基于PID控制和遗传算法的半导体激光器温控系统*
徐娟娟1, 陈晨2, 杨洪军1
1. 内蒙古大学 满洲里学院, 内蒙古 满洲里 021400
2. 吉林大学 仪器科学与电气工程学院, 长春 130061

作者简介: 徐娟娟(1982-),女,内蒙古赤峰人,讲师,硕士,主要从事图像与信息处理、计算机教育等方面的研究.

摘要

为了实现半导体激光器温度的精确控制,设计了将PID控制与遗传算法相结合的高精度温度控制系统.该系统使用热敏电阻与光电二极管进行测量和反馈半导体激光器的温度值,并用热电制冷器作为温控执行器,构成了双闭环控制系统,提出了利用遗传算法在线优化PID参数的方法,根据实时测量偏差、控制器输出和上升时间构建函数作为待优化的性能指标,从而动态调整控制器的参数.结果表明,系统能够实现高精度的温度稳定控制,稳定度达到0.027%,温度偏差为0.002℃,控制效果优于传统的PID控制,具有较好的应用价值.

关键词: 半导体激光器; 温度控制; 遗传算法; PID控制; 热敏电阻; 光电二极管; 双闭环控制系统; 优化
中图分类号:TN248.4 文献标志码:A 文章编号:1000-1646(2017)04-0449-05 doi: 10.7688/j.issn.1000-1646.2017.04.17
Temperature control system for diode laser based on PID control and genetic-algorithm
XU Juan-juan1, CHEN Chen2, YANG Hong-jun1
1. Manchuria School, Inner Mongolia University, Manchuria 021400, China
2. College of Instrumentation & Electrical Engineering, Jilin University, Changchun 130061, China
Abstract

In order to achieve the accurate control for the temperature of diode laser, a high precision temperature control system combining PID control and genetic algorithm was designed. The temperature value of diode laser was measured and fed back with the thermistor and photodiode in the system. Meanwhile, thermo electric cooler (TEC) was used as the actuator to control the temperature. Therefore, a double close-loop control system was constructed. The method of optimizing PID parameters in an on-line way with genetic algorithm was proposed. According to the real-time measured error, controller output and rising time, a function was established as the performance index to be optimized. And thus, the parameters for the controller could be dynamically adjusted. The results show that the system can achieve the accurate and stabilized temperature control. The stability and temperature error are 0.027% and 0.002℃, respectively. Furthermore, the control effect is obviously superior to that of traditional PID control. Therefore, the better application value can be obtained.

Keyword: diode laser; temperature control; genetic algorithm; PID control; thermistor; photodiode; double close-loop control system; optimization

科学技术的发展使得半导体激光器的体积越来越小、质量越来越轻、工作效率越来越高, 半导体激光器已经广泛应用在数字通信、医疗设备、工业和科研等重要领域.然而, 半导体激光器对温度比较敏感, 温度的变化会直接影响到它的电流、波长和输出功率[1, 2, 3, 4], 为了使其能够正常工作, 必须实现半导体激光器温度的精确控制[5, 6, 7].

国内外学者和研究机构都对这个问题开展了大量的研究工作[8, 9, 10].文献[3]设计了基于FPGA的激光器温控系统, 控制参数以PWM信号的形式给出, 再使用H桥将其转化为控制信号, 温控精度高达0.03℃; 文献[6]为了降低软件设计复杂度, 提高控制准确度及稳定性, 设计了基于模拟PID的半导体激光器温控系统; 文献[8]对于大功率半导体激光器的温控系统设计了基于单片机的改进PID控制算法, 温控精度在0.1℃内.在上述这些方法中, 半导体激光器的温控系统一般都包含了温度传感器(热电偶和热电阻等)、温度控制执行器(制冷芯片TEC等)和相应的控制算法.在这些控制系统中, 有采用模拟电路进行设计, 也有使用数控系统来实现的, 但由于温度的测量值只是传感器的当前温度, 与半导体激光器的真实温度值有一定的偏差, 而且热传导存在一定的时间延迟, 所以温度控制的精度、稳定度和鲁棒性均有待提高.

本文在利用温度传感器测量温度的基础上, 加入了光电二极管的电流反馈闭环, 从而构成了一个双闭环系统, 并以系统的实时测量偏差、控制器输出和上升时间组成待优化的目标函数, 将PID控制参数作为遗传算法的个体, 使用遗传算法的全局搜索能力来计算最优的PID控制参数, 并对参数进行在线调整, 最后用实验来验证设计系统的可靠性和有效性.

1 系统设计
1.1 总体方案

基于遗传算法的半导体激光器高精度温度控制系统主要分为三个部分:温度测量和反馈、温度控制及温度调节, 系统的总体框图如图1所示.

图1 系统总体框图Fig.1 General block diagram of system

温度测量和反馈子系统首先使用热敏电阻来测量温度, 但受热传导的影响, 测量的温度值与实际的温度值存在一定程度的偏差, 因此, 利用光电二极管的反馈电流来得到激光器的温度.光电二极管的信号对温度变化的响应较快, 它可以监控热敏电阻的工作状况, 也可以为系统的精确和稳定控制提供保证.温度控制子系统读入温度的当前值和期望值, 在单片机上利用遗传算法搜索得到最优的PID参数, 并根据动态的偏差值实时调整PID参数.温度调节子系统根据控制子系统的输出值来驱动TEC工作, 从而改变半导体激光器的温度.

1.2 温度测量和反馈子系统

温度的准确检测是半导体激光器温度控制系统的关键环节, 目前广泛使用的温度传感器主要有热敏电阻、热电偶和集成温度传感器等.这几类敏感器件都有自身的优缺点, 由于所设计的系统具有温度控制范围窄、灵敏度和稳定度要求高等特点, 故采用灵敏度和稳定度均较高的热敏电阻NTC来采集系统的温度值.当用一个敏感器件来测量温度时, 由于系统的温度变化较为缓慢, 如果系统未达到热平衡, 会使得测量值与实际值的误差较大.本文使用均匀分布在激光管周围的六个参数相同的NTC组来进行测量, 当其阻值接近一致时, 测量的温度最接近真实值.另外, 由于光电二极管的光电流与激光器的温度变化之间存在近似的线性关系, 因此, 可以将它的输出转化为电压值, 再反馈到系统中, 有助于温度的准确控制.该子系统的电路设计图如图2所示.

图2 温度测量和反馈子系统的电路设计图Fig.2 Circuit design for temperature measurement and feedback subsystem

1.3 温度调节子系统

采用TEC来调节整个系统的温度, 它的工作原理是由温度梯度效应产生热端和冷端, 并将它的冷端和热端分别接触到半导体激光器的热沉, 从而将热量发散出去.TEC带走的热量与待耗散的热量可以表示为

QC=α ITECTC-K(TH-TC)-0.5 ITEC2RTEC (1)

QH=α ITECTH-K(TH-TC)+0.5 ITEC2RTEC (2)

式中:THTC分别为冷端和热端的温度; ITEC为电流; α 为塞贝克系数; K为热导; RTEC为等效电阻.TEC在正常工作时需要较大电流, 需要对温度调节之后的信号进行电流驱动, 另外电路需要实现双向大电流, 则该子系统的电路设计图如图3所示.

图3 温度调节子系统的电路设计图Fig.3 Circuit design for temperature adjusting subsystem

1.4 温度控制子系统

温度控制子系统的设计使用热敏电阻和光电二极管的双重闭环控制方式, 光电二极管的电流为外环, 热敏电阻的电流为内环, 内环的输入为外环的误差.如果温度发生变化, 光电二极管的电流与参考值有偏差, 该信号转化为内环的输入信号, 且考虑到热敏电阻的测量值与参考温度的偏差, 将两个偏差信号输入到基于遗传算法的PID控制环节, 再对半导体激光器的温度进行控制.系统的传递函数可以表示为

G(s)=kp+ kiτ1s+1+ kdsτ2s+1(3)

式中:kpkikd分别为比例、积分和微分常数; τ 1τ 2分别为积分时间常数和微分时间常数.

2 基于遗传算法的PID控制参数寻优

在式(3)的PID控制器中, kpkikd三个参数直接影响到控制器的性能, 如果这三个参数的选取不合适, 无法得到满意的控制效果.遗传算法是模仿生物进化过程的优化方法, 它将优胜劣汰的进化原理应用在参数的编码中, 根据适应度函数对个体进行复制、交叉和变异, 保留目标函数高的个体, 如此循环, 直到适应度满足一定条件, 能够得到全局的最优值.

2.1 参数寻优过程

在采用遗传算法来寻找PID控制的三个最优参数时, 首先要确定变量和目标函数[11, 12], 再对变量进行编码, 然后再进行选择、交叉和变异[13, 14].此时的变量即为PID控制器的三个参数kpkikd, 取目标函数J

J=0[ω1e(t)+ω2u2(t)]dt+ω3tr(4)

式中:e(t)为系统偏差; u(t)为控制器输出; tr为上升时间; ω 1ω 2ω 3为权重值.目标函数为控制系统误差绝对值和控制输入平方的时间积分与上升时间之和.

用二进制数来表示需要寻优的三个参数, 假定参数P∈ [Pmin, Pmax], 采用m位的二进制数b来表示, 则有

P=Pmin+ bm2-1Pmax (5)

将三个参数的二进制数连接起来就得到了二进制字串, 这个过程即为编码.选择依据适应度的大小来决定, 可以使用适应度比例法来选择个体, 即

ps=fi/i=1Mfi(6)

式中:fi为个体的适应度; M为种群的个数; ps为个体被选择的概率.

对个体进行交叉和变异时, 在初期进化阶段, 由于个体的差异较大, 大的交叉率pc和小的变异率pm能够加快收敛速度, 而在后期进化阶段, 小的交叉率pc和大的变异率pm能够避免算法得到局部最优解, 因此, 采用单点交叉法来计算进化时的交叉率pc和变异率pm, 即

pc(k+1)=pc(k)-[pc(1)-0.35]/kmax (7)

pm(k+1)=pm(k)-[0.35-pm(1)]/kmax(8)

式中:k∈ [1, kmax]为遗传的代数; kmax为最大遗传代数; pc(k)和pm(k)分别为第k代的交叉率和变异率.

2.2 控制器设计

系统的控制器为由遗传算法优化得到的PID控制, 控制器的表达式为

u(t)=kpe(t)+kdddte(t)+kie(τ)(9)

控制器的结构框图如图4所示.

图4 控制器的结构框图Fig.4 Structure block diagram of controller

使用遗传算法来优化控制器的三个参数, 具体的计算步骤如下:

1) 估计三个参数的变化范围, 用12位的二进制数进行编码;

2) 使用随机方法得到N个个体构成的初始种群;

3) 将种群解码, 得到对应的PID控制参数, 用它们来计算目标函数值J和适应函数;

4) 对种群进行复制、交叉和变异操作, 得到下一代种群;

5) 重复步骤3)和步骤4), 直到参数收敛到给定的指标.

整个控制算法的流程图如图5所示.

图5 控制算法流程Fig.5 Flow chart of control algorithm

3 实验结果与分析

根据上述的分析和设计, 用实验来验证系统设计的合理性和可行性.

3.1 线性度实验

首先测试系统的线性度, 即驱动电流的设定值Uset与输出电流If之间的线性程度.由于半导体激光器驱动电流的上限为300mA, 取Uset∈ [0, 300]mV, 步长为5mV.在室温25℃的条件下, 测量采样电阻的电压Uf即可计算得到输出电流If, 实验得到的UsetIf的测试结果如图6所示.用线性拟合的方法得到线性方程为Uset=0.9982If, 可见系统的线性度较高.

图6 系统的线性度测试结果Fig.6 Test results of system linearity

3.2 温度控制实验

用实验来测试系统温度控制的精准性和稳定性, 并且与传统PID控制算法进行比较.取遗传算法中的样本个数为50, 初始交叉率和变异率分别为0.85和0.03, 三个控制参数的变化范围分别为kp∈ [0.09, 10]、ki∈ [0.09, 10]、kd∈ [0, 1], 三个权重值的大小分别为ω 1=0.999、ω 1=0.02、ω 1=2.5, 遗传代数为100.

实验室的当前室温为20.42℃, 温度控制实验分别在高于室温和低于室温的条件下进行.对于前者, 先对系统进行预热, 然后将温度设定在29.17℃, 每隔1min进行一次测量, 连续测量1h, 得到的实验结果如图7所示; 对于后者, 先将系统进行冷却, 将温度设定在12.63℃, 同样测量1h, 测量时间间隔也为1min, 得到的实验结果如图8所示.

图7 29.17℃下的温度控制结果Fig.7 Temperature control results at 29.17℃

图8 12.63℃下的温度控制结果Fig.8 Temperature control results at 12.63℃

从图7可以看出, 在高于室温的环境下本文控制系统所得到的最大温度偏差和稳定度分别为0.002℃和0.0118%, 而使用传统PID控制所得到的最大温度偏差和稳定度分别为0.011℃和0.0621%; 在低于室温的环境下本文控制系统所得到的最大温度偏差和稳定度分别为0.0019℃和0.0273%, 而使用传统PID控制所得到的最大温度偏差和稳定度分别为0.01℃和0.15%.因此, 本文设计的温度控制系统具有精度好和稳定度高的特点, 能够满足系统设计的要求.

4 结 论

本文设计了一种基于PID控制和遗传算法的半导体激光器高精度温控系统, 该系统使用温度传感器和光电二极管构成了双闭环回路, 整个系统分为温度测量和反馈、温度控制与温度调节三个子系统.为了解决传统PID控制的参数不易选取、调节时间长和超调量大的问题, 将系统偏差、控制器输出和上升时间作为优化的目标函数, 使用遗传算法来搜索最优的PID控制参数.实验结果表明, 本文设计的系统能够实现半导体激光器温度的精确控制, 精度和稳定度分别能够达到0.002℃和0.027%, 控制效果优于传统的PID控制, 具有较好的应用前景.

The authors have declared that no competing interests exist.

参考文献
[1] 李明月, 何君. 国外军用大功率半导体激光器的发展现状[J]. 半导体技术, 2015, 40(5): 321-327.
(LI Ming-yue, HE Jun. Development situations of high power semiconductor laser for military applications in advanced countries[J]. Semiconductor Technology, 2015, 40(5): 321-327. ) [本文引用:1]
[2] 刘梦涵, 崔碧峰, 何新, . 大功率低阈值半导体激光器研究[J]. 中国激光, 2016, 43(5): 1-6.
(LIU Meng-han, CUI Bi-feng, HE Xin, et al. Study of high power semiconductor laser with low threshold current[J]. Chinese Journal of Lasers, 2016, 43(5): 1-6. ) [本文引用:1]
[3] 刘泽利. 用于气体检测的高精度DFB激光器温控系统[J]. 激光杂志, 2014, 35(12): 82-84.
(LIU Ze-li. High-precision DFB laser temperature control system used in gas detection field[J]. Laser Journal, 2014, 35(12): 82-84. ) [本文引用:2]
[4] 黄德修. 半导体光电子学 [M]. 北京: 电子工业出版社, 2013.
(HUANG De-xiu. Semiconductor optoelectronics[M]. Beijing: Publishing House of Electronics Industry, 2013. ) [本文引用:1]
[5] 汪灵, 叶会英, 赵闻. 半导体激光器温度控制系统设计与算法仿真[J]. 仪表技术与传感器, 2013(5): 95-98.
(WANG Ling, YE Hui-ying, ZHAO Wen. Design and simulation algorithm of temperature control system of diode laser[J]. Instrument Technique and Sensor, 2013(5): 95-98. ) [本文引用:1]
[6] 黄渐强, 翟冰, 何启欣, . 用于气体检测的近红外半导体激光器温控系统[J]. 光子学报, 2014, 43(6): 1-5.
(HUANG Jian-qiang, ZHAI Bing, HE Qi-xin, et al. A temperature controller for near-infrared semiconductor laser used in gas detection[J]. Acta Photonica Sinica, 2014, 43(6): 1-5. ) [本文引用:1]
[7] 陈刚, 张方正, 潘时龙. 一种新型分布反馈半导体激光器的多信号直调性能研究[J]. 光子学报, 2013, 42(9): 1-7.
(CHEN Gang, ZHANG Fang-zheng, PAN Shi-long. An investigation on the multi-signal direct modulation of a reconstruction-equivalent-chirp distributed feedback laser diode[J]. Acta Photonica Sinica, 2013, 42(9): 1-7. ) [本文引用:1]
[8] 崔国栋, 吕伟强, 郑毅. 大功率半导体激光器温度控制系统的设计[J]. 激光与红外, 2015, 45(5): 568-570.
(CUI Guo-dong, Wei-qiang, ZHENG Yi. Design of temperature control system of high power semiconductor laser[J]. Laser & Infrared, 2015, 45(5): 568-570. ) [本文引用:2]
[9] 田振华, 孙成林, 曹军胜, . 准连续输出大功率半导体激光器的结温测试[J]. 光学精密工程, 2011, 19(6): 1244-1249.
(TIAN Zhen-hua, SUN Cheng-lin, CAO Jun-sheng, et al. Junction temperature measurement of high power diode lasers[J]. Optics and Precision Engineering, 2011, 19(6): 1244-1249. ) [本文引用:1]
[10] 李健, 陈晨, 薛顶柱, . 基于PID算法的激光器恒温控制系统的设计[J]. 激光杂志, 2015, 36(4): 38-41.
(LI Jian, CHEN Chen, XUE Ding-zhu, et al. The design of temperature control for laser based on PID algorithm[J]. Laser Journal, 2015, 36(4): 38-41. ) [本文引用:1]
[11] 王泽, 张宏军, 张睿. 基于遗传算法与密度及距离计算的聚类方法[J]. 计算机应用, 2015, 35(11): 3243-3246.
(WANG Ze, ZHANG Hong-jun, ZHANG Rui. Clustering by density and distance analysis based on genetic algorithm[J]. Journal of Computer Applications, 2015, 35(11): 3243-3246. ) [本文引用:1]
[12] 李雅, 黄少滨, 李艳梅, . 基于遗传算法的反例理解[J]. 哈尔滨工程大学学报, 2016, 37(10): 1-7.
(LI Ya, HUANG Shao-bin, LI Yan-mei, et al. Counterexample explanation based on genetic algorithm[J]. Journal of Harbin Engineering University, 2016, 37(10): 1-7. ) [本文引用:1]
[13] 李南生, 杨新, 李幸周. 边坡稳定制约下土石坝截面优化遗传算法[J]. 沈阳工业大学学报, 2015, 37(2): 200-206.
(LI Nan-sheng, YANG Xin, LI Xing-zhou. Sectional optimization genetic algorithm of earth-rockfill dam subjected to slope stability constraint[J]. Journal of Shengyang University of Technology, 2015, 37(2): 200-206. ) [本文引用:1]
[14] 马永杰, 云文霞. 遗传算法研究进展[J]. 计算机应用研究, 2012, 29(4): 1201-1206.
(MA Yong-jie, YUN Wen-xia. Research progress of genetic algorithm[J]. Application Research of Computers, 2012, 29(4): 1201-1206. ) [本文引用:1]