یک استراتژی کنترل ترکیبی هوشمند با ادغام پیش سرمایش جریان ثابت و شبکه عصبی انتشار معکوس تطبیقی – مشتق انتگرالی تناسبی برای مدیریت حرارتی دیودهای لیزری پرتوان

برای یک دیود لیزری (LD) با توان خروجی بالا، کنترل دقیق و سریع دمای آن به دلیل توان حرارتی زیاد، دشوار است. در این تحقیق و مقاله، یک کنترل کننده دمای مبتنی بر یادگیری ماشین برای دیودهای لیزری توان بالا گزارش؛ تحلیل و بررسی شده است. این کنترل کننده با توسعه یک شبکه عصبی انتشار معکوس (BPNN) با یک کنترل کننده دمای استراتژی تنظیم پویای تطبیقی (ADAS) پیاده سازی شده است که یک مدار منبع جریان ثابت را در مدار کنترل دمای مشتق انتگرالی متناسب (PID) مرسوم ادغام می کند.در مقایسه با کنترل کننده مشتق انتگرالی تناسبی مرسوم، سرعت کنترل دما از ۱۳۰۰ ثانیه به ۳۵۰ ثانیه کاهش یافته است، نوسان دمای بلندمدت از ۰.۱۴۸٪± به ۰.۰۸۲٪± کاهش یافته است و زمان پاسخ پله ای می تواند از ۹۶۰ ثانیه به ۲۱۰ ثانیه کاهش یابد.

کلیدواژه ها:

دیودهای لیزری (LD) ، تمام لیزرهای حالت جامد ، کنترل دما ، یادگیری ماشین ، شبکه عصبی پس انتشار (BPNN)