[发明专利]基于遗传算法的TEC最佳工作状态优化方法、设备

说明书

本发明涉及激光器制冷领域，具体公开了一种基于遗传算法的TEC最佳工作状态优化方法、设备，包括以下步骤：随机生成包含多个个体的初始种群；设置适应度函数Y＝Wsubgt;1/subgt;*Qsubgt;C/subgt;+Wsubgt;2/subgt;*ε，计算每个个体的适应度函数值；使用轮盘赌选择法，选择种群中的优质个体；对每两个相邻个体生成随机数Ksubgt;1/subgt;，当Ksubgt;1/subgt;大于概率预设值时，将对应的两个相邻个体进行单点互换基因；对每个个体生成随机数Ksubgt;2/subgt;，当Ksubgt;2/subgt;小于变异概率预设值时，将对应个体的任意一个位置进行变异，得到新的种群；将最后一次生成的种群中具有最大适应度函数值的个体数据，转换为十进制，得到温差和电流，作为能够使TEC处于最佳工作状态的温差和电流。

技术领域

本发明涉及激光器制冷领域，具体涉及一种基于遗传算法的TEC最佳工作状态优化方法、设备。

背景技术

半导体制冷片，也称为TEC，其利用的是半导体材料的帕尔贴效应：当直流电通过两种不同半导体材料串联成的电偶时，在电偶的两端即可分别吸收热量和放出热量，可以实现制冷的目的。

TEC具有三种经典工况，分别为最大制冷量工况、最大制冷效率工况、最大温差工况；最大制冷量工况下制冷量达到最大值，但制冷效率较低，即制冷速度相对缓慢，并且消耗的功率较大；在最大制冷效率工况下，制冷速度较快，能耗低，但制冷量较小；最大温差工况下，冷热端的温差达到理论最大值，但制冷量为零。

现有技术中的TEC工作状态优化方法，对最佳性能的判断过于简化，忽略实际使用的复杂性，无法同时兼顾制冷量和制冷效率的最大化。

发明内容

为解决上述技术问题，本发明提供一种基于遗传算法的TEC最佳工作状态优化方法。

为解决上述技术问题，本发明采用如下技术方案：

一种基于遗传算法的TEC最佳工作状态优化方法，用于得到能够使TEC制冷端实际制冷量Q_C以及制冷效率ε最大化的温差和电流，包括以下步骤：

步骤一：随机生成包含多个个体的初始种群；每个个体对应一组个体数据，一组个体数据包括两个随机数，分别对应温差和电流，对个体数据进行二进制编码；循环次数N＝0；

步骤二：设置适应度函数Y＝W₁*Q_C+W₂*ε，计算每个个体的适应度函数值；其中W₁为实际制冷量Q_C的权重，W₂为制冷效率ε的权重；

步骤三：使用轮盘赌选择法，选择种群中的优质个体；

步骤四：对每两个相邻个体生成随机数K₁，当K₁大于概率预设值时，将对应的两个相邻个体进行单点互换基因；

步骤五：对每个个体生成随机数K₂，当K₂小于变异概率预设值时，将对应个体的任意一个位置进行变异，得到新的种群；循环次数N＝N+1；

循环进行步骤二、三、四、五，当相邻两次循环中任意一个个体的适应度函数值差值小于Y_T时，停止循环，Y_T为适应度函数预设值；将最后一次生成的种群中具有最大适应度函数值的个体数据，转换为十进制，得到温差和电流，作为能够使TEC处于最佳工作状态的温差和电流。

进一步地，所述TEC应用在激光器中；步骤二中，W₁＝0.7，W₂＝0.3。