COB光模塊耦合對準及算法研究

馬銘涵，涂凱揚，段 煉，劉志賢

（中南大學 高性能復雜制造國家重點實驗室 機電工程學院，長沙 410000）

0 引言

作為光電轉(zhuǎn)換的連接器件，光模塊一定程度上影響著光通信產(chǎn)業(yè)的飛速發(fā)展[1]。如今，光模塊的封裝種類朝著功耗更低、體積更小、速度更快的方向發(fā)展，板上芯片封裝（Chip On Board,COB）技術很好的滿足了這一要求[2]。COB是將光電裸芯片粘貼在PCB板上，利用較小的引線將芯片和PCB連接，因此在很大程度上提升了封裝密度[3]。COB光模塊的耦合對準是封裝過程的重要步驟，同時也是技術難點,耦合質(zhì)量的好壞直接影響到COB光模塊的良品率[4]。耦合對準的目的是為了找到最佳耦合位置，從數(shù)學角度講就是函數(shù)優(yōu)化問題，解決函數(shù)優(yōu)化問題一般采用數(shù)值解法和智能優(yōu)化算法。數(shù)值解法中，爬山法在激光器和光纖的對準問題已經(jīng)有了很多應用成果[5]，但是其只能進行一維對準。2006年淳靜等在解決光纖的自動對準問題時應用了模式搜索法[6～8]，可以在X-Y平面兩個自由度搜索，該算法經(jīng)過實驗證明可靠性高，不易陷入局部最優(yōu)，但是僅克服X-Y兩自由度的耦合誤差，未沿其他自由度進行搜索。相比于數(shù)值算法，智能優(yōu)化算法在求解過程中，一般不需要優(yōu)化問題明確的數(shù)學表達式，因此該種算法常用于求解復雜優(yōu)化問題。2012年Marc Landry等人提出粒子群智能優(yōu)化算法[9]，并將其應用在兩根光纖間的耦合對準，該種算法簡單，能夠在多個自由度同時搜索，實驗證明該算法可靠性高，并且不容易陷入局部最優(yōu)。

粒子群智能優(yōu)化算法在搜索速度上還有一定的提升空間，而自適應權重粒子群算法在很多研究中已經(jīng)證明了可以通過調(diào)節(jié)權重提升搜索速度和可靠性[10]。但是其在光通信器件的耦合封裝領域鮮有研究。本文分析了COB光模塊的耦合對準原理，并通過實際的耦合對準實驗討論各種偏差對耦合效率的影響?；谝陨戏治龊脱芯恳肓俗赃m應權重的粒子群算法并將其運用在COB光模塊的耦合對準過程中，并進行了仿真和實驗驗證，實驗結果表明該算法很大程度上提高了耦合對準效率和成功率，為COB光模塊的精密封裝提供了理論技術支持。

1 耦合對準

1.1 耦合對準原理

COB光模塊耦合對準的原理是在光發(fā)射端將電信號轉(zhuǎn)換為光信號，驅(qū)動垂直腔面發(fā)射激光器(VCSEL)發(fā)出光信號，并傳輸?shù)焦饫w之中；在光接收端本征光電探測器（PIN）將光信號轉(zhuǎn)換為電信號，實現(xiàn)電-光-電的轉(zhuǎn)換。在此過程中，VCSEL和PIN都需要確定最佳的位置與光纖耦合，這樣才能夠使光信號高效傳輸[11]。VCSEL和PIN的裸芯片都是通過鍵合和貼片等工藝貼裝在PCB上，VCSEL的激光發(fā)射方向和PIN的接收光信號方向都垂直于其芯片，而光纖平行于PCB板，所以和VCSEL/PIN的芯片呈90°。因此如何將光纖和芯片高效耦合是COB光模塊封裝的關鍵，本研究中采用光彎折法。如圖1所示，以光發(fā)射端為例，利用反射鏡使光路彎折，VCSEL發(fā)出的光經(jīng)過45°的反射鏡旋轉(zhuǎn)90°，經(jīng)過透鏡射入光纖完成耦合。

圖1 光彎折法示意圖

由于COB光模塊四個通路間距相等，芯片和光纖互相對應，四個光路之間干擾很小，所以選用其中一路進行分析。對于光發(fā)射端和接收端，其光路如圖2和圖3所示。

圖2 光發(fā)射端光路示意圖

圖3 光接收端光路示意圖

1.2 合對準實驗

在前文對COB光模塊的耦合對準原理分析的基礎上，本節(jié)將進行耦合對準實驗，分析不同方向偏移對和耦合效率的實際影響。

在耦合對準實驗中，如圖4所示，耦合時VCSEL/PIN芯片固定，反射鏡、聚焦透鏡、準直透鏡組成Lens適配器，光纖插入Lens適配器中與之形成整體。在耦合過程中，芯片固定，因此只需考慮光纖在空間中的位置變化。實驗中通過夾具控制光纖角度偏差，因此不需要考慮θx、θy、θz的偏差。X和Y方向的偏移由Lens適配器的橫向位移確定，Z方向的偏移由Lens適配器的縱向位移確定。實驗選取3組COB光模塊對光發(fā)射端和接收端進行耦合對準，每組實驗通過手動對準至耦合效率最高處，并將該點設置為偏移量為0的點，之后再進行不同方向偏移。為更好地呈現(xiàn)偏移對耦合效率的影響，對耦合效率采用歸一化方法[12]，即分母為手動耦合的最大耦合值，分子為各個點的實際耦合值。

圖4 實驗耦合對準示意圖

光發(fā)射端和光接收端耦合對準實驗數(shù)據(jù)分別如圖5、圖6所示。在光發(fā)射端，X/Y方向的偏移量達到±5um時，耦合效率降低到80%；偏移量達到±30um時，耦合效率接近于0；耦合效率的下降速度也較快。Z方向的偏移量達到±10um時，耦合效率為90%；當偏移量達到-80um或+100um時，耦合效率接近于0；耦合效率的下降速度較快。

圖5 光發(fā)射端耦合對準實驗數(shù)據(jù)

圖6 光接收端耦合對準實驗數(shù)據(jù)

在光接收端，X/Y方向的偏移對耦合效率的影響與光發(fā)射端相比較小。在±5um的范圍內(nèi)，耦合效率無明顯變化；當偏移量達到±15um時，耦合效率降至80%；當偏移量達到±50um時，耦合效率接近于0；耦合效率的下降速度相對于光發(fā)射端較緩慢。Z方向的偏移對耦合效率的影響與光發(fā)射端相比較小。在偏移量-30um至+45um范圍內(nèi)，耦合效率無明顯變化。光接收端出現(xiàn)耦合效率無明顯變化現(xiàn)象的主要原因是，與光發(fā)射端VCSEL芯片相比，光接收端PIN芯片有著更大的接收光敏面，沿X/Y/Z方向移動一定的距離，PIN芯片都能接收到光，因此在光接收端的耦合效率曲線上會出現(xiàn)平坦區(qū)域。當偏移量達到-60um或+70um時，耦合效率為90%；當偏移量達到-120um或+210um時，耦合效率接近于0；耦合效率的下降速度相對于光發(fā)射端較緩慢。

2 合對準算法研究

2.1 算法原理

粒子群算法（PSO）由Eberhart和Kennedy提出[13]，是粒子群根據(jù)位置和適應度按照某種迭代規(guī)則進行尋優(yōu)的一種算法。在求解n維最優(yōu)化問題中，假設粒子群中有m個粒子，并且每個粒子都有n維位置向量和速度向量。n維位置向量表示為其代表最優(yōu)化問題中的一個潛在解。n維速度向量表示為其代表粒子在迭代過程中前進的方向和距離。將位置向量xi代入最優(yōu)化問題的數(shù)學模型可以得到粒子在當前位置的適應度值，記錄粒子在迭代過程中每個粒子搜索到的最優(yōu)位置記錄粒子在迭代過程中整個粒子群搜索到的最優(yōu)位置

使用式(1)和式(2)對粒子的位置和速度迭代尋優(yōu)[14]：

本章中提出的是自適應權重粒子群優(yōu)化算法，其是在粒子群算法的基礎上引入非線性動態(tài)慣性權重系數(shù)ω，其表達式如式(3)所示：

其中ωmin、ωmax為慣性權重最小值和最大值，fmax、favg為粒子最大適應度和平均適應度，ω值隨著粒子適應度值變化而變化，因此稱為自適應權重[10]。

在使用自適應權重粒子群算法時，應先將粒子的速度和位置初始化，然后計算適應度f的值來得到粒子的位置，直至找到最佳值[15]。流程圖如圖7所示。

圖7 自適應權重粒子群算法應用流程圖

2.2 仿真結果

為使仿真過程簡單，假定相位完全匹配，本文只考慮對準誤差對耦合效率的影響，因此耦合效率表達式為[16]：

w0為z=0時光纖的模場半徑，wf0為芯片的感光半徑徑，當芯片和光纖的距離是z時，模場半徑表達式為：

dx、dy為橫向偏移，z為縱向偏移，θx、θy為角度偏移，λ為傳輸光中心波長。

本文選取爬山法與其對比，對兩算法設置相同的初始條件：

1）誤差范圍：dx、dy為40um，z為80um，θx、θy為5°；

2）模場參數(shù)：λ=850nm，w0=5um，wf0=25um；

3）運動平臺精度：線性運動0.1um，角度旋轉(zhuǎn)0.001°。

爬山法仿真參數(shù)如表1所示。

表1 爬山法仿真參數(shù)

自適應權重粒子群算法仿真參數(shù)如表3所示。

表3 自適應權重粒子群算法仿真參數(shù)

基于以上仿真參數(shù)，分別用爬山法和自適應權重粒子群算法進行耦合相率仿真，仿真結果如圖8所示。

圖8 算法對比

通過分析上圖仿真結果，在同種條件下，自適應權重粒子群算法迭代次數(shù)僅為25次，而爬山法迭代次數(shù)多達80次，相比之下，自適應權重粒子群算法的耦合效率明顯優(yōu)于爬山法。

2.3 實驗結果

為比較在實際應用中爬山法和自適應權重粒子群算法的耦合效果，本節(jié)針對兩種算法進行實驗。耦合系統(tǒng)已固定角度方向偏移，因此本實驗只需考慮橫向偏移X、Y以及縱向偏移Z。采用20組COB光模塊組件在耦合對準系統(tǒng)下進行實驗，其過程為：

1）將每組光模塊手動耦合至功率最大值處。

2）經(jīng)過運動平臺步進，將Lens適配器分別沿X、Y、Z方向隨機移動一定距離（40um范圍內(nèi)）。

3）分別用爬山法和自適應權重粒子群算法在相同位置開始耦合，記錄光發(fā)射端和接收端的耦合時間以及成功/失敗的次數(shù)。

實驗結果如表4所示。

表4 兩種算法的實驗結果對比

分析上述實驗結果可以看出，自適應權重粒子群算法的耦合成功率較高，可達92.5%，相比于爬山法的耦合成功率(70%)提高了32%。并且在搜索效率上自適應權重粒子群算法也較快，僅需6～10秒，相比于爬山法的耦合時間(18-27秒)加快了44%以上。

2.4 結果分析

爬山法屬于數(shù)值解法，原理簡單，在激光器和光纖的對準問題上已經(jīng)有了很多應用，但是在耦合對準過程中一次只能進行單維度搜索，搜索速度較慢，成功率不高，不能克服每個自由度之間的耦合誤差，容易陷入局部最優(yōu)的誤區(qū)。

通過2.2節(jié)仿真曲線分析，自適應權重粒子群算法在前期耦合速度很快，迭代6次就達到了耦合效率80%的位置，雖然后期耦合速度相對偏慢，但是迭代25次后耦合效率就達到100%，耦合速度明顯優(yōu)于爬山法。自適應權重粒子群算法在迭代過程中更傾向于全局搜索，避免粒子群向最優(yōu)的位置集中，使粒子群較為離散的分布在整個區(qū)域，能很好避免局部優(yōu)值，在解決復雜的優(yōu)化問題中表現(xiàn)出了良好的性能。

3 結語

COB光模塊的耦合對準是封裝工藝的關鍵步驟，也是技術難點，耦合質(zhì)量直接影響到光模塊的良品率。本文分析了耦合對準原理，并經(jīng)過實驗理論分析了對準誤差對耦合效率的影響；在此研究和分析的基礎上，提出了自適應權重粒子群算法，并與爬山法進行仿真和實驗對比，得出結論：自適應權重粒子群算法使得COB光模塊的耦合速度和耦合成功率大幅提升，在X、Y、Z三個自由度的耦合成功率較高（92.5%），與爬山法相比提高了32%。在搜索效率上自適應權重粒子群算法也較優(yōu)，僅需6-10秒，與爬山法相比加快了44%以上。由于自適應權重的引入，粒子群算法在平衡全局和局部搜索的優(yōu)化問題上，比爬山法更加智能和準確。