针对相干布局囚禁(Coherent Population Trapping,CPT)原子钟的比例积分微分(Proportional-Integral-Differential,PID)参数优化问题,提出一种基于神经网络的全局寻优方法。首先通过数学建模模拟CPT原子钟的微波锁定过程,使用数字PID控...针对相干布局囚禁(Coherent Population Trapping,CPT)原子钟的比例积分微分(Proportional-Integral-Differential,PID)参数优化问题,提出一种基于神经网络的全局寻优方法。首先通过数学建模模拟CPT原子钟的微波锁定过程,使用数字PID控制算法实现频率稳定。采用蒙特卡洛方法生成10000组不同PID参数(K_(p),K_(i),K_(d))的系统响应数据,构建包含输入层、两层隐藏层及输出层的全连接神经网络模型,以均方误差(Mean Squared Error,MSE)为性能指标,建立参数与性能的非线性映射关系。试验结果表明,优化后的PID参数(K_(p)=0.4960,K_(i)=0.0054,K_(d)=0.0016)使CPT原子钟的锁定时间从110 s缩短至30 s,提速73%;万秒Allan偏差(Allan Deviation,AD)提升1.5倍,验证了方法的有效性。与传统Ziegler-Nichols方法相比,神经网络通过全局映射避免了局部最优问题,且计算效率提升显著,为CPT原子钟的高性能控制提供了新途径。展开更多
