[发明专利]基于神经网络算法推演激光参数组合产生强光辐射的方法

权利要求书

1.一种基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于，包括以下步骤：

步骤S1，根据低精度步长，基于至少两种不同的激光参数进行组合得到多个参数组合，通过激光辐射数值模型计算出每个所述参数组合对应的光辐射能量，所述参数组合作为神经网络模型的输入参数，对应的所述光辐射能量作为所述神经网络模型的输出参数，一个所述输入参数与其对应的输出参数为一组对应数据，多组所述对应数据形成训练数据；

步骤S2，将所述训练数据随机划分为训练集、验证集及测试集；

步骤S3，构建所述神经网络模型；

步骤S4，使用步骤S2中的所述训练集及所述验证集，训练至所述神经网络模型的回归系数R大于预定值M，得到训练好的神经网络模型；

步骤S5，根据高精度步长，使用所述训练好的神经网络模型得到最强光辐射能量从而得到产生对应的所述激光参数组合。

2.根据权利要求1所述的基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于：

其中，步骤S4包括如下子步骤：

步骤S4-1，使用步骤S2中的所述训练集及所述验证集，训练至所述神经网络模型的所述回归系数R大于预定值M；

步骤S4-2，使用步骤S2中的所述测试集测试所述回归系数R大于预定值M的所述神经网络模型，判断该神经网络模型的均方误差MSE是否小于预定值N，若均方误差MSE预定值N，则得到所述训练好的神经网络模型，然后进入步骤S5，若均方误差MSE大于或等于预定值N，则进入步骤S4-1。

3.根据权利要求1所述的基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于：

其中，所述神经网络模型的输入层节点数与所述激光参数的数目相同，输出层节点数为1。

4.根据权利要求3所述的基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于：

其中，所述神经网络模型中，所述输入层至隐含层传递函数及所述隐含层至所述输出层传递函数分别为logsig、tansig、purelin、hardlim、compet、satlin、softmax或radbas中的任意一种，

训练函数为trainlm、traingd、traingda或traingdx中的任意一种，学习函数为learngdm或learngd。

5.根据权利要求4所述的基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于：

其中，所述神经网络模型中，所述输入层至所述隐含层传递函数为logsig，所述隐含层至所述输出层传递函数为tansig，所述训练函数为trainlm，所述学习函数learngdm，网络迭代次数为1000，训练误差目标为1e-7，学习速率为0.01，最小确认失败次数为6。

6.根据权利要求1所述的基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于：

其中，步骤S2，将所述训练数据中随机划分为所述训练集、所述验证集及所述测试集，并对所述训练数据进行归一化处理；

步骤S5中根据所述高精度步长，使用所述训练好的神经网络模型进行预测，并将所述预测结果反归一化，得到所述最强光辐射能量从而得到产生对应的所述激光参数组合，

步骤S2中，归一化处理时采用的函数为mapminmax，具体为[inputn,inputps]＝mapminmax(input_train)；[outputn,outputps]＝mapminmax(output_train)。

7.根据权利要求1所述的基于神经网络算法推演激光参数组合产生强光辐射的方法，其特征在于：

其中，所述不同的激光参数为不同范围的同种激光参数或不同种类的激光参数，

所述激光参数的种类为波长、相对相位、脉冲能量、拉丝长度、脉宽、激光能量比或激光光斑直径中的任意一种，

所述激光为任意波长的光。