【技术实现步骤摘要】
本专利技术涉及数字孪生，尤其涉及一种基于数字孪生的飞秒脉冲仿真方法、系统及装置。
技术介绍
1、超短脉冲在光纤放大器中演化的数字孪生模型，在实际应用中对飞秒光纤激光器的设计和优化过程具有重要价值，飞秒光纤激光器用途广泛，其应用涵盖光学现象观测、医疗及工业加工等方面，因此，高精度、高速的光纤放大器仿真对于激光器的设计及优化具有重要意义。然而，传统基于光纤放大器的增益光纤仿真依赖物理模型，其中，物理模型包括速率方程及非线性薛定谔方程等模型，且在数值求解过程中含有大量复杂的迭代计算，通过此种方法进行预测耗时较长，另外，由于传统模型的误差和实验系统参数难以准确获取，传统模型的仿真结果难以与实验结果对齐，其中，实验结果包括脉冲光谱及脉冲形状等参数，因此，传统的增益光纤仿真建模方法精度不佳。
技术实现思路
1、本专利技术针对现有技术中的缺点，提供了一种基于数字孪生的飞秒脉冲仿真方法、系统及装置。
2、为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
3、一种基于数字孪生的飞秒脉冲仿真方法，包括以下步骤：
4、获取初始飞秒脉冲数据集，其中，初始飞秒脉冲数据集包括输入脉冲光谱数据、输入脉冲功率及光纤放大器参数；
5、对初始飞秒脉冲数据集进行预处理，得到飞秒脉冲数据集；
6、搭建飞秒脉冲仿真网络，基于飞秒脉冲数据集进行处理得到网络输入数据，将网络输入数据输入至飞秒脉冲仿真网络进行训练优化，得到飞秒脉冲仿真模型；
7、将
8、作为一种可实施方式，所述预处理包括数据截取处理、下采样处理及全局归一化处理中的一种或多种。
9、作为一种可实施方式，所述光纤放大器参数至少包括增益光纤长度及泵浦电流，则获取初始飞秒脉冲数据集，包括以下步骤：
10、通过飞秒种子源产生飞秒脉冲，基于光纤光栅对飞秒脉冲进行展宽，通过光谱仪得到输入脉冲；
11、基于光纤放大器对输入脉冲进行处理，通过光谱仪得到输出脉冲光谱数据；
12、通过调节光纤光栅的色散参数及光纤放大器的泵浦电流及增益光纤长度，得到多组输入脉冲及多组输出脉冲光谱数据，基于光纤放大器参数、输入脉冲光谱数据及输入脉冲光谱对应的输入脉冲功率形成飞秒脉冲数据集。
13、作为一种可实施方式，所述基于飞秒脉冲数据集进行处理得到网络输入数据，包括以下步骤：
14、基于飞秒脉冲数据集，结合输入脉冲功率及光纤放大器参数得到参数矩阵，对参数矩阵进行升维，得到升维参数矩阵；
15、结合升维参数矩阵与输入脉冲光谱数据，得到网络输入数据。
16、作为一种可实施方式，所述飞秒脉冲仿真网络包括前向传播结构、反向传播结构、激活函数结构、学习率更新结构及优化器结构；
17、所述前向传播结构基于飞秒脉冲仿真网络对网络输入数据进行逐层传播，直至飞秒脉冲仿真网络的输出层，得到网络预测数据；
18、所述反向传播结构基于网络预测数据及真实仿真数据，得到网络损失函数，进而基于网络损失函数对飞秒脉冲仿真网络进行更新优化，直至网络损失函数实现收敛；
19、所述激活函数结构，在飞秒脉冲仿真网络的数据传播过程中，通过激活函数结构对网络输入数据进行非线性处理及数据映射；
20、所述学习率更新结构，通过对学习率进行更新调整，提高网络损失函数收敛速度；
21、所述优化器结构，获取飞秒脉冲仿真网络中的梯度数据，进而对飞秒脉冲仿真网络中参数进行优化调整，加快飞秒脉冲仿真网络训练速度。
22、作为一种可实施方式，所述前向传播结构所采用的计算公式，表示如下：
23、
24、其中，σ表示激活函数，表示网络输入数据输入至飞秒脉冲仿真网络后在第l层第j个神经元的输出，表示作用于的权重，表示的作用于的偏置，j表示飞秒脉冲仿真网络中第l层的神经元个数，k表示飞秒脉冲仿真网络中第l-1层的神经元个数，l表示飞秒脉冲仿真网络的层数。
25、作为一种可实施方式，所述反向传播结构所采用的计算公式，表示如下：
26、
27、δl＝((wl+1)tδl+1)⊙σ'(zl)
28、
29、
30、其中，zl＝wlal-1+bl，c表示代价函数，l表示飞秒脉冲仿真网络的最后一层，l表示飞秒脉冲仿真网络的层数，j表示飞秒脉冲仿真网络中第l层的神经元个数，δl表示第l层各个神经元的输出误差，表示飞秒脉冲仿真网络中第l-1层第k个神经元的输出，w表示权重，b表示的偏置，k表示飞秒脉冲仿真网络中第l-1层的神经元个数，wl+1表示第l+1层的权重矩阵，⊙表示矩阵点积，z表示中间量。
31、作为一种可实施方式，所述通过激活函数结构所采用的计算公式，表示如下：
32、relu(x)＝(x)+＝max(0,x)
33、其中，x表示relu函数的输入值。
34、作为一种可实施方式，所述学习率更新结构所采用的计算公式，表示如下：
35、
36、
37、其中，ηmax表示初始学习率，ηmin表示最小学习率，tcur表示上一次学习率优化后的循环次数，k表示飞秒脉冲仿真网络中第l-1层的神经元个数，ηt表示t时刻的学习率，ηt+1表示t+1时刻的学习率，t表示时刻。
38、作为一种可实施方式，所述优化器结构所采用的计算公式，表示如下：
39、
40、mt＝β1mt-1+(1-β1)gt
41、
42、
43、
44、
45、其中，gt表示代价函数在t时刻的梯度，mt表示梯度的指数移动平均数，vt表示梯度平方的指数移动平均数，表示纠正偏差后的梯度均值，表示纠正偏差后的梯度方差，β1及β2表示指数加权平均值的衰减系数，ε表示常数，η表示学习率，θ表示参数值，t表示时刻，c表示代价函数。
46、一种基于数字孪生的飞秒脉冲仿真系统，包括数据集获取模块、数据预处理模块、模型训练模块及模型推理模块；
47、所述数据集获取模块，获取初始飞秒脉冲数据集，其中，初始飞秒脉冲数据集包括输入脉冲光谱数据、输入脉冲功率及光纤放大器参数；
48、所述数据预处理模块，对初始飞秒脉冲数据集进行预处理，得到飞秒脉冲数据集；
49、所述模型训练模块，搭建飞秒脉冲仿真网络，基于飞秒脉冲数据集进行处理得到网络输入数据，将网络输入数据输入至飞秒脉冲仿真网络进行训练优化，得到飞秒脉冲仿真模型；
50、所述模型推理模块，将待预测飞秒脉冲数据输入至飞秒脉冲仿真模型中进行推理，得到飞秒脉冲仿真数据，其中，飞秒脉冲仿真数据包括输出脉冲光谱数据及输出脉冲功率本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的飞秒脉冲仿真方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述预处理包括数据截取处理、下采样处理及全局归一化处理中的一种或多种。
3.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述光纤放大器参数至少包括增益光纤长度及泵浦电流，则获取初始飞秒脉冲数据集，包括以下步骤：
4.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述基于飞秒脉冲数据集进行处理得到网络输入数据，包括以下步骤：
5.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述飞秒脉冲仿真网络包括前向传播结构、反向传播结构、激活函数结构、学习率更新结构及优化器结构；
6.根据权利要求5所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述前向传播结构所采用的计算公式，表示如下：
7.根据权利要求5所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述反向传播结构所采用的计算公式，表示如下：
8.根据权利要求5
9.根据权利要求5所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述学习率更新结构所采用的计算公式，表示如下：
10.根据权利要求5所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述优化器结构所采用的计算公式，表示如下：
11.一种基于数字孪生的飞秒脉冲仿真系统，其特征在于，包括数据集获取模块、数据预处理模块、模型训练模块及模型推理模块；
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至10任意一项所述的方法。
13.一种基于数字孪生的飞秒脉冲仿真装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至10任意一项所述的方法。
...【技术特征摘要】
1.一种基于数字孪生的飞秒脉冲仿真方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述预处理包括数据截取处理、下采样处理及全局归一化处理中的一种或多种。
3.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述光纤放大器参数至少包括增益光纤长度及泵浦电流，则获取初始飞秒脉冲数据集，包括以下步骤：
4.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述基于飞秒脉冲数据集进行处理得到网络输入数据，包括以下步骤：
5.根据权利要求1所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述飞秒脉冲仿真网络包括前向传播结构、反向传播结构、激活函数结构、学习率更新结构及优化器结构；
6.根据权利要求5所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述前向传播结构所采用的计算公式，表示如下：
7.根据权利要求5所述的基于数字孪生的飞秒脉冲仿真方法，其特征在于，所述反向传播...
【专利技术属性】
技术研发人员：义理林，马欣怡，蒲国庆，慕桓，
申请(专利权)人：杭州爱鸥光学科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。