电子直线加速器磁控管频率稳定的自适应线性神经元方法

第9卷　第3期强激光与粒子束V o l.9,N o.3 1997年8月H IGH POW ER LA SER AND PA R T I CL E BEAM S A ug.,1997　电子直线加速器磁控管频率稳定的自适应线性神经元方法Ξ席德勋　赖青贵(南京大学加速器研究所,南京市汉口路22号,南京210093) 摘　要　电子直线加速器电子束能量的稳定与否取决于功率源工作频率的稳定性,磁控管在短时间内的散谱和轻微跳谱造成稳频系统的控制精度下降,最后电子束的扫描均匀度下降。

引入自适应线性神经元方法(ADAL I N E)和噪声对消技术以消除对工作频率长期稳定性的影响,从而保证了电子束的扫描均匀度。

关键词　直线电子加速器　散谱和跳谱　自适应线性神经元　噪声对消技术 ABSTRACT　W hether the energy of the electron beam from the irradiati on L I NA C isstab le o r no t depends on the stab ility of the operating frequency of the pow er sou rce.T he dis2persi on and the sligh t jump of the spectrum of the m agnetron in a sho rt ti m e cau ses to de2crease the con tro lling accu racy of the frequency stab ilizati on system.F inally,the scann ing un i2fo rm ity of the electron beam descends.T he adap tive linear elem en t(ADAL I N E)and the no isecanceling techn ique are in troduced to eli m inate the influence of the dispersi on and the sligh tjump of the spectrum on the frequency stab ility in long ti m e.T hu s the scann ing un ifo rm ity ofthe electron beam can be assu red. KEY WOR D S　L I NA C,the dispersi on and the sligh t jump,adap tive linear elem en t,no isecanceling techn ique 磁控管作为电子直线加速器的功率源,它的振荡频率稳定与否直接影响电子束能量和扫描均匀度的稳定。

在现代加速器的控制系统中,为了保证磁控管工作的稳定性,通常采用的是频率自动稳定系统(A FC)。

A FC系统的工作过程如下:(1)系统使微波通过谐振腔,并利用平方律检波器进行检波。

根据能量频率关系[-1],检波后得到的电压信号相应于频率偏差的幅度。

(2)信号处理系统采用数字随动控制理论,根据输入信号的变化自动调节输出信号的增益,实现自适应增益控制。

(3)输出信号经过放大,驱动步进电机调谐磁控管,使之稳定在工作频率附近。

A FC系统可以达到较高的精度,但它存在着自身难以克服的缺陷,即只能处理磁控管频率慢漂移的情况。

在实际的使用中,磁控管工作频率的突变是无法完全避免的。

当突变发生时, A FC系统轻则产生剧烈振荡,重则完全失效。

因此,本文尝试在A FC系统的基础上引入自适应线性神经元方法和噪声对消技术,消除磁控管频率突变对A FC系统的影响,保证加速器工作的长期稳定性。

1　能量—频率检测[1]和自适应增益控制 为简化硬件设备,用程序实现功能,我们采用单个通过式谐振腔、平方律检波器和积分保Ξ国家级产学研项目。

1997年2月15日收到原稿,1997年5月19日收到修改稿。

席德勋,男,1939年4月出生,教授。

持器作为鉴频器,根据能量—频率关系和鉴频灵敏度要求选择最佳的谐振腔品质因数和鉴频工作点,设计了以单片机8098为主的最小系统作为快速无波纹数字控制器,并用高效率VM O S 步进电机伺服调谐磁控管和谐振腔。

图1是ADAL I N E 稳频系统框图,采用上述鉴频器,根据PA R SEVAL 定理(在18负载条件下)[1]∫∞-∞f 2(t )d t =∫∞-∞ P (Ξ) d Ξ(1)得到鉴频器输出信号时域和频域的对应关系[1]∫∞-∞f 2(t )d t =∫∞-∞#2(2-e jx Σ-e -jx Σ)4x 2Σ2[#24+(x +∃)2]d x (2)式中,P (Ξ),Σ,x ,#,∃分别表示谐振腔输出功率谱(正比于谐振腔功率谱与腔输入功率谱之积)、调制器调制脉冲宽度、Ξ和磁控管振荡频率Ξ0之差、谐振腔功率谱半高全宽及Ξ0与谐振腔谐振频率Ξc 之差。

式(2)的积分正比于谐振腔的输出能量,由它可以找到保证在谐振腔输出能量与频率的关系中不仅只有一个极大值而且在该极大值两侧的斜率特性也分别只有一个极大值的条件,即#Σ Π>13 50,由此并兼顾谐振腔输出功率[2],可以选择品质因数Q =Ξc Σ≈Ξ0 Σ。

F ig .1　D iagram of frequency stab ilizati on system w ith a cavity图1　单腔稳频系统框图 鉴频器组成见图2。

调制器可以根据需要,输出不同功率,因而输入谐振腔的功率也不同。

在这种情况下,本稳频系统设计成具有自动寻找积分保持器输出最大值的功能,同时启动一个自适应增益控制使系统的输入归一化,将1 2的归一化幅度作为参考点,以保持鉴频器的灵敏度基本上不随调制器功率的不同选择而改变。

F ig .2　D iagram of discri m inato r 图2　鉴频器框图F ig .3　System w ith D (z )and D ’(z )图3　含D (z )和D ’(z )的系统 单片机8098作为数字控制器,设计为快速无波纹控制,整个稳频系统是反馈采样系统(见图3[3]),图中G (s )是系统积分器、数模转换器、压控振荡器和步进电机伺服的传递函数[2]G (s )=K 0(1-e -sT )s 3(s +R L L M )(s 2+2ΝΞn s +Ξ2n )(3)式中,K 0,R L ,L M ,T ,Ν,Ξn 分别为整个系统的增益、步进电机绕组线圈串联电阻、绕组电感、程243强激光与粒子束第9卷序工作周期、伺服系统的阻尼系数和它的自然频率。

系统的快速无波纹脉冲传递函数表示为T K (z )=∑2m =1Υmz -m (A z -1+B z -2+C z -3+D z -4+E z -5)(4)式中m 的值取决于系统输入Z 变换的项数,磁控管的频率变化主要是由温漂引起的缓慢变化,可以认为是斜升函数,因而m =2[3]。

系数A 、B 、C 、D 和E 是步进电机绕组线圈电感、线圈串联电阻、伺服系统的阻尼、自然频率和采样周期的函数,Υm 是系数。

数字控制器的脉冲传递函数D (z )可以从式(4)导出,脉冲传递函数T K (z )由图3中各函数的Z 变换求出T K (z )=D (z )G (z )1+D (z )G (z )(5)于是D (z )=1G (z ) T K (z )1-T K (z )(6)2　AFC 系统的局限性与ADAL INE 方法的引入 在采用了诸如自适应确定稳频参考点、无波纹数字控制器等措施后,A FC 系统通常可以达到较高的精度[1],但它也存在着很大的局限性。

如前所述,A FC 的信号处理系统,即自适应增益控制是按照系统输入为斜升函数的情况设计的。

也就是说,系统只能对慢信号有较好的响应,而对频率突变的情况则无法处理。

在工作状态下,磁控管出现的频率突变大致可分为散谱和跳谱两种情况。

所谓散谱,就是指磁控管的输出功率谱谱形变宽,幅度减小,根据经验,散谱的持续时间一般不大于2秒。

理想的频率稳定系统应能够识别这种状态,在散谱期间不产生误动作。

而通常的A FC 系统则将散谱造成的信号幅度减小作为频率漂移处理,从而驱动步进电机快速动作,使系统产生剧烈振荡。

磁控管的跳谱指的是磁控管工作点发生变化,造成频谱平移。

对于轻微的跳谱,通常的A FC 系统可以处理;但跳谱严重时,系统的输入信号将完全丢失,系统陷于瘫痪。

所以,必须引入判断机制,使系统能够识别散谱和跳谱的情况,并进行自动处理。

很显然,一般简单的、机械的判断方法是无法适应这种复杂情况的。

因此,尝试引入自适应线性神经元方法(ADAL I N E )和噪声对消技术来完成这一工作[4,5,6]。

神经元及神经网络方法是人工智能研究中的一个重要分支。

与其他人工智能方法相比,具有很强的稳定性、容错性,能够自我学习,自适应能力强。

在模式识别、自动控制领域中有着广阔的应用前景。

自适应线性神经元是神经元模型的一种,主要应用于模式识别,特点是工作于线性状态,并且采用LM S (误差平方和最小化)算法,结构简单而稳定性好,收敛速度快。

图4是自适应线性神经元的框图,输入信号向量X k =[X 0k ,X 1k ,…,Xnk ]T 的各分量由一组系数加权,权向量可表示为W =[W 0k ,W 1k ,…,W nk ]T (7)模拟和期望输出分别是y k =X Tk W =W T X k 与q k =sgn (y k )(8)期望响应是一种特殊的信号,它用来训练神经元。

在训练过程中,输入模型和对应的期望响应反馈到神经元。

自适应算法用于权的学习训练,一般采用LM S 算法()343第3期席德勋等:电子直线加速器磁控管频率稳定的自适应线性神经元方法训练集上使误差的平方和达到最小(误差定义为期望响应与模拟输入之差)。

LM S 算法可用于单个神经元的权值自适应学习,其规则为∃W k =W k +1-W k =Α X k 2Εk X k (9)式中W k 是权向量当前值,X k ,Εk 为当前输入模式向量和当前误差,权重收敛因子Α用来控制权重的收敛速度。

当前误差Εk =d k -X T k W k ,于是∃Εk =∃(d k -X T k W k )=-X T k ∃W k (10)式中,d k 表示期望输出。

由式(9),(10)得到∃Εk =-X T k Α X k 2Εk X k =-ΑΕk (11)上式表示当输入不变时,误差可通过调整权值缩小到原来的Α倍。