論文の概要: The self-learning AI controller for adaptive power beaming with
fiber-array laser transmitter system
- arxiv url: http://arxiv.org/abs/2204.05227v1
- Date: Fri, 8 Apr 2022 16:24:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 18:13:33.097646
- Title: The self-learning AI controller for adaptive power beaming with
fiber-array laser transmitter system
- Title（参考訳）: ファイバアレイレーザ送信装置を用いた適応パワービーム用自己学習AIコントローラ
- Authors: A.M. Vorontsov, G.A. Filimonov
- Abstract要約: 大気乱流下での光ファイバーアレイレーザによる適応型パワービームについて検討する。
本研究では,ターゲットプレーンPVAセンサデータを入力として,ディープニューラルネットワーク(DNN)を用いて最適制御を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study we consider adaptive power beaming with fiber-array laser
transmitter system in presence of atmospheric turbulence. For optimization of
power transition through the atmosphere fiber-array is traditionally controlled
by stochastic parallel gradient descent (SPGD) algorithm where control feedback
is provided via radio frequency link by an optical-to-electrical power
conversion sensor, attached to a cooperative target. The SPGD algorithm
continuously and randomly perturbs voltages applied to fiber-array phase
shifters and fiber tip positioners in order to maximize sensor signal, i.e.
uses, so-called, "blind" optimization principle.
In opposite to this approach a perspective artificially intelligent (AI)
control systems for synthesis of optimal control can utilize various pupil- or
target-plane data available for the analysis including wavefront sensor data,
photo-voltaic array (PVA) data, other optical or atmospheric parameters, and
potentially can eliminate well-known drawbacks of SPGD-based controllers. In
this study an optimal control is synthesized by a deep neural network (DNN)
using target-plane PVA sensor data as its input. A DNN training is occurred
online in sync with control system operation and is performed by applying of
small perturbations to DNN's outputs. This approach does not require initial
DNN's pre-training as well as guarantees optimization of system performance in
time. All theoretical results are verified by numerical experiments.
- Abstract（参考訳）: 本研究では,大気乱流下でのファイバアレイレーザ送信システムによる適応パワービームについて検討する。
大気ファイバーアレイを通した電力遷移の最適化は、従来、協調ターゲットに取り付けられた光-電気変換センサにより無線リンクを介して制御フィードバックを提供する確率的並列勾配降下(spgd)アルゴリズムによって制御されている。
spgdアルゴリズムは、ファイバーアレイ位相シフト器やファイバ先端位置決め器に適用される電圧を連続的かつランダムに摂動させ、センサ信号の最大化を図る。
このアプローチとは対照的に、最適制御を合成するパースペクティブ・インテリジェンス(AI)制御システムは、波面センサデータ、光電圧アレイ(PVA)データ、その他の光学的または大気的パラメータを含む分析に利用可能な様々な瞳孔または対象平面データを利用することができ、SPGDベースのコントローラのよく知られた欠点を取り除くことができる。
本研究では,ターゲットプレーンPVAセンサデータを入力として,ディープニューラルネットワーク(DNN)を用いて最適制御を行う。
DNNのトレーニングは、制御システム操作と同期してオンラインで行われ、DNNの出力に小さな摂動を適用して実行される。
このアプローチでは、初期のDNNの事前トレーニングや、システムのパフォーマンスの最適化を保証する必要はない。
すべての理論結果は数値実験によって検証される。
関連論文リスト
- Sparse Low-Ranked Self-Attention Transformer for Remaining Useful Lifetime Prediction of Optical Fiber Amplifiers [0.0]
本稿では,新しい寿命予測手法としてSparse Low-ranked Self-Attention Transformer (SLAT)を提案する。
SLATはエンコーダ-デコーダアーキテクチャに基づいており、2つの並列動作エンコーダがセンサーと時間ステップの機能を抽出する。
注意行列と低ランクパラメトリゼーションにおけるスパーシティの実装は、過度な適合を減らし、一般化を増大させる。
論文 参考訳（メタデータ） (2024-09-22T09:48:45Z) - Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。
これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。
本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文 参考訳（メタデータ） (2024-04-17T02:04:10Z) - Power-Efficient Indoor Localization Using Adaptive Channel-aware
Ultra-wideband DL-TDOA [7.306334571814026]
本稿では,低消費電力チャネル対応動的周波数DL-TDOAレンジリングアルゴリズムの提案と実装を行う。
畳み込みニューラルネットワーク(CNN)、ダイナミックレンジング周波数制御モジュール、IMUセンサベースのレンジングフィルタに基づくNLOS確率予測器を備える。
論文 参考訳（メタデータ） (2024-02-16T09:04:04Z) - A novel ANROA based control approach for grid-tied multi-functional
solar energy conversion system [0.0]
三相格子型太陽太陽光発電システムに対する適応制御手法を提案し,検討した。
適応型ニューロファジィ推論システム(ANFIS)と降雨最適化アルゴリズム(ROA)を組み合わせた。
電圧変動、高調波、フリックなどの電力品質問題や、バランスの取れない負荷や反応電力の使用などを避けることが大きな目標である。
論文 参考訳（メタデータ） (2024-01-26T09:12:39Z) - Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning
Approach [66.53364438507208]
アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。
非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。
ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。
増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-11T13:16:28Z) - Reinforcement Learning-based Wavefront Sensorless Adaptive Optics
Approaches for Satellite-to-Ground Laser Communication [1.8531813733282103]
光衛星間通信(OSGC)は、遠隔地における高速で安価なインターネットへのアクセスを改善する可能性がある。
従来のアダプティブ光学(AO)システムは、ファイバカップリングを改善するためにウェーブフロントセンサーを使用する。
本稿では、波面位相プロファイリングカメラではなく、低コストの二次光ダイオードと相互作用して制御ポリシーを学習することで、システムのレイテンシ、サイズ、コストを最大30～40%削減する強化学習(RL)を提案する。
論文 参考訳（メタデータ） (2023-03-13T23:03:17Z) - HydroPower Plant Planning for Resilience Improvement of Power Systems
using Fuzzy-Neural based Genetic Algorithm [0.0]
本稿では,負荷周波数制御(LFC)に基づく小規模水力発電所の最適化手法を提案する。
本手法では,自己調整型ファジィ比導関数(PD)法を用いて予測・予測を行う。
ディープスパイキングニューラルネットワーク(SNN)は、この負荷周波数制御を最適化するために、主にディープラーニング技術として使用されるもので、ディープスパイキングニューラルネットワーク(DSNN)となる。
論文 参考訳（メタデータ） (2021-06-16T21:08:01Z) - Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural
Networks [52.32646357164739]
最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。
提案されたSIDNNは、幅広いOPFスキームと互換性がある。
他のLearning-to-OPFスキームとシームレスに統合できる。
論文 参考訳（メタデータ） (2021-03-27T00:45:23Z) - Power Control for a URLLC-enabled UAV system incorporated with DNN-Based
Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文 参考訳（メタデータ） (2020-11-14T02:31:04Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。