{$cfg_webname}
主页 > 电子信息 > 电子 >

基于PSO算法的光纤光栅参数重构(附Matlab源程序)

来源:56doc.com  资料编号:5D5417 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9A5D5417
资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 帮助
资料介绍

基于PSO算法的光纤光栅参数重构(附Matlab源程序)(含任务书,开题报告,外文翻译,毕业论文12600字)
摘要:
本文利用粒子群优化算法重构了啁啾光纤光栅的结构参数。根据啁啾光纤光栅的目标反射谱特点,利用该算法搜索最优的一组光栅参数,根据这组参数计算得到的理论反射谱相对于目标反射谱的偏差最小,由此得到优化的光纤光栅结构参数。数值实例表明重构参数与目标参数非常接近,相对误差非常小。与遗传算法的离线性能比较表明,粒子群优化算法需要的迭代次数少,收敛速度快,在有大量矩阵运算的光纤光栅参数重构这类问题中具有更高的计算效率和更强的运用性。

关键字:光纤光栅;粒子群优化算法;参数重构

Parameter reconstruction of chirped fiber grating using particle swarm optimization
Abstract
The structural parameters of chirped fiber gratings are reconstructed based on the target reflection spectra using particle swarm optimization. The calculated reflection spectra associated with reconstructed parameters show good agreement with the target reflection spectra. Comparing with genetic algorithm, the particle swarm optimization is more effective and practical for parameter reconstruction of fiber gratings.

Keywords: fiber grating;particle swarm optimization; parameter reconstruction

毕业设计(论文)使用的原始资料(数据)及设计技术要求:
1、通过传输矩阵法得到优化目标函数,并将待优化的光纤光栅参数以粒子表示,再让粒子在解空间模拟进行搜索
2、以线性啁啾光纤光栅为例,分别采用遗传算法(GA)、经典粒子群优化(PSO)算法对其进行参数重构。
3、遗传算法相比,该方法具有更好的收敛性能和稳态性能。

研究内容及实验方案:
 均匀光纤光栅、啁啾光纤光栅和抽样光纤光栅的性能参数,供设计者按所需要的性能参数来分析、设计不同类型的光纤光栅器件。具体包括以下步骤:运用传输矩阵法,求得光波在一段光纤光栅中的传输矩阵,并根据光纤光栅类型和相关的结构参数,计算传输矩阵;根据传输矩阵计算结果求得该段光纤光栅与每一光波波长λ对应的反射率和时延;用计算机界面显示时延和反射率。所设计的传输矩阵为∴。改变结构参数,可获得直观的模拟结果。

目标、主要特色及工作进度:
 目标:通过传输矩阵法得到优化目标函数,并将待优化的光纤光栅参数以粒子表示,再让粒子在解空间模拟量子行为进行搜索。以均匀布拉格光栅和线性啁啾光纤光栅为例,分别采用遗传算法(GA)、经典粒子群优化(PSO)算法以及量子粒子群优化(QPSO)算法对其进行参数重构。
主要特色:传统粒子群算法及遗传算法相比,该方法借鉴了量子行为,具有更好的收敛性能和稳态性能。
 

基于PSO算法的光纤光栅参数重构(附Matlab源程序)
基于PSO算法的光纤光栅参数重构(附Matlab源程序)
基于PSO算法的光纤光栅参数重构(附Matlab源程序)
基于PSO算法的光纤光栅参数重构(附Matlab源程序)
基于PSO算法的光纤光栅参数重构(附Matlab源程序)
基于PSO算法的光纤光栅参数重构(附Matlab源程序)

推荐资料