[发明专利]一种应用于大功率激光器的老练筛选方法

摘要

一种应用于大功率激光器的老练筛选方法，包括以下具体步骤：S1、定点采集器件分别在不同老练环境下失效过程的退化数据，记为原始数据集A；S2、将原始数据集A分为多个片段退化信息并和老练环境信息以及器件标签组成数据集B；S3、对数据集B进行分组后分别输入ANN1网络中并获得样本的准确率；将老练环境信息、老练时间和准确率组成数据集D；S4、将遗传算法GA和ANN2网络相结合，并输入数据集D的老练环境信息、老练时间和准确率；由适应度函数在给定的参数空间内搜索参数最优解，获得最佳老练环境和老练时间；S5、在线测试筛选出合格器件。本发明不依赖于任何先验；且减少老练成本和老练时间以及不必要的器件性能损耗。

主权项

1.一种应用于大功率激光器的老练筛选方法，其特征在于，包括以下具体步骤：S1、定点采集器件分别在不同老练环境下失效过程的退化数据，记为原始数据集A；S2、将原始数据集A分为多个长度一定且连接的片段退化信息；将片段退化信息、老练环境信息和器件标签组成数据集B；使用数据集B并通过硬负样本策略，训练深度学习模型ANN1；S3、按照相同老练环境和相同测量时间点对数据集B进行分组；使用ANN1对各组样本进行预测并统计组内预测准确率；设置各组样本的老练时间为该组中的最后一个测量时间点对应的时间；将每组样本重构成为一个新样本并组成数据集C，重构样本信息包括老练环境信息、老练时间和准确率；S4、使用数据集C训练深度学习模型ANN2；将遗传算法GA和训练好的ANN2相结合，根据适应度函数在给定的参数空间内搜索参数最优解，最终获得最佳老练环境和老练时间；其中，适应度函数为：f=1‑w₁（1‑out_ANN2）‑w₂.t;w₁+w₂=1;out_ANN2为ANN2的输出;t为给定的老练时间;w₁和w₂分别表示为权重；S5、将待筛选的器件放入最佳老练环境中进行老练，并采集器件的退化数据；根据当前器件的退化信息进行老练时间的在线优化并决定是否要继续老练；在线优化策略下，相邻两次的老练测试结果将被比较，若新增的老练时间没有产生有效信息，则停止老练；停止老练时，使用ANN1进行器件分类，从而筛选出合格器件。