摘要
本发明公开了一种基于神经网络的激光器故障诊断方法，包括以下步骤：S10，在不同退化类型的激光器中设置特征系数及基础系数并计算得到驱动电流；S20，使用归一化驱动电流代替驱动电流并将时间长度压缩至设定值，整理得到数个同时包括光功率、归一化驱动电流、温度、电流阈值及波长的数据组，将数据组分为神经网络训练集及测试集；S30，引入SE模块构建SE‑LSTM算法，用Adam优化器对参数优化；S40，将S20中神经网络训练集输入到S30中神经网络模型中进行训练，用多分类交叉熵为训练的损失函数，输出退化类型；S50，通过设定的评价指标并用S20中测试集对训练好的模型评价；还公开了对应系统；显著提升了模型对重要特征的关注度，实现对激光器有效且可靠的监控。
