摘要
高功率超短脉冲激光器在基础科学研究、工业制造和生物医疗等领域有着重要作用。近年来随着光纤激光器技术的不断革新，基于单根光纤的超短脉冲激光器的平均功率已经达到kW量级。但是在传输高功率超短脉冲激光时，光纤中易产生强烈的非线性效应与热效应，导致基于单根光纤的超短脉冲激光器难以在保证光束质量的条件下获得高功率的激光脉冲输出。超短脉冲光纤激光的相干合成技术是能够突破单根光纤功率极限的技术之一，该技术能够解决在高功率超短脉冲中光纤的非线性极化和光纤热效应引起的模式不稳定。在超短脉冲光纤激光相干合成中，为了保证输出脉冲光束的合成效率和光束质量，需要对合成中各路子光束进行相位控制。如今，随着超短脉冲光纤激光相干合成中合成路数的快速增加，对子光束相位的控制提出了更高的要求;目前超短脉冲光纤激光相干合成的相位控制技术已经成为研究热点。本论文主要对超短脉冲光纤激光时域相干合成中的相位控制技术进行研究。论文的主要工作如下: 第一部分，阐述了课题的研究背景和研究意义。对超短脉冲相干合成和其主动相位控制技术进行了综述，梳理了超短脉冲相干合成技术的国内外研究现状，详细的对比分析了超短脉冲相干合成中的各种主动相位控制技术，确定了研究内容。 第二部分，对应用在超短脉冲相干合成中的主动相位控制技术进行了数学推导。首先对随机梯度下降算法的数学模型进行推导，然后基于强化学习理论，推导出应用在时域相干合成中的Q-learning算法的数学模型。 第三部分，搭建了2路超短脉冲光纤激光时域相干合成实验装置用于算法可行性的验证。该实验装置包括:锁模光纤振荡器，时域脉冲分割装置，保偏光纤放大器，时域合束装置和相位控制系统。首先利用随机并行梯度下降(stochastic parallel gradient descent,SPGD)算法对该实验装置进行锁相，得到了功率为260mW，皮秒量级的激光输出，该实验装置的合成效率为85％。然后用Q-learning算法对该实验装置进行锁相，得到了稳定的激光输出;然后与SPGD算法锁相的激光输出进行对比分析，分析结果表明Q-learning算法在该实验装置中的稳定性优于SPGD算法。之后基于白噪声滤波的方式建立了相干合成动态相位噪声模型，使用该模型分析Q-learning算法在多路相干合成中的锁相性能，并与SPGD算法进行对比。对比结果表明Q-learning算法的稳定性优于SPGD算法，且参数更易调节。最后介绍了一种基于群智能的新群智能算法(novel swarm intelligence，NSI)算法，并使用该算法对2路超短脉冲光纤激光时域相干合成实验装置进行锁相，最终得到了稳定的激光输出;然后用正弦波叠加的方式建立了相干合成动态相位噪声模型，使用该模型对NSI算法进行了模拟分析，分析得出该算法的收敛性主要与种群大小有关，合适的种群大小使得该算法有着很好的稳定性;同时对NSI算法和SPGD算法进行了101路的静态相干合成模拟，模拟结果表明NSI算法的收敛速度优于SPGD算法。
NETL