采用非线性网络测量激光束横模结构的方法研究

摘要

针对常用光束质量因子所存在的缺点，本文提出：1，采用激光光束的横模结构参数作为激光光束质量的评价参数； 2，采用基模的强度归一化系数作为低阶模激光光束质量的评价参数，并研究了采用非线性网络对其进行测量的方法。 建立了基于hopfield神经网络原理的非线性网络，以CCD采集激光束的光斑图象作为网络的输入，通过计算该网络的能量函数，实行调整训练，获得网络的动力学稳定状态，此时，网络中各阶横模的强度归一化比例系数即为测量结果。 实验验证中，采集了一束光的多幅光斑图像，经预处理后，输入该网络，在2.4G处理器上耗时15s处理完毕，获得模式结构参数，其中基模的归一化强度系数为69％。利用所得结果合成一幅光斑，与输入的原光斑强度分布的相对误差为3.53％。 本文提出的以横模结构参数和基模的归一化强度系数作为光束质量的评价参数，能满足在激光器的设计，维护和检验过程评价激光束优劣的需要；本文所提出的非线性网络结合CCD采集光斑的方法能快速，精确地测量横模结构参数，将在实际的工程应用中发挥重要作用。

目录

文摘

英文文摘

声明

第一章绪论

1.1激光二极管端面泵浦固体激光器

1.2光束质量的评价与测量

1.3论文主要内容

第二章激光束的横模结构与光束质量

2.1激光的横模

2.2光束质量

2.3横模结构与光束质量

第三章Hopfield神经网络和模拟退火算法

3.1神经网络的发展与应用

3.2人工神经网络的基本单元的模型

3.3 Hopfield网络的基本原理

3.4模拟退火算法

第四章实验与结果

4.1实验方案

4.2实验装置及实验步骤

4.3实验结果

4.4实验分析

第五章总结与展望

致谢

参考文献

研究成果

附录