基于改进PSO的蝶形半导体激光器温控系统的设计

提出了基于改进粒子群优化算法(Particle Swarm Optimization,PSO)的蝶形半导体激光器温度控制系统。利用蝶形半导体激光器内部热电冷却器(Thermo-Electric Cooler,TEC)作为被控对象求出其传递函数,并在Simulink仿真工具中搭建温度控制系统仿真模型,分析温度对激光器工作的影响。基于改进PSO算法来优化比例积分微分(Proportional-Integral-Derivative,PID)控制器参数以达到良好的温度控制效果。实验结果表明,通过将改进PSO算法优化后的PID控制器参数应用到温控电路,可以保证激光器在安全平稳运行的前提下,达到激光器TEC温控系统稳定性高、响应速度快的目标,2 h内温度最大浮动误差为0.13℃,温度稳定性提升至0.52%。

蝶形半导体激光器恒流驱动设计与实现

蝶形半导体激光器驱动电流的稳定性直接决定了其输出波长的稳定性,进而影响检测精度。为了满足气体浓度检测中对激光器输出波长稳定可调的要求,设计了数字与模拟电路混合的恒流驱动电路。以STC90C51为主控芯片数控模块完成扫描键盘、DA转换;模拟电路主要由负反馈运算放大、高精度CMOS管和反馈电阻构成,完成电压到电流的转换,输出至蝶形半导体激光器,实现蝶形半导体激光器恒流驱动。输出电流在0～300 mA范围内连续可调,输出驱动电流误差小于±0.003 mA,满足系统对恒流驱动±0.005 mA的误差精度要求。

蝶形LD封装焊后偏移补偿及预测模型

针对LD封装激光焊接后变形产生的耦合偏差,本文首先设计了不同参数对焊后偏移(PWS)影响程度的实验,通过参数间排列组合的变化观测其对PWS的影响程度;进而设计出神经网络焊后偏移预测模型,并将预偏移大小、焊点位置、激光脉冲能量以及焊接前初始位置等可以实时调节的焊接参数作为神经网络输入,模型的PWS预测值与实际值吻合效果良好。实验结果表明,利用神经网络预测PWS的方法是可行的,并且在实际焊接过程中,可以借助神经网络预测模型选择最佳的焊接初始条件使PWS降至最低,大大提高了LD的封装效率和产品可靠性。