基于神经网络的高精度量子光源温控系统及控温算法研究.pdf

摘要

随着量子科技的快速发展，压缩光光源在量子信息处理和量子通信等领域重要

性日益凸显。然而，制备高品质的压缩光光源依赖于性能卓越的激光发生器，而激

光发生器的稳定性直接受到激光晶体温度平稳性的影响。因此，精确控制激光晶体

温度成为提升激光发生器性能，进而优化量子纠缠源制备技术的关键所在。为了更

好的控制激光晶体的温度，本文提出了两种算法：基于粒子群（PSO）优化的反向传

播PID（PSO-BP-PID）和使用遗传退火算法优化双平滑因子的广义回归神经网络

（SAGA-dGRNN）。该算法通过PSO算法优化PID控制器的参数，并利用广义回归

神经网络（GRNN）对系统进行在线预测与校正，从而实现对激光晶体温度的精确和

快速控制。此外，本研究还设计了部署该算法的整体温控设备，包含监测温度和调

节温度的下位机以及算法运算的上位机，旨在构建一个高效稳定的温度控制系统，

为激光发生器提供持续稳定的运行环境。本文的主要工作有：

（1）针对BP-PID算法迭代速度慢的问题，提出了以PSO粒子群算法对BP神

经网络进行优化的改进方法。这一方法不仅在优化BP神经网络的初始权值时起到作

用，同时还引入了附加动量项和自适应学习率等方法对BP神经网络的结构进行优化。

通过这些措施，有效减少了迭代次数，从而缩短了温度稳定所需的时间。在阶跃响

应仿真中，本文改进的BP-PID的迭代次数比BP-PID算法减少了40次，超调量减少

了65%。

（2）为了实现更加精准的PID参数计算，本文对基于样本的GRNN进行了改

进，并将其用于PID参数的计算。除了引入平滑因子以增强其动态性能外，本文还

使用模拟退火遗传算法对两个平滑因子进行了优化得到了SAGA-dGRNN。在温度系

统仿真条件下，SAGA-dGRNN-PID比BP-PID的迭代次数减少了37.5%，并且超调

量控制在0.1℃以内。

（3）针对激光晶体温度控制的关键问题的改进验证，设计了一种温度控制系统

样机。该系统采用了基于上位机-下位机结构的设计，其中下位机实现了基于

ADuCM3029的温度监测与PWM温度调整，而上位机则采用了PyQt5框架，并基于

MVC架构设计了算法调用与参数计算的软件。基于pySerial和pyvisa实现了上位机

与下位机的通信。实验结果表明，使用本文设计的晶体温控样机，温控过程超调量

I

减少了57.14％，温度稳定所需时间减少了77.8％。这些结果表明，本文设计的温度

控制系统具有高效的控制能力和较强的鲁棒性。

综上所述，本文针对激光晶体温度控制的关键问题进行了改进，并设计了一种

温控系统样机。实验结果表明，该温度控制系统显著减少了温控过程的超调量，大

幅缩短了温度稳定所需的时间。这些成果为激光发生器及量子纠缠源制备技术的优

化提供了重要的技术支持。

关键词：晶体温控；神经网络；BP-PID；GRNN

II

Abstract

Withtherapiddevelopmentofquantumtechnology,theimportanceofsqueezedlight

sourcesinfieldssuchasquantuminformationprocessingandquantumcommunicationis

becomingincreasinglyprominent.However,thepreparationofhigh-qualitysqueezedlight

sourcesreliesonhigh-performancelasergenerators,thestabilityofwhichisdirectly

influencedbythetemperaturestabilityoflasercrystals.Therefore,precisecontroloflaser

crystaltemperatureiscrucialfore