一种基于相息图编码的鲁棒控制方法及系统技术方案

本发明专利技术公开一种基于相息图编码的鲁棒控制方法及系统，该方法包括根据入射光场和强度分布和对应的相位分布，构建控制系统；基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集；根据数据集，基于数据密度的分割方法，扩充数据集；根据扩充后的数据集，训练对称神经网络，确定相位分布预测模型；根据当前入射光场和强度分布，采用相位分布预测模型确定当前相位分布；根据当前相位分布生成相息图本发明专利技术可获得高精度的相全息图。的相全息图。的相全息图。

【技术实现步骤摘要】
一种基于相息图编码的鲁棒控制方法及系统


[0001]本专利技术涉及光学系统的鲁棒控制领域，特别是涉及一种基于相息图编码的鲁棒控制方法及系统。

技术介绍

[0002]计算全息图能够记录光波场的振幅和相位。对于所记录物体，如果自身的随机相位掩膜，使能量扩展均匀，那么相应的计算全息图所记录的模相对不重要，因此仅仅需要提取出相位，生成灰度条纹。相息图的编码基于一个假设：全息图平面的相位分布携带了绝大部分信息，而振幅可以忽略。这种全息图函数可以表示为：其中j为虚数单位，(x,y)为光场采样点坐标，为对应相位；利用相息图对光波进行编码时，如果所计算的物体是个漫反射体，那么所有物点的相位分布都是相对独立且随机，那么全息图函数能够精确表示物光波场。
[0003]相息图的计算问题就是已知入射光场及衍射图样的强度分布，求解复振幅透射系数相位分布的过程。这种问题的存在性与唯一性等结论还未被论证，仅能转化为数值优化问题并在某种范数下求取最优解。
[0004]鲁棒模型预测控制(robust MPC)是一种考虑系统不确定性的滚动优化技术，能够在线求解动态优化问题，并保证不确定性系统闭环稳定性，能够应用于具有不确定性的光学系统。在每次优化过程中，robust MPC主要考虑最糟糕情况的最小值问题，这极大的增加了问题求解的鲁棒性。然而，由于要获得优化问题的在线解，运用此技术需要消耗大量的时间，这种鲁棒的优化方案对于计算相息图而言，尽管优化解的精度很高，但大量的计算时间弱化了其优势。因而我们提出一种相息图编码用对称神经网络鲁棒控制方法。
[0005]因此，如何获得高精度的相全息图仍是现在亟待解决的问题。

技术实现思路

[0006]本专利技术的目的是提供一种基于相息图编码的鲁棒控制方法及系统，可获得高精度的相全息图。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种基于相息图编码的鲁棒控制方法，包括：
[0009]根据入射光场和强度分布和对应的相位分布，构建控制系统；
[0010]基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集；
[0011]根据数据集，基于数据密度的分割方法，扩充数据集；
[0012]根据扩充后的数据集，训练对称神经网络，确定相位分布预测模型；
[0013]根据当前入射光场和强度分布，采用相位分布预测模型确定当前相位分布；根据当前相位分布生成相息图。
[0014]可选地，所述根据入射光场和强度分布和对应的相位分布，构建控制系统，具体包
括以下公式：
[0015][0016]y(k)＝[0 1]x(k)+0.1；
[0017]其中，x(k)代表k采样时间的入射光场，是控制系统状态，x(k+1)代表k+1采样时间的入射光场，u(k)代表相位分布，是控制系统输入，ω为随机数，ω∈(0,1)，A(k)和B(k)为不同采样时刻的系统模型。
[0018]可选地，所述基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集，具体包括以下公式：
[0019]F(k)＝YQ
‑1；
[0020]其中，F(k)为吸引域Q＝γP(k)
‑1，P(k)为正定权重矩阵，γ为大于0的数。
[0021]可选地，所述根据数据集，基于数据密度的分割方法，扩充数据集，具体包括：
[0022]将数据密度定义为每单位面积的样本数；
[0023]根据采样步长确定数据密度；
[0024]根据数据密度对数据集进行采样，得到扩充后的数据集。
[0025]一种基于相息图编码的鲁棒控制系统，包括：
[0026]控制系统构建模块，用于根据入射光场和强度分布和对应的相位分布，构建控制系统；
[0027]数据集构建模块，用于基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集；
[0028]数据集扩充模块，用于根据数据集，基于数据密度的分割方法，扩充数据集；
[0029]相位分布预测模型确定模块，用于根据扩充后的数据集，训练对称神经网络，确定相位分布预测模型；
[0030]相息图生成模块，用于根据当前入射光场和强度分布，采用相位分布预测模型确定当前相位分布；根据当前相位分布生成相息图。
[0031]一种基于相息图编码的鲁棒控制系统，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的方法。
[0032]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0033]本专利技术所提供的一种基于相息图编码的鲁棒控制方法及系统，基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集，实现了对环境干扰；并且引入软约束，提高了优化问题的可行性。通过数据密度的分割方法，确保数据样本在不同的数据集中分布一致。根据扩充后的数据集，训练对称神经网络，确定相位分布预测模型，进而准确的确定相位分布，保证了相全息图的高精度。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获
得其他的附图。
[0035]图1为本专利技术所提供的一种基于相息图编码的鲁棒控制方法流程示意图；
[0036]图2为吸引域示意图；
[0037]图3为对称神经网络结构示意图；
[0038]图4为对称神经网络控制原理示意图；
[0039]图5为对称神经网络训练过程示意图。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]本专利技术的目的是提供一种基于相息图编码的鲁棒控制方法及系统，可获得高精度的相全息图。
[0042]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0043]如图1所示，本专利技术所提供的一种基于相息图编码的鲁棒控制方法，包括：
[0044]S101，根据入射光场和强度分布和对应的相位分布，构建控制系统；
[0045]S101具体包括以下公式：
[0046]将入射光场转化为相息图的过程看作为一个待控制系统，当前光场和强度分布为系统状态，相位分布为系统输入；
[0047][0048]y(k)＝[01]x(k)+0.1(1.2)
[0049][0050][0051][005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相息图编码的鲁棒控制方法，其特征在于，包括：根据入射光场和强度分布和对应的相位分布，构建控制系统；基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集；根据数据集，基于数据密度的分割方法，扩充数据集；根据扩充后的数据集，训练对称神经网络，确定相位分布预测模型；根据当前入射光场和强度分布，采用相位分布预测模型确定当前相位分布；根据当前相位分布生成相息图。2.根据权利要求1所述的一种基于相息图编码的鲁棒控制方法，其特征在于，所述根据入射光场和强度分布和对应的相位分布，构建控制系统，具体包括以下公式：y(k)＝[0 1]x(k)+0.1；其中，x(k)代表k采样时间的入射光场，是控制系统状态，x(k+1)代表k+1采样时间的入射光场，u(k)代表相位分布，是控制系统输入，ω为随机数，ω∈(0,1)，A(k)和B(k)为不同采样时刻的系统模型。3.根据权利要求2所述的一种基于相息图编码的鲁棒控制方法，其特征在于，所述基于控制系统，采用鲁棒模型预测控制算法和软约束生成吸引域，并基于吸引域构建数据集，具体包括以下公式：F(k)＝YQ
‑1；其中，F(k)为吸引域Q＝γP(k)
...

【专利技术属性】
技术研发人员：李沛，
申请(专利权)人：湖南溪积智慧科技有限公司，
类型：发明
国别省市：