摘要：针对半导体激光器输出功率高、光束能量低以及整形效果差的问题,提出一种基于人工神经网络的半导体激光光束自适应整形系统。使用非球面透镜作为光束整形主要透镜,依据建立的半导体激光光束模型获取透镜各项参数;基于ZEMAX操作平台,使用人工神经网络与粒子群相结合的方法,优化半导体激光器参数,实现激光光束的自适应整形。实验结果表明,利用该方法进行激光光束整形时,最高激光器的输出功率仅为20 W,最高光束能量为137 kJ,说明激光器输出功率低、光束能量强、整形效果好。

摘要：基于概率可靠度对槽式太阳能电站系统配置进行了优化设计。首先,通过SAM软件对建设50 MW槽式太阳能电站进行了模拟,并考虑不确定性因素带来的随机性,结合神经网络-蒙特卡罗法,建立了槽式太阳能电站基于其太阳倍数、蓄热系统蓄热时长以及集热槽行间距3个设计参数的不确定性模型。其次,建立了可靠度计算模型,选取平准化度电成本(levelized cost of energy,LCOE)、容量因子(capacity factor,CF)和总发电效率作为性能评价指标,以各性能评价指标的可靠性指标最优为优化目标,进行了可靠性计算与分析。最后,将不确定性模型下得出的各设计参数的最优配置与确定性模型下的优化结果进行了对比。由于考虑了不确定性因素的影响,不确定性模型下的计算结果更接近实际情况。