基于动态强度传递神经网络的自适应激光束成形技术及其在无线能量传输中的应用研究

本文创新性地提出动态强度传递神经网络（DIT-NN），解决了相控光纤激光阵列（PFLA）在激光无线能量传输（LWPT）中因大气湍流导致的光伏阵列（PVA）匹配难题。通过动态推理结构实现目标强度分布的实时锁定，实验表明其预测误差<3%，输出功率提升81.4%，为长距离高效LWPT链路提供了关键技术支撑。

　　

Highlight

相控光纤激光阵列（PFLA）系统结构如图1所示，其中FS（光纤分束器）、PMA（相位调制器阵列）、FAA（光纤放大器阵列）和FCA（光纤准直器阵列）协同工作。激光源发出的光束经FS分束后，通过PMA实现相位锁定，FAA进行功率放大，最终由FCA准直输出。

Principle

为实现目标强度分布与光伏阵列（PVA）的实时精准匹配，本研究提出预先计算最优强度分布I₀及对应相位分布Φ₀，并通过动态锁定随机变化的Φ至Φ₀。该方案优势在于可离线优化I₀以匹配PVA特性，从而提升系统鲁棒性。

Experiments

基于7单元PFLA系统的实验验证了该方法有效性（图4）。实验中采用50:50分束器将部分光束传输至高速低分辨率CCD相机（CCD1），用于检测目标强度分布I，并通过动态调整DIT-NN的四种推理结构，实现衍射极限模式与预设模式的无缝切换。

Conclusion

在湍流大气环境中实现目标强度分布与PVA特性（形状、尺寸及单元连接结构）的实时匹配，是LWPT系统的核心挑战。本研究通过DIT-NN与随机并行梯度下降（SPGD）算法的级联应用，为PFLA在无线能量传输领域的拓展提供了创新解决方案。