(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110642357.X (22)申请日 2021.06.09 (65)同一申请的已公布的文献号 申请公布号 CN 113378462 A (43)申请公布日 2021.09.10 (73)专利权人 天津凯普林激光科技有限公司 地址 300300 天津市滨 海新区空港经济区 经二路225号中国民航科技产业基地 一号厂区C区三层 (72)发明人 徐永顺　王铁男　 (74)专利代理 机构 天津市鼎拓知识产权代理有 限公司 12 233 专利代理师 李冬梅 (51)Int.Cl. G06F 30/27(2020.01)G01J 1/00(2006.01) G06F 111/10(2020.01) (56)对比文件 CN 108844624 A,2018.1 1.20 CN 112326197 A,2021.02.0 5 CN 110579336 A,2019.12.17 CN 110429466 A,2019.1 1.08 CN 109687479 A,2019.04.26 US 2005018723 A1,20 05.01.27 Z.L. Lu et al. .The predicti on of the building precisi on in the Laser Engineered Net shapi ng proces s using advanced netw orks. 《Optics and Laser i n Engineering》 .2010,第48卷(第5期),第519- 525 页. 审查员 孙瑞生 (54)发明名称 一种自学习激光功率波动识别的方法及系 统 (57)摘要 本申请提供一种自学习激光功率波动识别 的方法及系统， 其中， 自学习激光功率波动识别 的方法包括以下步骤： S100： 自学习阶段： 获取激 光Aij(i＝1…n， j＝1…m)， i为脉冲串个数， j为 重频； 获取每个激光Aij(i＝1…n， j＝1…m)的平 均功率P(Aij)； 将所有平均功率P(Aij)拟合， 形成 自变量为脉冲串个数i以及重频j， 函数值为基准 功率的二元分段函数预测模型； S2 00： 检测阶段： 获取待测激光的实际功率以及基准功率， 计算波 动差值。 本申请提供的一种自学习激光功率波动 识别的方法， 可进行功率波动的识别， 确保可在 第一时间发现问题， 减少经济损失。 权利要求书2页 说明书9页 附图2页 CN 113378462 B 2022.06.17 CN 113378462 B 1.一种自学习激光功率波动识别的方法， 其特 征在于： 包括以下步骤： S100： 自学习阶段： 获取激光Aij(i＝1…n， j＝1…m)， i为脉冲串个数， j为重频； 多次检测每个 所述激光Aij(i＝1…n， j＝1…m)的输出功率并获取每个 所述激光Aij(i＝ 1…n， j＝1…m)的平均功率P(Aij)； 将所有所述平均功率P(Aij)拟合， 形成自变量为脉冲 串个数i以及重频j， 函数值为基准 功率的二元分段函数 预测模型； S200： 检测阶段： 获取待测激光的实际功率以及基准功率， 计算波动差值； 其中， 形成所述 二元分段函数 预测模型的方法具体为： 将具有相同脉冲串个数i的平均功率P(Aij)分为一组； 对每组中所有平均功率P(Aij)进行拟合， 形成自变量为重频j、 函数值为基准功率的函 数单元； 所有所述 函数单元形成所述 二元分段函数 预测模型。 2.根据权利要求1所述的一种自学习激光功率波动识别的方法， 其特征在于： 获取每个 所述激光Aij(i＝1…n， j＝1…m)的平均功率P(Aij)的方法具体包括以下步骤： 对每个所述激光Aij(i＝1…n， j＝1…m)的输出功率进行多次检测， 得到多个数据样本； 去除多个所述数据样本中的最大值以及最小值； 获取剩余数据样本的均值， 作为所述平均功率P(Aij)。 3.根据权利要求1所述的一种自学习激光功率波动识别， 其特征在于： 形成所述函数单 元具体为： 设定基准功率与重频j的函数关系式为： P＝f(j)＝a*l nj+b 定义总误差平方和： 将Se2对a、 b分别求偏导； 将Se2取最小值， 并将每个重频j与其对应 的平均功率P(Aij)的值带入， 求得a、 b的值并 带入至所述 函数关系式 中。 4.根据权利要求1 ‑3任意一项所述的一种自学习激光功率波动识别的方法， 其特征在 于： 计算所述波动差值后还 包括以下步骤： 判断所述波动差值大于设定值时， 发送报警信息 。 5.一种自学习激光功率波动识别系统， 其特 征在于： 包括： 激光器(1)， 用于发射激光Aij(i＝1…n， j＝1…m)； 控制模块(2)， 与所述激光器连接， 用于控制所述激光器发射的激光脉冲串个数i以及 重频j； 功率检测模块(3)， 用于检测所述激光Aij(i＝1…n， j＝1…m)的输出功率数据； 功率自学习模 块(4)： 用于计算每个所述激光Aij(i＝1…n， j＝1…m)的平均功率P(Aij)，权　利　要　求　书 1/2 页 2 CN 113378462 B 2并将所有所述平均功率P(Aij)拟合， 形成自变 量为脉冲串个数i以及重频j， 函 数值为基 准功 率的二元分段函数 预测模型； 功率预测模块(5)， 用于通过所述二元分段函数预测模型输出所发射激光的基准功率 值； 所述功率自学习模块(4)包括功率自学习单 元(7)； 所述功率自学习单 元(7)具体 配置用于： 将具有相同脉冲串个数i的平均功率P(Aij)分为一组； 对每组中所有平均功率P(Aij)进行拟合， 形成自变量为重频j、 函数值为基准功率的函 数单元； 所有所述 函数单元形成所述 二元分段函数 预测模型。 6.根据权利要求5所述的一种自学习激光功率波动识别系统， 其特征在于： 所述功率自 学习模块还 包括： 功率数据采集单 元(6)， 功率数据统计单 元(7)； 所述功率数据采集单元(6)与所述控制模块(2)、 功率检测模块(3)连接； 所述功率数据 采集单元(6)配置用于： 向所述控制模块(2)发送控制指令， 改变所述激光Aij(i＝1…n， j＝ 1…m)的脉冲串个数i以及重频j； 获取所述功率检测模块(3)所检测的每个所述激 光Aij(i＝ 1…n， j＝1…m)的输出功率数据； 所述功率数据统计单元(6)与所述功率数据采集单元(7)连接， 用于计算每个所述激光 Aij(i＝1…n， j＝1…m)的平均功率P(Aij)； 所述功率自学习单元(8)与所述功率数据统计单元(7)连接， 用于将所有所述平均功率 P(Aij)拟合， 形成自变 量为脉冲串个数i以及重频j， 函数值为基 准功率的二 元分段函 数预测 模型。 7.根据权利要求5所述的一种自学习激光功率波动识别系统， 其特征在于： 形成所述函 数单元具体为： 设定基准功率与重频j的函数关系式为： P＝f(j)＝a*l nj+b 定义总误差平方和： 将Se2对a、 b分别求偏导； 将Se2取最小值， 并将每个重频j与其对应 的平均功率P(Aij)的值带入， 求得a、 b并带入 至所述函数关系式 中。 8.根据权利要求5 ‑7任意一项所述的一种自学习激光功率波动识别系统， 其特征在于： 还包括功率报警模块(9)； 所述功率报警模块(9)包括比较单 元(10)以及报警单 元(11)； 所述比较单元(10)配置用于获取待测激光的实际功率以及基准功率， 计算波动差值； 所述报警单 元(11)配置用于判断所述波动差值大于设定值时， 发送报警信息 。权　利　要　求　书 2/2 页 3 CN 113378462 B 3