[發明專利]一種環芯光纖優化設計的方法

有效

• 申請號: 201910944069.2
• 申請日: 2019-09-30
• 公開（公告）號: CN110543746B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉潔;施楚民;馮俊杰;黃璐;陳煉翰;李凱欣;余思遠
• 申請（專利權）人: 中山大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/27;G06N3/084;G06N3/086
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種環芯光纖優化設計的方法，其特征在于，所述方法包括以下步驟：

S1：根據光纖設計通用模型構建神經網絡的訓練樣本，并對訓練樣本進行預處理；包括以下步驟：

S101、確定光纖設計通用模型：光纖包層外直徑為標準125μm，最大的芯層-包層相對折射率差為0.008，芯層設計有四層結構；芯層內徑和外徑是確定的，以保證固定的模式組數量和徑向一階傳導模式；環形纖芯內包層與外包層折射率一致，其余芯層的折射率呈階躍式分布；

S102、確定輸入、輸出變量：選取每一層芯層半徑與芯層-包層相對折射率差作為輸入變量，選取目標相鄰高階間的模式組間耦合積分系數C_lm作為輸出變量；

S103、準備訓練樣本：確定好各輸入變量的范圍以及取值間隔后，通過電磁場計算方法得出各輸入變量下的耦合積分系數C_lm的大小，構造神經網絡的訓練樣本并保存；

S104、樣本預處理：對樣本輸入輸出變量作預處理，使樣本輸入輸出變量處于[0,1]之間；

S2：根據S1預處理后的訓練樣本，構建并訓練BP神經網絡模型；

S3：利用遺傳算法尋找限定條件下的最優值：以各輸入設計參量為個體產生種群，基于訓練完成的BP神經網絡，構建種群適應度函數，在限定條件下，尋找適應度值最高的個體來尋找各設計參量的最優值；

S4、二次驗證結果：根據遺傳算法的優化結果獲取若干組效果最優的參數組合，通過常規電磁場計算方法對參數進行二次驗證，判斷優化結果是否正確，若正確，則將結果返回給設計者，若不正確，則返回S2。

2.根據權利要求1所述的環芯光纖優化設計的方法，其特征在于，S102中所述模式組間耦合積分系數的具體計算公式如下：

e₀表示真空磁導率，j表示b是積分里面模場最大半徑值；ω表示頻率；

Γ_lm表示由隨機微彎擾動引起的模式l和模式m間的耦合效率，它與空間功率譜和耦合積分系數C_lm兩項有關；Δβ_lm表示模式l和模式m間的傳播常數差：

Δn_eff為有效折射率差，A_l和A_m分別表示模式l和模式m的歸一化幅值；第i個模式的積分被歸一化為ε₀和μ₀分別表示真空中的介電常數以及磁導率，k₀表示真空中的波矢，β_i表示傳播常數，A_i表示模式i的歸一化幅值；r表示光纖半徑，n₀表示理想光纖的無畸變折射率剖面；

值與Δβ_lm、拉制工藝、光纖所受外界應力有關；耦合積分系數C_lm取決于模場幅值分布與折射率梯度間的重疊積分大小；因此，假設光纖周圍環境以及拉制工藝都是恒定的，通過調節光纖的n₀減小模場和折射率梯度的重疊積分，減小微彎擾動引起的模式耦合效率；故選取計算目標相鄰高階間的模式組間耦合積分系數C_lm大小，通過最小化耦合積分系數實現降低模間耦合系數的目標。

3.根據權利要求2所述的環芯光纖優化設計的方法，其特征在于，S104中預處理的方法為對樣本輸入輸出變量的最大值最小值作歸一化處理，使樣本輸入輸出變量處于[0,1]之間，歸一化公式如下：

其中z為歸一化后的值，x為被歸一化的數據，x_mi_n、x_max分別為被歸一化數據中的最小值和最大值。