基于simplex算法的二维光纤对准光功率最优位置求解咨询

前置说明 #

你提到的simplex光对准寻优是指Nelder-Mead可变单纯形算法，和scipy.optimize.linprog内置的线性规划单纯形不是同一实现，二维寻优直接使用scipy.optimize.minimize的Nelder-Mead方法即可，无需手动实现算法逻辑。

实现逻辑 #

分两步完成寻优，适配大范围搜索场景：

1. 粗搜阶段：按预设步长网格化遍历搜索范围，检测到光功率高于阈值立即停止粗搜，进入精搜阶段
2. 精搜阶段：调用Nelder-Mead单纯形算法在有效点附近寻优，自动收敛到最大功率点

完整代码 #

import time
import numpy as np
from scipy.optimize import minimize
from labFunctions import PowerMeter, MotorAxis

# 初始化硬件
pm = PowerMeter('pm_address')
yaxis = MotorAxis('y_address')
zaxis = MotorAxis('z_address')

# -------------------------- 可调参数 --------------------------
limits = [ystart, zstart, yend, zend]  # 搜索范围：[y最小值, z最小值, y最大值, z最大值]
coarse_step = 0.1  # 粗搜步长，建议设为光斑直径的70%~80%，单位和电机位置单位一致
power_threshold = 1e-6  # 粗搜功率阈值，建议设为噪声功率的3~5倍，单位和功率计输出一致
motor_wait = 0.1  # 电机到位后等待时间，单位秒，根据电机实际速度调整
conv_tol = 1e-8  # 精搜收敛阈值，功率变化小于该值时停止寻优
# -------------------------------------------------------------

# 目标函数：输入[y,z]位置，返回负光功率（因为minimize找最小值，负功率最小对应原功率最大）
def objective(pos):
    y, z = pos
    # 边界限制，避免电机超出行程
    y = np.clip(y, limits[0], limits[2])
    z = np.clip(z, limits[1], limits[3])
    # 控制电机移动
    yaxis.move_to(y)
    zaxis.move_to(z)
    time.sleep(motor_wait)
    # 读取功率
    power = pm.meas_power()
    return -power

# 粗搜：网格化遍历找第一个高于阈值的点
coarse_points_y = np.arange(limits[0], limits[2], coarse_step)
coarse_points_z = np.arange(limits[1], limits[3], coarse_step)
init_pos = None

for y in coarse_points_y:
    for z in coarse_points_z:
        yaxis.move_to(y)
        zaxis.move_to(z)
        time.sleep(motor_wait)
        current_power = pm.meas_power()
        if current_power > power_threshold:
            init_pos = [y, z]
            print(f"粗搜找到有效点：Y={y}, Z={z}, 功率={current_power}")
            break
    if init_pos is not None:
        break

if init_pos is None:
    raise RuntimeError("粗搜未找到高于阈值的光信号，请调整搜索范围或阈值")

# 精搜：调用Nelder-Mead单纯形算法寻优
result = minimize(
    objective,
    x0=init_pos,
    method='Nelder-Mead',
    tol=conv_tol,
    bounds=[(limits[0], limits[2]), (limits[1], limits[3])]
)

# 输出最优结果
best_y, best_z = result.x
best_power = -result.fun
print(f"寻优完成：最优位置Y={best_y:.4f}, Z={best_z:.4f}, 最大功率={best_power:.8f}")
# 最后移动到最优位置
yaxis.move_to(best_y)
zaxis.move_to(best_z)

参数调整建议 #

• 如果粗搜速度太慢，可以适当调大coarse_step，但不能超过光斑直径，否则可能漏过光斑
• 如果精搜出现抖动不收敛的情况，可以适当调大conv_tol或者motor_wait，保证功率读数稳定
• 功率阈值需要根据实际噪声水平调整，避免把噪声误判为有效信号

内容的提问来源于stack exchange，提问作者Enzo