激光器封装系统及其智能散热方法与流程

文档序号:36902749发布日期:2024-02-02 21:33阅读:来源:国知局

技术特征:

1.激光器封装系统,其特征在于,包括:

2.根据权利要求1所述的激光器封装系统,其特征在于,多个所述激光器包括多个第一激光器和多个第二激光器,每相邻两个所述第一激光器之间具有至少两个所述第二激光器;

3.根据权利要求1所述的激光器封装系统,其特征在于,还包括:

4.根据权利要求3所述的激光器封装系统,其特征在于,所述温度传感器具有多个,多个所述温度传感器均分布在所述激光器阵列模块的中心到边缘的15%至80%的距离范围内;且沿所述激光器阵列模块的中心到边缘的方向上,所述温度传感器的数量逐渐递减。

5.根据权利要求1所述的激光器封装系统,其特征在于,还包括:

6.根据权利要求1所述的激光器封装系统,其特征在于,所述第一参数还包括电阻、谐振频率、发射波长或阈值电流;所述第二参数还包括所述热沉的面积;所述历史运行状态数据包括激光器的电阻、谐振频率、发射波长、阈值电流或运行时间;

7.智能散热方法,应用于如权利要求1-6任一项所述的激光器封装系统,其特征在于,包括:

8.根据权利要求7所述智能散热方法,其特征在于,还包括:

9.根据权利要求7所述智能散热方法,其特征在于,所述“基于所述预测温度控制所述tec半导体制冷器调整所述激光器的当前温度”包括:

10.根据权利要求9所述智能散热方法,其特征在于,所述“基于最终预测温升控制所述tec半导体制冷器调节所述激光器的当前温度”包括:


技术总结
本申请提供了激光器封装系统及其智能散热方法,系统包括:激光器阵列模块,具有多个间隔设置的激光器,激光器上具有热沉,热沉配置有TEC半导体制冷器;训练模块,用于基于一定时间内激光器的实测温度以及历史运行状态数据对深度学习模型进行训练和验证,以输出训练后的深度学习模型;预测模块,用于将检测的激光器的第一参数和第二参数输入至训练后的深度学习模型以生成预测温度,第一参数包括功率,第二参数包括运行时间;调温模块,用于基于预测温度控制TEC半导体制冷器调节激光器温度。本申请通过各个模块的配合对激光器温度进行预测从而驱动制冷器对激光器进行散热,整个系统结构相对简单,无需设置过多的传感器,大大降低了封装难度和成本。

技术研发人员:安屹,陈琦,秦太梦,陈维
受保护的技术使用者:东莞市湃泊科技有限公司
技术研发日:
技术公布日:2024/2/1
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1