遺傳算法和神經網絡的DFB激光器溫控系統

摘 要： 針對DFB激光器溫度控制系統普遍存在的非線性和延遲性等問題，提出了基于遺傳算法和神經網絡的復合控制結構，采用微處理器作為系統的處理器核心設計了溫度控制系統，并利用鉑電阻、TEC半導體制冷器、溫度敏感器和溫控執行器作為控制單元，再通過構造神經網絡正模型分析被控對象的物理特性，用神經網絡控制實現控制律的映射，同時利用遺傳算法的快速搜索能力訓練神經網絡的權系數。最后，對設計的系統進行了實驗驗證，結果表明，該系統的溫度控制精度為±0.002 ℃，控制范圍為5～70 ℃，超調量低于8%，能夠實現高精度和寬范圍的控制效果，具有較好的工程應用價值。

關鍵詞： DFB激光器； 遺傳算法； 神經網絡； 溫度控制

中圖分類號： TN249?34； TP273 文獻標識碼： A 文章編號： 1004?373X（2016）15?0164?03

Abstract： To solve the problems of nonlinearity and delay property existing in DFB laser temperature control system， the composite control structure based on genetic algorithm and neural network is proposed. In the system， the microprocessor as the system core processor is used to design the temperature control system， and the Pt resistance， TEC semiconductor refrigerator， temperature sensor and temperature control actuator are used as the control units. The neural network positive model was constructed to analyze the physical characteristics of the controlled object. The neural network control is used to map the control laws， and the fast searching ability of genetic algorithm is used to train the weight coefficient of neural network. The designed system was verified with the experiment. The results show that the temperature control accuracy of the system is ±0.002 ℃， the range of temperature control is 5～70 ℃， the overshoot is less than 8%， the designed system can realize the control effect of high precision and wide range， and has better engineering application value.

Keywords： DFB laser； genetic algorithm； neural network； temperature control

0 引 言

激光檢測技術已經應用在許多工業領域，其中分布式（DFB）激光器的波長能夠有效匹配甲烷和一氧化碳等氣體的吸收峰，所以在很多領域利用它來檢測氣體的濃度。DFB激光器的波長主要與電流和溫度有關，當電流保持不變時，DFB的波長與溫度的變化關系[1?3]為0.2～0.3 nm/℃。因此，為了提高氣體的檢測精度，必須確保DFB激光器發光的波長準確且穩定，需要對它的溫度進行精確控制[4?7]。

國內外有很多生產廠家和研究機構都在研究如何在較寬的溫度范圍內提高DFB激光器的溫度控制精度。目前，國外的產品一般能夠在-50～100 ℃的環境下正常工作，且控制精度不低于0.001 ℃。國內的產品一般只能在常溫下工作，控制精度[8]僅為0.05～0.1 ℃。本文針對DFB激光器溫度控制系統普遍存在的非線性和延遲性等問題，利用遺傳算法和神經網絡構造復合控制結構，實現在較寬的范圍內對溫度進行高精度穩定控制的效果。

1 硬件系統設計

1.1 系統總體方案

設計的基于遺傳算法和神經網絡的DFB激光器溫度控制系統主要由鉑電阻、恒流源、信號調整、驅動電路、A/D和D/A轉換模塊、控制器、LED顯示和上位機等組成，總體框圖如圖1所示。

激光器的溫度變化由溫度傳感器鉑熱電阻轉變為電信號，經過信號調整和A/D轉換將數據送給微處理器，與上位機設定的標準值進行比較計算得到偏差，再將該偏差信號由數字控制器處理和調整之后，經由D/A轉換和驅動電路進入執行器件，對被控對象加熱或者制冷，從而將DFB激光器的溫度控制在特定值。

1.2 溫度測量和處理

采用鉑電阻Pt100作為系統的溫度傳感器，它具有工作溫度范圍大和穩定性好的優點。給鉑電阻加載恒定的微小電流（1 mA左右），再通過測量鉑電阻兩端的電壓來獲取溫度信號。對電壓信號進行模數轉換時，使用的芯片為ICL7109，分辨率高達244 ppm，能夠直連微處理器，轉換的速度為30次/s。在微處理器的控制下，電壓信號由多路開關經ICL7109實現模數轉換。同時，參考溫度的信號由上位機和電位器分壓得到。

在微處理器上對實際溫度與參考溫度進行比較，它們的差值由微處理器上設定的控制算法進行處理，得到相應的控制信號，該信號經數模轉換芯片DAC0832處理和放大后驅動執行器件工作。這里的數模轉換芯片為雙極性輸出，可以提供正向和反向的電壓信號，從而實現加熱或者制冷。

1.3 TEC驅動

采用熱電制冷器（TEC）作為系統的溫度控制執行器件。根據珀耳帖效應，當給TEC通過不同方向的電流時，即可實現TEC的制冷或加熱，而調節它的電流大小即可改變它的加熱或者制冷的輸出大小[9]。為了快速地控制TEC的電流，采用MAX1968型的控制芯片，它能夠直接控制電流，具有消除浪涌電流和減小噪聲干擾的優點。它內置有基準電壓源，當電壓大于基準值時，實現加熱的效果；相反，實現制冷的目的。

2 神經網絡學習控制

2.1 神經網絡正模型

3 實驗結果與分析

由前述的分析來設計DFB激光器的溫度控制系統，并用實驗來驗證系統設計的合理性和可行性。選取初始種群為60個染色體，其中每個染色體均有25個權系數，它們的變化范圍為[[-2，4]]，進化代數的最大值為40代。實驗室溫度的初始值為20 ℃，設定期望的DFB激光器溫度值分別為5 ℃，15 ℃，40 ℃和70 ℃，從零時刻啟動溫度控制過程，得到不同目標溫度控制的實驗結果，如圖3～圖6所示。

從圖3～圖6中可以看出，基于遺傳算法和神經網絡的控制算法可以使得DFB激光器的實際溫度達到預期設定的溫度值。對于低于室溫的溫度控制，超調量為8%，控制精度為±0.002 ℃；對于高于室溫的溫度控制，沒有超調量，控制精度為±0.001 7 ℃。因此，本文設計的控制系統能夠實現DFB激光器工作溫度的精確控制，穩定度較高。

4 結 語

本文設計了基于遺傳算法和神經網絡的DFB激光器溫度控制系統，系統使用微處理器、鉑電阻和TEC半導體制冷器分別作為處理器、溫度敏感器和溫控的執行器件，通過構建復合控制結構，能夠使得系統的輸出達到期望值。實驗結果表明，該系統能夠實現DFB激光器溫度的高精度和穩定控制，控制精度和控制范圍分別能夠達到±0.002 ℃和5～70 ℃，超調量低于8%，具有較好的推廣應用前景。

參考文獻

[1] 胡鵬程，時瑋澤，梅健挺.高精度鉑電阻測溫系統[J].光學精密工程，2014，22（4）：988?995.

[2] 單成玉.溫度對半導體激光器性能參數的影響[J].吉林師范大學學報（自然科學版），2003（4）：95?97.

[3] 李金義，杜振輝，齊汝賓，等.利用熱敏電阻精確測量DFB激光器動態結溫度[J].儀器儀表學報，2012，33（9）：2088?2093.

[4] 秦國華，謝文斌，王華敏.基于神經網絡與遺傳算法的刀具磨損檢測與控制[J].光學精密工程，2015，23（5）：1314?1321.

[5] 孫瑜玲，林勤花.基于遺傳神經網絡的P2P流量識別系統[J].現代電子技術，2015，38（17）：117?120.

[6] 徐齊勝，羅勝琪，陶欣，等.基于神經網絡遺傳算法的鍋爐燃燒優化系統[J].自動化與儀表，2014，29（6）：30?32.

[7] 陳苗，陳福深，肖勇.溫度對半導體激光器特性的影響[J].中國科技信息，2011（3）：46?47.

[8] 李江瀾，石云波，趙鵬飛，等.TEC的高精度半導體激光器溫控設計[J].紅外與激光工程，2014，43（6）：1745?1749.

[9] 徐廣平，馮國旭，耿林.基于單片機控制的高精度TEC溫控[J].激光與紅外，2009，39（3）：254?256.

[10] 康偉.基于BP神經網絡的DFB激光器恒溫控制系統建模與仿真[J].激光雜志，2015，36（4）：59?62.

[11] 秦國華，趙旭亮，吳竹溪.基于神經網絡與遺傳算法的薄壁件多重裝夾布局優化[J].機械工程學報，2015（1）：203?212.

[12] 賈瑩，高丙坤.基于遺傳算法優化神經網絡的管道泄漏檢測方法研究[J].化工自動化及儀表，2014，41（2）：128?131.