用于光纤阵列激光发射系统自适应功率传输的自学习 AI 控制器

在本研究中，我们考虑存在大气湍流时光纤阵列激光发射系统的自适应功率传输。为优化通过大气的功率传输，光纤阵列传统上由随机并行梯度下降（SPGD）算法控制，其中控制反馈由附着在合作目标上的光电功率转换传感器通过射频链路提供。SPGD 算法持续且随机地扰动施加于光纤阵列移相器和光纤尖端定位器的电压，以最大化传感器信号，即使用所谓的“盲”优化原理。与此方法相反，用于合成最优控制的有前景的人工智能（AI）控制系统可利用可供分析的各种光瞳面或目标面数据，包括波前传感器数据、光伏阵列（PVA）数据、其他光学或大气参数，并有可能消除基于 SPGD 控制器的已知缺陷。在本研究中，最优控制由深度神经网络（DNN）利用目标面 PVA 传感器数据作为输入进行合成。DNN 训练与控制系统的运行同步在线进行，并通过对其输出施加微小扰动来实现。该方法不需要 DNN 的初始预训练，且保证系统性能随时间的优化。所有理论结果均通过数值实验验证。