[发明专利]光纤耦合器阵列的自适应控制方法

权利要求书

1.一种光纤耦合器阵列的自适应控制方法，包括如下步骤：

S1.搭建光纤耦合器阵列控制系统；具体包括99：1分束器、自适应光纤耦合器阵列、若干组单模光纤、若干组光电探测器、控制器、相机型光斑分析仪和高压放大器；光经过99：1分束器后，1％的光经由相机型光斑分析仪分析后将数据输入控制器；99％的光进入自适应光纤耦合器阵列后，将有部分入射光被耦合进单模光纤内，再通过单模光纤传输至光电探测器，转化为对应的电信号，并被送至控制器；控制器经迭代运算后输出用于控制自适应光纤耦合器阵列的多路驱动电压信号；驱动电压信号再经高压放大器放大后，用于驱动自适应光纤耦合器阵列的内置光纤端面在各自耦合透镜的后焦平面处搜索耦合效率最大值点，实现耦合效率的优化；

S2.采用步骤S1搭建的光纤耦合器阵列控制系统进行数据传输，获取真实数据集，并划分为训练数据集和测试数据集；

S3.搭建针对光纤耦合器阵列的自适应初步控制模型，并采用步骤S2得到的训练数据集和测试数据集，对搭建的自适应初步控制模型进行训练，从而得到针对光纤耦合器阵列的自适应控制模型；具体为采用如下步骤得到最终的模型：

A.对输入的数据进行归一化，并在归一化后的数据中加入零均值高斯噪声，从而提高模型的鲁棒性；

B.模型的内部网络结构基于深度神经网络，采用Batch Normalization层和隐藏层的结构构建网络模型，并采用如下算式拟合状态变化与当前状态和动作的非线性关系：

式中为下一刻预测状态；为当前预测状态；为当前动作引起的当前预测状态的变化；

C.给定光纤耦合器阵列的状态动作为τ＝(s₀,a₀,s₁,a₁,...,s_T,a_T)；同时采用如下算式作为训练数据集的损失函数s(θ)：

式中D为训练集；为当前动作引起的当前状态的变化；

采用如下算式作为测试数据集的损失函数

式中D_val为测试集；H为动力学函数向前传播的步数；h为动力学函数向前传播的步数；s_t+h为向前传播h步的实际状态；为向前传播h步的预测状态；为向前传播h-1步时，所做动作引起的预测状态的变化；

同时利用随机梯度下降法求得最优参数；

D.在有限的长度上，采用如下算式，利用步骤C生成的模型预测未来动作

式中t'为所处时刻与向前传播H-1步的时间合集；为奖励函数；为当前动作引起的当前预测状态的变化；为t'时刻的预测状态；

随机生成K个候选动作序列，使用学习到的模型预测相应的状态序列，计算所有序列的奖励，并选择最高预期累积奖励；策略仅执行第一个操作a_t，接收更新的状态信息s_t+1，并在下一时间步长重新计算最佳操作序列；保存该动作序列作为数据集D^*；

E.采用步骤D得到的数据集重新训练深度神经网络同时将参数化为条件高斯策略并采用如下算式训练策略参数：式中为深度神经网络；为神经网络参数化后s_t状态下输出，t为所处时刻；为欧氏距离的平方；

使用随机梯度下降法进行优化，接着，将作为无模型强化学习初始策略，并使用TRPO算法得到最终模型；

S4.采用步骤S3得到的自适应控制模型，对光纤耦合器阵列进行自适应控制。

2.根据权利要求1所述的光纤耦合器阵列的自适应控制方法，其特征在于步骤S2所述的采用步骤S1搭建的光纤耦合器阵列控制系统进行数据传输，获取真实数据集，并划分为训练数据集和测试数据集，具体为采用1550nm的激光源进行数据传输，利用SPGD算法迭代运算后得到控制光纤耦合阵列的多路驱动电压，使得耦合效率达到最大值点；同时获取如下数据变量：激光束宽、接收端功率、耦合效率和驱动电压；其中激光束宽、接收端功率和耦合效率组成标签s_t，驱动电压组成标签a_t。

3.根据权利要求2所述的光纤耦合器阵列的自适应控制方法，其特征在于步骤S2所述的划分为训练数据集和测试数据集，具体为将获取的真实数据集中的60％的数据划分为训练数据集，剩余的40％的数据划分为测试数据集。