（１犇）狉）ｄ狉（ 式中：犇为波前校正器的通光口径。 ∫ （）２ 所带来的指标变化为犿（狉）　　由变形镜引入的波前相位扰动δ ］］犑＝犑［狉）犿（狉）狉）＋δ－犑［δ（（ （）３ 由电压迭代公式可知，当系统中增益系数γ和电压扰动幅度固定时，犑的绝对值大小决定了梯度方向前进的δ尺度，指标下降越快。犑｜δ｜越大，做如下限制犑对相位扰动幅度的依赖性，　　为排除δ ２００８１００９；２００９０２２３收稿日期：　　修订日期： 基金项目：国家高技术发展计划项目 作者简介：杨慧珍（，女，博士，讲师，主要从事智能优化控制算法及其应用研究；１９７３—）ａｎｈｚ５２６＠１２６．ｃｏｍ。ｙｇ ６４６ 强激光与粒子束 第２１卷 ２ （／〉１犇）〈犿２（狉）ｄ狉≤犘２δ:///doc/2f5df195ec3a87c24028c464.htmlar ∫ （）４ 式中：））得犘为１的常数。由式（２４～（ ２２／］犑＝（１犇）［狉）犿（狉）狉）ｄ狉＋２δδ犿（δ（ ∫ （）５（）６ ２２ ／〉〈犑〉≤〈犑〉２犇）犿（狉）狉）ｄ狉狘狘〈δδδ（ｍａｘ＝犘＋（ｍａｘ ∫ ２ 从式（）可以看出，〈／〈〉即当δ和（完全相关时，６犑〉＝（１犇）犿（狉）狉）ｄ狉，犿（狉）狉）δ∫δ（ｍａｘ取决于相关项ηη可以达２］到最大值［。对于相对低阶的畸变，和Ｋ使用Ｚｏｌｍｏｏｒｏｖ湍流模式有关的相位扰动，ｅｒｎｉｋｅ多项式分