[毕业设计] 基于PSO算法的光纤光栅参数重构 [复制链接]

资料简介：

毕业设计-基于PSO算法的光纤光栅参数重构，共27页，12655字，附任务书、开题报告、外文翻译等

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。

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

目 录

1 引言

2 遗传算法简介

2.1 遗传算法基本概念 2

2.2 遗传算法的运用 3

3 PSO算法的原理

3.1 PSO算法介绍 5

3.1.1 粒子群算法的历史 5

3.1.2 粒子群算法的具体表述 5

3.2 参数设置及性能分析

3.2.1 参数设置 11

3.2.2 参数性能分析 12

3.3 PSO算法的运用 15

4 光纤光栅概论

4.1 光纤光栅的发展简介 16

4.2 光纤光栅的主要特点 16

4.3 光纤光栅的分类 17

4.4.1 光纤光栅通信领域 18

4.4.2 光纤光栅传感领域 18

5 PSO算法重构啁啾光纤光栅参数

5.1 传输矩阵理论 19

5.2 适应度函数选取 20

5.3 PSO算法重构光纤光栅参数的步骤 20

5.4 数值实例 21

6 结论 24

参考文献 25

致谢 26

附录 27

资料文件预览：
共2文件夹，8个文件，文件总大小：2.21MB，压缩后大小：1.45MB

• 毕业设计-基于PSO算法的光纤光栅参数重构
• 078205307 陈捷
• 200610 Quantum Particle Swarm__ Optimization for Electromagnetics.pdf  [1.12MB]
• 翻译.doc  [357.87KB]
• 翻译封面(1).doc  [52.50KB]
• 封面和摘要.doc  [75.00KB]
• 基于PSO算法的光纤光栅参数重构-论文.doc  [477.00KB]
• 开题报告(双面打印).doc  [61.00KB]
• 目录.doc  [50.00KB]
• 任务书（双面打印）.doc  [48.50KB]