门控循环网络辨识准分子激光器能量模型

• 作者: 冯泽斌 周翊 江锐 韩晓泉 徐向宇 刘斌
• 来源期刊: 中国激光
• 关键词: 激光器 门控循环单元网络 准分子激光器 模型辨识
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 激光器件与激光物理|Laser Devices and Laser Physics
• 页码范围: 28-37
• 页数: 10页
• 分类号: TN248.2
• 语种: 中文
• DOI: 10.3788/CJL202148.0901004

摘要

准分子激光器的放电过程是一个复杂的非线性过程,从而导致基于放电动力学建立的激光器放电能量模型的精度很难达到仿真研究和控制算法设计的需求.通过深度学习的方法,利用门控循环网络辨识准分子激光器放电能量模型.首先基于准分子激光器出光能量特性,选定所建立的门控循环网络的输入.然后根据门控循环神经网络的输入特性和输出特性建立适用于准分子激光器能量模型辨识的神经网络,并介绍了门控循环神经网络训练方法.最后利用实际采集的激光器的能量数据对门控循环神经网络进行训练.实验结果证明,本文所设计的门控循环神经网络收敛,辨识出来的能量模型的最大误差小于1.5％.该方法可以应用于准分子激光器能量模型的辨识.