高速误差自校正的模式分解方法研究

For single or beam-combination high power fiber laser system, static and dynamic control of the beam quality play an extremely important role for the system performance improvement. The mode decomposition, as an important developing tool, can be used to quantitatively evaluate the effect of mode control and analyze the evolution process of the transverse mode instability. The existing methods are not suitable for the real-time online monitoring, or with large errors due to the interference of a series of non ideal factors. This project intends to build a fast, high precision the mode decomposition which can automatically modify the effect of non ideal factors. The proposed method is applied to the quantitative evaluation of the effect of mode control.

在单纤以及光束合成的高功率光纤激光系统中，光束质量的静态、动态品质控制对系统性能的提升起着极为重要的作用。模式分解可以定量评价模式控制效果、剖析横模不稳定性发生时模式的演化规律，是高能光纤系统研发的重要分析诊断手段。现有各类模式方法或不适用于大模场全光纤激光系统的实时在线监测，或受一系列非理想因素的干扰，误差较大，严重影响模式成分的定量分析结果。本项目拟构建一套快速、精度高、能自动修正非理想因素影响的模式分解理论，完成数值模拟测试和实验验证。

在单纤以及光束合成的高功率光纤激光系统，光束质量的静态、动态品质控制对系统性能的提升起着极为重要的作用。模式分解可以定量评价模式控制效果、剖析横模不稳定性发生时模式的演化规律，是高能光纤系统研发的重要分析诊断手段。本项目基于深度学习和SPGD算法构建了一套能基于光斑对模式进行识别和分析的方法。完成数值模拟测试和实验验证。