【技术实现步骤摘要】
本申请涉及激光器封装，具体涉及激光器封装系统及其智能散热方法。
技术介绍
1、半导体激光器阵列又称为激光二极管bar条，简称bar条。根据功率需要，把几个单元到近千单元激光二极管用金属有机化学气相淀积(mocvd)生长在同一衬底上，就构成了一维阵列。如果把多元阵列分成组，每组以19个单元为单位，各组之间用光隔离技术分开，各组发出的光彼此不相干，形成多孔径激射，就可以通过增加集成数量来提高输出功率。但是，半导体激光器阵列功率大，长时间工作下温度会升高，随着结温的升高使半导体激光器阵列的波长展宽，阈值电流增大，光电转换效率下降，寿命降低、可靠性下降，因此，半导体激光器封装及散热技术尤为重要。
2、然而，现有都是通过在半导体激光器阵列中设置有大量的传感器以检测激光器的温升，大量的传感器增加了激光器封装的难度，且大量传感器的设置也加大了封装的成本。
3、其次，现有的半导体激光器阵列采用水冷的方式进行散热处理，但是小体积的水冷模块散热效果很差，严重影响了半导体激光器阵列的正常工作；而大体积的水冷模块在封装时存在巨大的难度，且也不利于半导体激光器阵列的使用。进一步的，水冷模块还存在微渗漏和漏水等风险，其安全性和可靠性低，且一旦水冷模块停止工作，整个半导体激光器阵列就要停止工作。
技术实现思路
1、为了克服上述现有技术的缺陷，本申请提供了激光器封装系统及其散热方法。
2、具体技术方案如下所示：
3、激光器封装系统，包括：
4、激光器阵列
5、训练模块，用于获取一定时间内所述激光器的实测温度以及对应时刻的历史运行状态数据以生成数据库，将所述数据库划分为训练数据和验证数据；基于所述训练数据对深度学习模型进行训练，并基于所述验证数据对训练后的深度学习模型进行验证；若验证输出的预测温度与对应的实测温度之间的差值在第一预设区间内，则输出训练后的深度学习模型；
6、预测模块，用于实时检测所述激光器的第一参数和第二参数，并将所述第一参数和所述第二参数输入至训练后的深度学习模型，以生成所述激光器对应的预测温度；其中，所述第一参数包括功率，所述第二参数包括运行时间；
7、调温模块，用于基于所述预测温度控制所述tec半导体制冷器调节所述激光器的当前温度。
8、在一个具体实施例中，多个所述激光器包括多个第一激光器和多个第二激光器，每相邻两个所述第一激光器之间具有至少两个所述第二激光器；
9、所述系统还包括：分配模块，用于基于一定时间内所述激光器的实测温度确定所述激光器的实测温升，若所述实测温升超出第二预设区间，则将所述激光器作为所述第一激光器；若所述实测温升位于所述第二预设区间，则将所述激光器作为所述第二激光器；
10、所述第一激光器单独配置有一个所述tec半导体制冷器，至少两个所述第二激光器共用一个所述tec半导体制冷器。
11、在一个具体实施例中，还包括：
12、温度传感器，用于获取所述激光器预设时刻的实测温度；
13、计算模块，用于根据所述激光器预设时刻的实测温度以及预测温度，计算所述实测温度以及所述预测温度的差值；
14、优化模块，用于判断所述实测温度以及所述预测温度的差值是否位于第三预设区间，若所述实测温度以及所述预测温度的差值超过第三预设区间，则记录所述激光器的实测温度以及对应时刻的所述历史运行状态数据以更新数据库，并根据更新后的数据库优化所述深度学习模型。
15、在一个具体实施例中，所述温度传感器具有多个,多个所述温度传感器均分布在所述激光器阵列模块的中心到边缘的15%至80%的距离范围内；且沿所述激光器阵列模块的中心到边缘的方向上，所述温度传感器的数量逐渐递减。
16、在一个具体实施例中，还包括：
17、液冷模块，所述液冷模块设置在所述激光器靠近所述热沉的一侧，且所述液冷模块与所述tec半导体制冷器并列设置或层叠设置；
18、功率模块，用于在所述tec半导体制冷器的功率小于阈值时，驱动所述液冷模块加大循环功率。
19、在一个具体实施例中，所述第一参数还包括电阻、谐振频率、发射波长或阈值电流；所述第二参数还包括所述热沉的面积；所述历史运行状态数据包括激光器的电阻、谐振频率、发射波长、阈值电流或运行时间；
20、和/或，所述调温模块包括：
21、第一确定模块，用于基于所述预测温度确定所述激光器一定时间内的预测温升，
22、获取模块，用于基于同一所述tec半导体制冷器同一时刻获取所述预测温升的数量，
23、第二确定模块，用于若所述预测温升的数量为多个，则将所述预测温升的最大值作为调节所述tec半导体制冷器温度的最终预测温升；若所述预测温升的数量为一个，则将所述预测温升作为调节所述tec半导体制冷器温度的最终预测温升；
24、调节模块，用于基于最终预测温升控制所述tec半导体制冷器调节所述激光器的当前温度；
25、和/或，所述调节模块包括：
26、第一驱动模块，用于当所述最终预测温升位于第一温升范围，则驱动所述tec半导体制冷器以最大功率的25％工作，使激光器的温度恢复；
27、第二驱动模块，用于当所述最终预测温升位于第二温升范围，则驱动所述tec半导体制冷器以最大功率的50％工作，使激光器的温度恢复；
28、第三驱动模块，用于当所述最终预测温升位于第三温升范围，则驱动所述tec半导体制冷器以最大功率的75％工作，使激光器的温度恢复；
29、上报模块，用于当所述最终预测温升超出所述第三温升范围，则检测所述激光器当前的实测温度以及获取当前运行状态数据，并将所述实测温度和所述当前运行状态数据更新至数据库。
30、智能散热方法，应用于如上述的激光器封装系统，其特征在于，包括：
31、获取一定时间内所述激光器的实测温度以及对应时刻的历史运行状态数据以生成数据库，将所述数据库划分为训练数据和验证数据；基于所述训练数据对深度学习模型进行训练，并基于所述验证数据对训练后的深度学习模型进行验证；若验证输出的预测温度与对应的实测温度之间的差值在第一预设区间内，则输出训练后的深度学习模型；
32、实时检测所述激光器的第一参数和第二参数，并将所述第一参数和所述第二参数输入至训练后的深度学习模型，以生成所述激光器对应的预测温度；其中，所述第一参数包括功率，所述第二参数包括运行时间；
33、基于所述预测温度控制所述tec半导体制冷器调整所述激光器的当前温度。
34、在一个具体实施例中，还包括：
35、获取所述激光器预设时刻的实测温度；
36、根据所述激光器预设时刻的实测温度以及预测温本文档来自技高网...
【技术保护点】
1.激光器封装系统，其特征在于，包括：
2.根据权利要求1所述的激光器封装系统，其特征在于，多个所述激光器包括多个第一激光器和多个第二激光器，每相邻两个所述第一激光器之间具有至少两个所述第二激光器；
3.根据权利要求1所述的激光器封装系统，其特征在于，还包括：
4.根据权利要求3所述的激光器封装系统，其特征在于，所述温度传感器具有多个,多个所述温度传感器均分布在所述激光器阵列模块的中心到边缘的15%至80%的距离范围内；且沿所述激光器阵列模块的中心到边缘的方向上，所述温度传感器的数量逐渐递减。
5.根据权利要求1所述的激光器封装系统，其特征在于，还包括：
6.根据权利要求1所述的激光器封装系统，其特征在于，所述第一参数还包括电阻、谐振频率、发射波长或阈值电流；所述第二参数还包括所述热沉的面积；所述历史运行状态数据包括激光器的电阻、谐振频率、发射波长、阈值电流或运行时间；
7.智能散热方法，应用于如权利要求1-6任一项所述的激光器封装系统，其特征在于，包括：
8.根据权利要求7所述智能散热方法，其特
9.根据权利要求7所述智能散热方法，其特征在于，所述“基于所述预测温度控制所述TEC半导体制冷器调整所述激光器的当前温度”包括：
10.根据权利要求9所述智能散热方法，其特征在于，所述“基于最终预测温升控制所述TEC半导体制冷器调节所述激光器的当前温度”包括：
...【技术特征摘要】
1.激光器封装系统，其特征在于，包括：
2.根据权利要求1所述的激光器封装系统，其特征在于，多个所述激光器包括多个第一激光器和多个第二激光器，每相邻两个所述第一激光器之间具有至少两个所述第二激光器；
3.根据权利要求1所述的激光器封装系统，其特征在于，还包括：
4.根据权利要求3所述的激光器封装系统，其特征在于，所述温度传感器具有多个,多个所述温度传感器均分布在所述激光器阵列模块的中心到边缘的15%至80%的距离范围内；且沿所述激光器阵列模块的中心到边缘的方向上，所述温度传感器的数量逐渐递减。
5.根据权利要求1所述的激光器封装系统，其特征在于，还包括：
6.根据权利要求1所述的激...
【专利技术属性】
技术研发人员：安屹，陈琦，秦太梦，陈维，
申请(专利权)人：东莞市湃泊科技有限公司，
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。