一种OPM的调试校准方法，所述方法包括以下步骤：步骤1、获取目标OPM的当前工作参数及环境参数；步骤2、调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；步骤3、根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；步骤5、根据所述当前工作参数及所述目标参数组合调节目标OPM的相应参数；借由上述方法可自动化实现OPM在复杂工作条件下的调试校准。调试校准。调试校准。
【技术实现步骤摘要】
OPM的调试校准方法及装置
[0001]本专利技术涉及脑磁
，具体涉及一种OPM的调试校准方法及装置。
技术背景
[0002]当前OPM的工作依靠多个参数的耦合，包括驱动激光器和检测激光器的电流与温度、检测激光器的失谐量(波长)、气室的温度等，在OPM的出场调试过程中，需要手动对多个参数进行调节，以组合为优化的参数状态。此外，当OPM工作在不同磁场环境下时，由于外界磁场引起原子相互作用，其最优化参数会发生变化，也需要针对不同磁场环境重新手动调节使OPM处于最佳灵敏度状态。
[0003]当前针对OPM在复杂工作条件下的调试校准仍依赖人工手动调节方式，效率较低且调试校准的精确度也相对较差，无法满足快速调试校准的需求。
技术实现思路
[0004]针对上述存在的拘束局限性，本专利技术提出了一种OPM的调试校准方法及装置，借由上述方法，可自动化实现OPM在复杂工作条件下的调试校准，调试校准速度快效率高。
[0005]为实现上述目的，本专利技术采用了以下技术方案：
[0006]一种OPM的调试校准方法，其特征在于，
[0007]所述方法包括以下步骤：
[0008]步骤1、获取目标OPM的当前工作参数及环境参数；
[0009]步骤2、调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；所述目标灵敏度为所述环境参数下的最佳灵敏度；
[0010]所述最佳灵敏度模型用于根据目标OPM的环境参数计算最佳灵敏度得到目标灵敏度；
[0011]步骤3、根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；
[0012]步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；
[0013]所述最佳参数模型用于根据目标OPM的环境参数计算所述目标灵敏度下的目标参数组合；
[0014]步骤5、根据所述当前工作参数及所述目标参数组合调节目标OPM的相应参数。
[0015]本专利技术与现有技术相对比，本专利技术具有以下优点：
[0016](1)借助自动化方法可自动化实现OPM在复杂工作条件下的调试校准；
[0017](2)借助最佳灵敏度模型及最佳参数模型可实现OPM地快速调试校准，工作效率高。
[0018]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够
更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
[0019]图1为本专利技术实施例涉及的一种OPM参数调试校准装置的结构图。
[0020]图2为本专利技术实施例涉及的一种OPM调试校准方法的流程图。
[0021]图3为本专利技术实施例涉及的最佳灵敏度模型及最佳参数模型构建方法的流程图。
具体实施方式
[0022]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例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。为了进一步了解本专利技术，下面结合最佳实施例对本专利技术作进一步的详细说明。
[0023]如下为本专利技术实施例中涉及名词术语的解释：
[0024]OPM(Optically
‑
pumped Magnetometer)：即原子磁强计(也称光泵磁强计)，是一种用于测量弱磁场的探测器；OPM的原理为：利用圆偏振光激发待测磁场中的气体原子系统产生其塞曼子能级之间粒子数差，从而观测磁共振效应。
[0025]在下文中，将结合前述名词术语及附图具体介绍本专利技术的示例性实施例。
[0026]本专利技术的一方面是提供一种OPM参数调试校准装置；参考图1，所述OPM参数调试校准装置包括环境参数探测模块、模型训练模块、参数计算模块、参数调节模块、状态分析模块、数据交互模块、数据库模块。
[0027]所述环境参数探测模块用于获取目标OPM探测所处空间的环境参数(即目标OPM工作环境的环境参数)，所述环境参数包括环境磁场(静磁场)、屏蔽装置热磁噪声、数字采集系统工作参数、探测器激光器性能参数；
[0028]所述模型训练模块用于建立最佳灵敏度模型及最佳参数模型；所述最佳灵敏度模型可根据目标OPM的环境参数计算最佳灵敏度得到目标灵敏度；所述最佳参数模型可根据目标OPM的环境参数计算所述目标灵敏度下的目标参数组合。
[0029]所述参数计算模块用于调用最佳灵敏度模型根据环境参数计算目标灵敏度，以及调用最佳参数模型根据环境参数生成目标参数组合。
[0030]所述目标灵敏度为目标OPM达到最优工作状态时的灵敏度指标数值，即最佳灵敏度；
[0031]所述目标参数组合为目标OPM在其工作的环境磁场下达到所述最佳灵敏度的工作参数组合，所述工作参数组合包括原子蒸气密度、激光光功率密度、激光波长、探测器自身磁场补偿中的一种或多种参数的组合。
[0032]所述参数调节模块用于根据所述参数分析模块的输出结果(即目标参数组合)及目标OPM的当前工作参数，生成参数调节数据。
[0033]所述状态分析模块用于对目标OPM进行工作状态分析，根据工作状态分析结果判断是否完成OPM调试校准。
[0034]所述数据交互模块用于接收OPM工作参数、环境参数，输出参数调节控制信号。
[0035]所述数据库模块由参数模型数据库、工作参数数据库组成；所述模型数据库用于存储最佳灵敏度模型及最佳参数模型相关数据，包括环境参数样本数据、最佳灵敏度模型参数、最佳灵敏度模型样本数据、最佳参数模型参数、最佳参数模型样本数据；所述工作参数数据库用于存储若干OPM的工作状态参数。
[0036]本专利技术的另一方面是提供一种OPM的调试校准方法，用于自动获取OPM的最优化参数，所述调试校准方法通过最佳参数模型，输出目标OPM工作环境下的最优参数组合及相应的参数调节控制信号，实现OPM的调试校准。
[0037]参考图2所示，所述调试校准方法包括以下步骤：
[0038]步骤1、获取目标OPM的当前工作参数，调用所述环境参数探测模块获取环境参数；
[0039]步骤2、所述参数计算模块调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；所述目标灵敏度为所述环境参数下的最佳灵敏度；
[0040]步骤3、所述状态分析模块根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；
[0041]步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；
[0042]步骤5、所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种OPM的调试校准方法，其特征在于，所述方法包括以下步骤：步骤1、获取目标OPM的当前工作参数及环境参数；步骤2、调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；所述目标灵敏度为所述环境参数下的最佳灵敏度；所述最佳灵敏度模型用于根据目标OPM的环境参数计算最佳灵敏度得到目标灵敏度；步骤3、根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；所述最佳参数模型用于根据目标OPM的环境参数计算所述目标灵敏度下的目标参数组合；步骤5、根据所述当前工作参数及所述目标参数组合调节目标OPM的相应参数。2.根据权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：步骤6、根据目标OPM参数调节后的工作状态控制参数调节进程：若参数调节未完成，且调节次数不超过预设调节次数阈值，则更新目标OPM的所述当前工作参数并返回步骤4；若参数调节未完成，且调节次数超过预设调节次数阈值，则调用模型训练模块进行参数模型优化，并返回步骤1；若参数调节完成，则退出参数调节进程。3.根据权利要求1所述的方法，其特征在于，所述最佳灵敏度模型及所述最佳参数模型通过以下方式构建：步骤S1、在若干工作环境下获取OPM的工作环境参数数据得到环境参数样本数据集；步骤S2、在若干工作环境下进行OPM工作状态测试，得到若干工作环境下的最佳灵敏度及对应的OPM工作参数，分别组成最佳灵敏度样本数据集和最佳工作参数集；步骤S3、使用所述环境参数样本数据集与所述最佳灵敏度样本数据集训练机器学习模型得到最佳灵敏度模型；使用所述环境参数样本数据集与所述最佳工作参数集训练机器学习模型得到最佳参数模型。4.根据权利要求3所述的方法，其特征在于，在执行步骤S1及步骤S2时，所述环境参数样本数据集、所述最佳灵敏度样本数据集、所述最佳工作参数集将被存储于所述数据库模块的参数模型数据库中。在执行步骤S3时，所述参数模型数据库将被所述模型训练模块调用以获得所述环境参数样本数据集、所述最佳灵敏度样本数据集、所述最佳工作参数集，以作为所述机器学习模型的样本数据。5.根据权利要求3所述的方法，其特征在于，步骤S3中所述最佳灵敏度模型及所述最佳参数模型可通过神经网络进行训练，采用神经网络进行...
【专利技术属性】
技术研发人员：盛经纬，马啸，
申请(专利权)人：北京昆迈医疗科技有限公司，
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。