激光束半径W(z)与传输距离z拟合结果异常求助

我在1-200cm范围内选取14个点位测量了激光束半径，尝试用curve_fit()求解束腰半径Wo和束腰位置Zo的最优值，但拟合结果异常：得到Wo=0.75mm，Zo=0.1cm，可实测数据显示z=160cm处半径仅0.595mm（小于0.75mm），显然束腰应该在z=160cm附近。不确定是否该用curve_fit，也不了解fitpredict用法，试过监督学习没进展，求思路和反馈。

附上原代码 #

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt


def BeamRadius(z, Wo, Zo):
    return Wo * np.sqrt(1 + (((4.03225 * 10**-13) / (np.pi**2)) * ((z-Zo) / Wo)**2))


def difdiv(l, Wo):
    return 2*(l/(np.pi*Wo))


def main():
    # z : distance from laser, zo: where the waist/ laser focus is
    z1 = 10*10
    z2= 20*10  # *10 to get mm
    z3= 30*10
    z4= 50*10
    z5= 70*10
    z6= 100*10
    z7 = 110*10
    z8= 140*10
    z9= 150*10
    z10= 155*10
    z11= 160*10
    z12= 165*10
    z13= 170*10
    z14= 180*10
    # Beam Radius in mm at z cm from the laser
    wz1 = 1.02
    wz2= 1.0035  # mm
    wz3= 0.9695
    wz4= 0.9385
    wz5= 0.885
    wz6= 0.7465
    wz7 = 0.715
    wz8= 0.625
    wz9= 0.613775
    wz10= 0.60936
    wz11= 0.595
    wz12= 0.605
    wz13= 0.61815
    wz14= 0.6465
    z_array = np.array([z1, z2, z3, z4, z5, z6, z7, z8, z9, z10, z11, z12, z13, z14])
    wz_array = np.array([wz1, wz2, wz3, wz4, wz5, wz6, wz7, wz8, wz9,wz10,wz11,wz12,wz13,wz14])
    print(z_array, "and ", wz_array)
    p_opt, p_cov = curve_fit(BeamRadius, z_array, wz_array)
    BeamFit = BeamRadius(z_array, p_opt[0], p_opt[1])

问题根源排查 #

• 公式错误：原BeamRadius函数的高斯光束半径公式完全错误。标准高斯光束半径公式为：
  $w(z) = w_0 \sqrt{1 + \left( \frac{\lambda (z - z_0)}{\pi w_0^2} \right)^2}$
  你代码中的系数4.03225e-13单位转换混乱，导致函数形状与实测数据完全不匹配，这是拟合结果离谱的核心原因。
• 初始值缺失：curve_fit默认初始值为[1,1]，但你的数据束腰在1600mm（160cm）附近、Wo接近0.6mm，无合理初始值的话，优化器极易陷入局部最优解。
• 单位不一致：z已转换为毫米，但波长的单位转换错误，进一步放大了公式计算误差。

修正方案 #

1. 修正高斯光束公式
   统一单位为毫米（假设激光波长为403.225nm，转换为毫米是403.225e-6），正确实现公式：

   def BeamRadius(z, Wo, Zo):
       λ = 403.225e-6  # 激光波长，单位mm
       return Wo * np.sqrt(1 + ((λ * (z - Zo)) / (np.pi * Wo**2))**2)
   

2. 给curve_fit指定合理初始值
   根据实测数据设置初始参数，引导优化器向正确方向搜索：

   p_opt, p_cov = curve_fit(BeamRadius, z_array, wz_array, p0=[0.6, 1600])
   

3. 添加绘图验证与结果输出
   在main函数末尾添加代码，直观对比拟合效果并输出结果：

   plt.scatter(z_array, wz_array, label='实测数据')
   plt.plot(z_array, BeamFit, label='拟合曲线', color='red')
   plt.xlabel('距离z (mm)')
   plt.ylabel('光束半径w(z) (mm)')
   plt.legend()
   plt.show()
   print(f"拟合束腰半径Wo: {p_opt[0]:.4f} mm")
   print(f"拟合束腰位置Zo: {p_opt[1]/10:.2f} cm")
   

其他建议 #

• 无需使用监督学习：这是典型的参数拟合问题，curve_fit完全足够，监督学习属于过度复杂的方案。
• 验证拟合质量：可计算均方误差评估拟合效果：

  mse = np.mean((BeamFit - wz_array)**2)
  print(f"拟合均方误差MSE: {mse:.6f}")
  

• 严格统一单位：所有物理量（波长、距离、半径）的单位必须一致，避免计算错误。

内容的提问来源于stack exchange，提问作者Kelia