一种基于机器学习的光通信半导体激光器预测性维护框架
机器学习
2022-11-08 v1
摘要
半导体激光器作为光通信系统的关键组件之一，为满足下一代光网络在高速、低功耗、小尺寸等方面的要求而迅速发展。然而，这些需求给半导体激光器的可靠性带来了严峻挑战。因此，大量研究工作致力于提升其可靠性从而保障可靠传输。本文提出一种利用机器学习技术的预测性维护框架，用于半导体激光器的实时健康监控与预后，进而增强其可靠性。所提方法由三个阶段组成：i) 实时性能退化预测，ii) 退化检测，iii) 剩余使用寿命（RUL）预测。首先，采用基于注意力的门控循环单元（GRU）模型实时预测性能退化。然后，给定预测的退化性能值，使用卷积自编码器检测激光器的退化或异常行为。一旦检测到异常状态，利用基于注意力的深度学习 RUL 预测模型。随后，估计的 RUL 被输入用于决策与维护规划。所提框架使用来自半导体可调谐激光器加速老化实验得到的实验数据进行了验证。所提方法以 0.01 的较小均方根误差（RMSE）实现了非常好的退化性能预测能力、94.24% 的良好异常检测准确率，以及相比现有基于 ML 的激光器 RUL 预测模型更好的 RUL 估计能力。
引用
@article{arxiv.2211.02842,
title = {A Machine Learning-based Framework for Predictive Maintenance of Semiconductor Laser for Optical Communication},
author = {Khouloud Abdelli and Helmut Griesser and Stephan Pachnicke},
journal= {arXiv preprint arXiv:2211.02842},
year = {2022}
}
备注
Published in Journal of Lightwave Technology (Volume: 40, Issue: 14, 15 July 2022)