Automatic disturbance identification for linear quadratic Gaussian control in adaptive optics
Automatic disturbance identification for linear quadratic Gaussian control in adaptive optics
复制标题
自适应光学中线性二次高斯控制的自动扰动识别
DOI：
10.1093/mnras/staa1698
复制
发表时间：
2020-08
影响因子：
4.8
通讯作者：
Changhui Rao
中科院分区：
文献类型：
--
作者：
Jiaying Wang;Youming Guo;L. D. Kong;Zhang Lanqiang;Naiting Gu;Kele Chen;Changhui Rao
线性二次高斯（LQG）控制是一种很有吸引力的控制策略，可以减轻自适应光学（AO）系统中的干扰。该方法的关键是快速、连续地建立精确的动力学模型，以跟踪湍流、风荷载和振动等时变扰动。为了解决这一问题，提出了一种以改进的光谱分离过程和基于粒子群优化（PSO）算法的参数优化过程为主要内容的自动识别方法。改进后的谱分离可以更准确地提取出扰动峰，特别是当一些峰非常靠近时。此外，与Levenberg-Marquardt方法和基于网格的最大似然技术相比，粒子群算法具有更快的收敛速度和更小的计算量，因此更容易实现。整个识别过程可以自动在线运行，无需人工干预。仿真结果表明，该方法具有较强的辨识能力。利用抚仙天文台1 m新真空太阳望远镜的连续测量数据，对该方法的性能进行了评价。
ABSTRACT Linear quadratic Gaussian (LQG) control is an appealing control strategy to mitigate disturbances in adaptive optics (AO) systems. The key of this method is to quickly and consecutively build an accurate dynamical model to track time-varying disturbances such as turbulence, wind load and vibrations. In order to address this problem, we propose an automatic identification method consisting mainly of an improved spectrum separation procedure and a parameter optimization process based on the particle swarm optimization (PSO) algorithm. The improved spectrum separation can pick out perturbation peaks more accurately, especially when some peaks are very close together. Moreover, compared with the Levenberg–Marquardt method and the maximum-likelihood technique based on grids, the PSO algorithm has a faster convergence speed and lower computational burden, and thus is easier to implement. The entire identification process can run automatically online without human intervention. This identification method is verified with a synthetic disturbance profile in a simulation. Furthermore, the performance of the method is evaluated with consecutive measurement data recorded by the 1-m New Vacuum Solar Telescope at the Fuxian Solar Observatory.
登录
查看更多内容
DOI：
10.1364/josaa.27.00a122
发表时间：
2010-11
期刊：
Journal of the Optical Society of America. A, Optics, image science, and vision
影响因子：
--
作者：
S. Meimon;C. Petit;T. Fusco;C. Kulcsár
通讯作者：
S. Meimon;C. Petit;T. Fusco;C. Kulcsár
DOI：
10.1016/j.engappai.2007.10.002
发表时间：
2008-10
期刊：
Eng. Appl. Artif. Intell.
影响因子：
--
作者：
Li Liu;Wenxin Liu;D. Cartes
通讯作者：
Li Liu;Wenxin Liu;D. Cartes
影响因子：
4.8
作者：
A. Basden;D. Jenkins;T. J. Morris;J. Osborn;M. Townson
通讯作者：
A. Basden;D. Jenkins;T. J. Morris;J. Osborn;M. Townson
影响因子：
4.6
作者：
Kwok, N. M.;Ha, Q. P.;Samali, B.
通讯作者：
Samali, B.
非线性动态滞回模型参数辨识的改进PSO算法
影响因子：
4.7
作者：
Zhang, Junhao;Xia, Pinqi
通讯作者：
Xia, Pinqi