یک استراتژی کنترل ترکیبی هوشمند با ادغام پیش سرمایش جریان ثابت و شبکه عصبی انتشار معکوس تطبیقی
20.1001.1.23223723.2025.12.49.2.7 KNo-1203-4902
نویسنده: امیر شاطری
کلمات کلیدی: دیودهای لیزری (LD)، تمام لیزرهای حالت جامد، کنترل دما، یادگیری ماشین، شبکه عصبی پس انتشار (BPNN)
چکیده:
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 کنترلکننده دمای مبتنی بر یادگیری ماشین برای دیودهای لیزری توان بالا گزارش؛ تحلیل و بررسی شده است. این کنترلکننده با توسعه یک شبکه عصبی انتشار معکوس (BPNN) با یک کنترلکننده دمای استراتژی تنظیم پویای تطبیقی (ADAS) پیادهسازی شده است که یک مدار منبع جریان ثابت را در مدار کنترل دمای مشتق انتگرالی متناسب (PID) مرسوم ادغام میکند.
در مقایسه با کنترلکننده مشتق انتگرالی تناسبی مرسوم، سرعت کنترل دما از ۱۳۰۰ ثانیه به ۳۵۰ ثانیه کاهشیافته است، نوسان دمای بلندمدت از ۰.۱۴۸٪± به ۰.۰۸۲٪± کاهشیافته است و زمان پاسخ پلهای میتواند از ۹۶۰ ثانیه به ۲۱۰ ثانیه کاهش یابد.