高级检索

ISSN1001-3806CN51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于粒子群自整定PID算法的激光器温度控制系统

齐艺超 陈伟 穆春元 祝宁华

引用本文:
Citation:

基于粒子群自整定PID算法的激光器温度控制系统

    作者简介: 齐艺超(1992-), 男, 硕士研究生, 主要研究方向为激光器稳频技术.
    通讯作者: 祝宁华, nhzhu@semi.ac.cn
  • 基金项目:

    国家自然科学基金资助项目 61675196

  • 中图分类号: TN248.4

Laser temperature control system based on particle swarm self-tuning PID algorithm

    Corresponding author: ZHU Ninghua, nhzhu@semi.ac.cn
  • CLC number: TN248.4

  • 摘要: 为了使激光器能够稳定工作, 设计并实现了一个控制速度快、精度高, 并且可调谐的温度控制系统。该系统使用ATmega328P为处理器, 通过粒子群算法自整定比例-积分-微分(PID)系数, 采用闭环负反馈的PID结构实现对激光器的温度控制。结果表明, 在本系统控制下, 激光器能在15s左右达到目标温度, 且到达目标温度后温度误差约为±0.01℃, 并可保持较长时间, 激光器输出功率波动很小, 方差仅为568.49μW。该系统对蝶形封装激光器的温度可以实现有效的温度控制。
  • Figure 1.  Diagram of temperature control system

    Figure 2.  H bridge of temperature control circuit

    Figure 3.  Model of temperature control system

    Figure 4.  Algorithm flow chart

    Figure 5.  Diagram of whole system

    Figure 6.  Relationship between J value and iteration number

    Figure 7.  Temperature variation of laser from 15℃ to 25℃

    Figure 8.  Temperature fluctuation of laser at 25℃

    Figure 9.  Temperature variation of laser from 15℃ to 20℃

    Figure 10.  Temperature fluctuation of laser at 20℃

    Figure 11.  Relationship between power and time

  • [1]

    WANG L J, NING Y Q, QIN L, et al. Development of high power diode laser [J]. Chinese Journal of Luminescence, 2015, 36(1): 1-19(in Chinese).
    [2]

    ZHONG Q R, JIANG H M, DAI J K, et al. Development situations of semiconductor laser controllers [J]. Optical Communication Technology, 2016, 40(5):52-54(in Chinese). 
    [3]

    ZHANG P L, ZHANG L Ch. A semiconductor laser's temperature control system based on PID algorithm[J].Electronic Science & Technology, 2016, 3(5):543-545(in Chinese). 
    [4]

    WU J, LI Ch J. Design of high precision temperature control system based on TEC[J]. Electronic Design Engineering, 2017, 25(20):75-79(in Chinese). 
    [5]

    LUO L, HU J Ch, WANG Ch Y, et al. Design of high-precision driving power and temperature control circuit for semiconductor laser [J]. Laser Technology, 2017, 41(2):200-204(in Chinese). 
    [6]

    HUANG J Q, ZHAI B, HE Q X, et al. A temperature controller for near-infrared semiconductor laser used in gas detection [J]. Acta Photonica Sinica, 2014, 43(6):36-41 (in Chinese). 
    [7]

    BAO M. Laser temperature control system based on fuzzy theory and neural network [J]. Laser Journal, 2017, 38(10):123-126(in Ch-inese). 
    [8]

    CHEN Sh G, WANG Ch, ZHU P Y, et al. Simulation of heat exchange temperature control based on fuzzy adaptive PID[J]. Industrial Control Computer, 2017, 30(8):105-106(in Chinese). 
    [9]

    FANG L H, WEN J G, JIANG Y Ch, et al. Design of a temperature control system for semiconductor laser based on digital filtering [J]. Laser Technology, 2016, 40(5):701-705 (in Chinese). 
    [10]

    SHAO M C, ZHANG Q Sh. Laser temperature control system based on genetic algorithm optimizing PID[J]. Laser Journal, 2016, 37(4):96-99(in Chinese). 
    [11]

    HUANG G L, QIN Y Y. Design and realization of temperature control system of laser controlled by PID[J]. Laser Journal, 2016, 37(10):142-145(in Chinese). 
    [12]

    XIN Q Q, WAN Y, BI W B, et al. Study on modeling and experiment of wavelength temperature characteristic for semiconductor laser[J]. Tool Engineering, 2017, 51(12):115-117(in Chinese). 
    [13]

    ZUO Sh, HE T, YAO S Y. Temperature control system for semiconductor laser based on fuzzy PID[J]. Laser & Infrared, 2014, 44(1):94-97(in Chinese). 
    [14]

    XIAO Sh, LU W Y. The design of thesemiconductor laser temperature control system based on PID control[J].Laser Journal, 2015, 36(6):39-42(in Chinese). 
    [15]

    QIN Sh, GONG Y, YUAN W Q, et al. High precision temperature control for projection lens with long time thermal response constant [J]. Optics and Precision Engineering, 2013, 21(1):108-114(in Chinese). doi: 10.3788/OPE.20132101.0108
    [16]

    WANG X Z, HOU H Y, ZHAI Zh Sh, et al. Mathematical modeling and parameter identification of temperature control systems based on thermoelectric coolers [J]. Laser Technology, 2015, 39(6):789-793(in Chinese). 
    [17]

    ZHAI Z Y, YE M Y. A coating design method based on particle swarm optimization [J]. Acta Photonica Sinica, 2011, 40(9):1338-1341 (in Chinese). doi: 10.3788/gzxb20114009.1338
    [18]

    ZHAO Zh Zh, HE K, HE H J. PID control parameters tuning based on shuffled frog leaping algorithm [J]. Journal of Heilongjiang Institute of Technology, 2017, 31(6):38-41(in Chinese). 
    [19]

    WANG X M, WANG H F, YAO N F. Parameter optimization of laser displacement sensor based on particle swarm optimization algorithm [J]. Laser Technology, 2018, 42(2):181-186(in Chin-ese). 
  • [1] 王晓蒙王会峰姚乃夫 . 基于粒子群算法的激光位移传感器参量优化. 激光技术, 2018, 42(2): 181-186. doi: 10.7510/jgjs.issn.1001-3806.2018.02.008
    [2] 周聪张玲陈根余邓辉蔡颂 . 激光修锐砂轮工艺参量的预测和优化算法. 激光技术, 2015, 39(3): 320-324. doi: 10.7510/jgjs.issn.1001-3806.2015.03.008
    [3] 戴璨王元庆徐帆 . 基于粒子群算法的3维激光雷达回波分解. 激光技术, 2016, 40(2): 284-287. doi: 10.7510/jgjs.issn.1001-3806.2016.02.028
    [4] 陈斯祺张海洋赵长明张子龙王文鑫张明 . 基于天牛须改进粒子群算法的点云配准方法. 激光技术, 2020, 44(6): 678-683. doi: 10.7510/jgjs.issn.1001-3806.2020.06.005
    [5] 冯巍巍刘增东刘美娟史丰荣张骏江荣熙 . 激光多普勒调制器的优化. 激光技术, 2006, 30(6): 564-566,569.
    [6] 王君立王云鹏李大一于前洋檀慧明 . 全固态激光器的数字式光反馈控制驱动电源. 激光技术, 2004, 28(3): 306-308.
    [7] 时光廖云王云祥闫平巩马理 . 微片被动调Q激光器的Siegman方程组的优化分析. 激光技术, 2005, 29(6): 636-638.
    [8] 程成马养武 . 具有最大输出功率的CO2激光器谐振腔. 激光技术, 2002, 26(5): 346-349.
    [9] 杨睿杨瑞峰郭晨霞吴耀 . 双圈同轴型光纤传感器结构的优化与试验验证. 激光技术, 2019, 43(3): 324-328. doi: 10.7510/jgjs.issn.1001-3806.2019.03.007
    [10] 沈自才孔伟金宋永香汤兆胜范正修 . ZrO2/SiO2棱镜偏振膜的膜系优化设计与制备. 激光技术, 2005, 29(1): 101-103.
    [11] 柳娟唐霞辉彭浩秦应雄邓前松 . 高效率3工位激光焊接系统的控制优化. 激光技术, 2010, 34(1): 56-59. doi: 10.3969/j.issn.1001-3806.2010.01.016
    [12] 郭凤玲徐广平黄宝库 . 基于DRV595的激光器恒温控制系统. 激光技术, 2017, 41(5): 734-737. doi: 10.7510/jgjs.issn.1001-3806.2017.05.023
    [13] 付华代巍 . 随机共振瓦斯微弱信号检测方法研究. 激光技术, 2016, 40(2): 213-218. doi: 10.7510/jgjs.issn.1001-3806.2016.02.013
    [14] 袁文峰 . 单个椭球面扩束透镜的设计研究. 激光技术, 2016, 40(4): 560-564. doi: 10.7510/jgjs.issn.1001-3806.2016.04.022
    [15] 张慧颖梁誉卢宇希王凯于海越 . 稀疏训练指纹库融合MMPSO-ELM室内可见光定位. 激光技术, 2022, 46(6): 788-795. doi: 10.7510/jgjs.issn.1001-3806.2022.06.013
    [16] 殷贤华刘昱贺微奉慕霖石玉林 . 基于MPSO-SVM的硫化橡胶及助剂的太赫兹光谱分类识别. 激光技术, 2021, 45(1): 7-12. doi: 10.7510/jgjs.issn.1001-3806.2021.01.002
    [17] 秦树旺毛耀包启亮 . 光电跟踪系统的模糊Ⅱ型控制技术研究. 激光技术, 2021, 45(2): 147-154. doi: 10.7510/jgjs.issn.1001-3806.2021.02.004
    [18] 廖平杨德友刘仁喜 . 一种激光打标中TrueType字体轮廓直线逼近优化算法. 激光技术, 2016, 40(4): 483-486. doi: 10.7510/jgjs.issn.1001-3806.2016.04.006
    [19] 高世一许超杨永强陈和兴 . 一种振镜扫描汉字激光打标优化算法. 激光技术, 2014, 38(6): 790-793. doi: 10.7510/jgjs.issn.1001-3806.2014.06.014
    [20] 沈志飞刘晓东费锡磊康恺 . 基于点集贝塞尔曲线优化的激光振镜加工算法. 激光技术, 2021, 45(5): 548-553. doi: 10.7510/jgjs.issn.1001-3806.2021.05.002
  • 加载中
图(11)
计量
  • 文章访问数:  7907
  • HTML全文浏览量:  6082
  • PDF下载量:  32
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-12-04
  • 录用日期:  2019-01-25
  • 刊出日期:  2019-09-25

基于粒子群自整定PID算法的激光器温度控制系统

    通讯作者: 祝宁华, nhzhu@semi.ac.cn
    作者简介: 齐艺超(1992-), 男, 硕士研究生, 主要研究方向为激光器稳频技术
  • 1. 中国科学院 半导体研究所 集成光电子学国家重点实验室, 北京 100083
  • 2. 中国科学院大学 微电子学院, 北京 100049
基金项目:  国家自然科学基金资助项目 61675196

摘要: 为了使激光器能够稳定工作, 设计并实现了一个控制速度快、精度高, 并且可调谐的温度控制系统。该系统使用ATmega328P为处理器, 通过粒子群算法自整定比例-积分-微分(PID)系数, 采用闭环负反馈的PID结构实现对激光器的温度控制。结果表明, 在本系统控制下, 激光器能在15s左右达到目标温度, 且到达目标温度后温度误差约为±0.01℃, 并可保持较长时间, 激光器输出功率波动很小, 方差仅为568.49μW。该系统对蝶形封装激光器的温度可以实现有效的温度控制。

English Abstract

    • 半导体激光器具有体积小、寿命长、结构简单等优点,广泛应用于光纤通信、激光测距、激光雷达等方面[1-2]。在激光器的应用过程中,需要激光器有较高的功率稳定性和波长稳定性,但其本身的温度对输出功率和波长有很大的影响,其输出波长会随着温度的升高向长波方向偏移[3], 因此,为了保证激光器的工作性能,其工作温度的控制尤为重要。优化激光器温度控制系统,令激光器温度不受干扰、保持稳定具有十分重要的研究意义。

      当前存在大量的激光器温度控制方法,其中使用最为广泛的是传统的模拟比例-积分-微分(proportional-integral-differential, PID)控制方式[4-6]。其简单的电路比较好实现,但是,由此带来的缺点是整定、修改参量繁琐,而且与其它仪器传输数据较为困难,所以现在的研究多用数字电路来解决温度控制。数字PID在克服上述缺点的同时还提供了多种参量整定方式,如模糊理论、神经网络等[7-9]。只是模糊理论的规则采用人工方式凭经验确定,神经网络结构又十分复杂,收敛速度慢,现有的研究也只是处在仿真阶段[10-14]

      针对当前激光器温控系统存在的问题,设计了一种基于粒子群自整定(particle swarm optimization, PSO)PID算法的激光器温度控制系统,通过粒子群算法对参量的搜索,使得该系统能够快速建立稳态,并具有超调小、控制精度高、良好的可靠性等优点。

    • 本文中的温度控制系统的组成框图由图 1所示。系统的主控芯片是型号为ATmega328P的一款AVR芯片,主要用于运行算法,对激光器、半导体热电制冷器(thermo electric cooler, TEC)进行控制以及与上位机通信。系统的工作原理为:激光器的温度会由其中的热敏电阻采集,模拟数字转换器(analog-to-digital converter, ADC)以及其附属电路将电阻值采样、放大为电压数字量并传输给主控芯片,其中ADC采用的是德州仪器(Texas Instruments, TI)公司的ADS8866芯片;主控芯片接收上位机传输来的目标温度,在经过内部算法运算后,将控制值经数字模拟转换器(digital-to-analog converter, DAC)转换并传输给温度控制电路。温度控制模块控制激光器内部TEC从而控制激光器温度,其中DAC采用的是TI公司的DAC8830芯片。

      Figure 1.  Diagram of temperature control system

    • 系统中温度控制电路的作用是用于接收主控芯片指令,并按要求改变激光器中TEC的功率,其主要由DAC和H桥驱动电路构成。

      H桥部分如图 2所示。其中TEC+和TEC-两个引脚连接激光器的TEC两端,TECheat与TECcool连接主控芯片,用于控制温度控制电路在加热状态和制冷状态之间切换。Rsn1是一个1Ω的采样电阻,TECcurrent端输入的是用来控制TEC功率的电流,这个电流由DAC输出经过运算放大器反馈生成,通过此电路可以令主控芯片精确控制TEC的制冷/制热功率。

      Figure 2.  H bridge of temperature control circuit

      温度控制系统的模型如图 3所示[15-16]。其中, t表示时间,u(t)表示目标温度,y(t)表示实际温度,e(t)表示实际温度与目标温度的误差值。

      Figure 3.  Model of temperature control system

      激光器的传递函数未知,但可由实际系统测量得出。由经验可得激光器的传递函数是1阶模型,该传递函数在连续s域中由以下方程表示:

      $ G\left( s \right) = \frac{K}{{\tau s + 1}} $

      (1)

      式中, Kτ为参量。对主控芯片编程,令激光器在某一时刻得到一恒定输入,即对激光器模型施加一个阶跃信号。对测得输出曲线进行适当平移后,使用MATLAB的Curve Fitting工具箱中的y=Kexp(x/τ)函数进行拟合从而获得Kτ的具体数值。多次测量拟合取平均即可求得激光器的传递函数。

      控制器采用鲁棒性强的增量式数字PID控制,模拟PID算法的公式为:

      $ u(t) = {K_{\rm{p}}}\left[ {e(t) + \frac{1}{{{T_{\rm{i}}}}}\int_0^t e (t){\rm{d}}t + {T_{\rm{d}}}\frac{{{\rm{d}}e(t)}}{{{\rm{d}}t}}} \right] $

      (2)

      式中, Kp为比例系数,Ti为积分时间,Td为微分时间,u(t)是PID控制器的输出信号,因为是数字系统,以T为采样周期,k作为采样序号,将其离散化即令t=kT得:

      $ \begin{array}{*{20}{c}} {u(k) = {K_{\rm{P}}}\left\{ {e(k) + \frac{T}{{{T_{\rm{i}}}}}\sum\limits_{j = 0}^k e (j) + } \right.}\\ {\left. {{K_{\rm{P}}}\frac{{{T_{\rm{d}}}}}{T}[e(k) - e(k - 1)]} \right\}} \end{array} $

      (3)

      因为上式由第2项的累加和增加了运算量,现求每次的增量如下:

      $ \begin{array}{*{20}{c}} {\Delta u(k) = u(k) - u(k - 1) = }\\ {{K_{\rm{p}}}\left( {1 + \frac{T}{{{T_{\rm{i}}}}} + \frac{{{T_{\rm{d}}}}}{T}} \right)e(k) - {K_{\rm{p}}}\left( {1 + \frac{{2{T_{\rm{d}}}}}{T}} \right) \times }\\ {e(k - 1) + {K_{\rm{p}}}\frac{{{T_{\rm{d}}}}}{T}e(k - 2) = }\\ {Ae(k) + Be(k - 1) + Ce(k - 2)} \end{array} $

      (4)

      式中, $A = {K_{\rm{p}}}\left({1 + \frac{T}{{{T_{\rm{i}}}}} + \frac{{{T_{\rm{d}}}}}{T}} \right), B = - {K_{\rm{p}}}\left({1 + \frac{{2{T_{\rm{d}}}}}{T}} \right), C = {K_{\rm{p}}}\frac{{{T_{\rm{d}}}}}{T}$。只要调节这3个参量,PID控制系统的性能就能达到最优。

    • 智能粒子群算法是一种有效的全局寻优算法,是KENNEDY和EBERHART在1995年提出,模拟鸟类觅食过程的进化算法,通过个体间的协作与竞争,实现复杂空间中最优解的搜索[17-18]。在粒子群算法中,每一个优化问题的解看作是搜索空间的一只鸟,即“粒子”。算法可描述为:首先在n维可行解空间中,初始化N个随机粒子组成种群X={X1, X2, …, XN},其中每个粒子所在位置Xi={xi, 1, xi, 2, …, xi, n}都为优化问题的一个可行解,此外每个粒子都有一个速度,记作Vi={vi, 1, vi, 2, …, vi, n}。粒子通过速度不断更新自身位置搜索新解,而且粒子会记住自己搜索到的最优解,记作pi, d,以及整个种群经历过的最优解,记作pg, d,每次位置移动后,粒子根据下面两式更新自己的速度。

      $ \begin{array}{l} {v_{i, d}}(t + 1) &= &\omega {v_{i, d}}(t) + {\eta _1}{\mathop{\rm rand}\nolimits} ()\left( {{p_{i, d}} - {x_{i, d}}(t)} \right) + \\ &&{\eta _2}{\rm{ rand }}()\left( {{p_{{\rm{g}}, d}} - {x_{i, d}}(t)} \right) \end{array} $

      (5)

      $ {x_{i, d}}(t + 1) = {x_{i, d}}(t) + {v_{i, d}}(t + 1) $

      (6)

      式中,vi, d(t+1)代表第i个粒子在t+1次迭代中第d维上的速度,ω为惯性权重,η1为个体经验加速常数、η2为社会经验加速常数,rand()为0~1之间的随机数。(5)式中等号右边的第一部分为粒子先前的速度,这个部分维持着算法拓展搜索空间的能力;第二部分是“认知”部分,表示粒子本身的思考;第三部分为“社会”部分,表示粒子间的信息共享与相互合作[19]。算法流程图如图 4所示。

      Figure 4.  Algorithm flow chart

    • 将(4)式中PID系统的3个参量看成3位空间的一个矢量解,对应算法中的一个粒子,根据经验确定3个参量的取值范围以及算法中基本参量的设置。算法中判断解的优劣需要一个适应度函数,而对于PID系统,各个性能指标之间往往是互相矛盾的,因此要求所有性能指标达到最优是不现实的。在此采用了控制领域中应用广泛的误差绝对值乘以时间积分(integral of time multiplied absolute error, ITAE)与超调量之和为适应度函数:

      $ J = \int_0^\infty t |e(t)|{\rm{d}}t + \sigma M $

      (7)

      式中, M为系统产生的超调量,σ是权重系数,可以通过调整权重系数优化不同系统性能,增大此系数代表该适应度函数更注重抑制系统的超调量。算法的目标是寻找一组参量使得J的值最小,整体的系统框图如图 5所示。

      Figure 5.  Diagram of whole system

    • 将目标激光器接入系统, 按照上面的方法测得此激光器的传递函数$G\left(s \right) = \frac{{5.98}}{{\left({0.1142s + 1} \right)}}$,同时设定算法中同时有300个粒子,迭代500次;另外,根据经验得增量PID控制器的3个参量的范围为[-50, 50], 并由此设定粒子边界。算法运行后得到J值随迭代次数增长的曲线, 如图 6所示。

      Figure 6.  Relationship between J value and iteration number

      可见算法在迭代100次之后J值基本不变,趋于收敛,搜索到的参量分别为A=-1.6610, B=1.2658,C=0.6188。运用此参量和传统PID方法在室温为15℃时,同时令激光器温度达到25℃时激光器的温度变化对比见图 7。激光器温度稳定在25℃时的温度稳定性测量结果如图 8所示。

      Figure 7.  Temperature variation of laser from 15℃ to 25℃

      Figure 8.  Temperature fluctuation of laser at 25℃

      由于激光器工作温度可能在10℃~40℃范围内,为了测试本系统对激光器的可调谐能力,在室温15℃时,目标温度为20℃的输出对比如图 9所示。激光器温度稳定在20℃时的温度稳定性测量结果如图 10所示。

      Figure 9.  Temperature variation of laser from 15℃ to 20℃

      Figure 10.  Temperature fluctuation of laser at 20℃

      可见, 本系统比传统方法能在更短的时间内达到稳定,并且超调量小,温度可以稳定在目标温度的±0.01℃。使用本系统进行温度控制后,测量激光器输出功率,并与传统的模拟PID方法进行对比,得到功率随时间变化曲线如图 11所示。自系统稳定至测量结束的一段时间内,传统的模拟PID方法功率在9.354mW~9.649mW之间波动,方差为7457.13μW;而本文中所述方法的功率波动在9.450mW~9.548mW之间,方差为568.49μW。可见系统稳定后,本系统方法可以使激光器功率更加稳定。根据细节放大图可得,在激光器刚工作未稳定的时候,传统方法会有一个超调量,而本系统所用方法超调量比传统方法小,而且本系统比传统方法控制更为便捷,因此,本系统是激光器温度控制的一种新的可行性方案。

      Figure 11.  Relationship between power and time

    • 针对半导体激光器温度控制系统存在的问题,提出并设计了一种基于粒子群自整定PID算法的激光器温度控制系统,介绍了系统的硬件构成,分析了系统的控制算法,结合ATmega328P改进了传统的PID算法, 实现了对激光器温度的稳定控制。本方法可以在激光器工作开始后15s左右达到目标温度,而且稳定后的控制精度达到±0.01℃,比传统方法操作简便、响应速度快、控制精度高,具有很好的应用前景。

参考文献 (19)

目录

    /

    返回文章
    返回