激光无线能量传输是一种以空气为媒介以电磁波形式传递能量的技术。激光作为载体实施长距离能量传递是当前的研究热点。空气中大气湍流的扰动引起接收端激光束波前相位畸变,致使靶面光斑分布不均匀并造成严重的传输能量损耗。为解决激光传输过程中的大气湍流的影响,论文提出了一套基于自适应光学技术的能量补偿方案。所使用的自适应光学系统包括波前传感器,波前控制器,以及波前校正器,其中波前校正器的相关校正算法直接影响能量补偿效果。论文深入分析所提出的自适应光学能量补偿系统的工作机理,根据Kolmogorov湍流理论进行传输通道建模,利用Zernike多项式拟合大气湍流信道造成的波前像差。在此基础上围绕激光无线能量传输大气衰耗补偿算法开展研究,针对波前控制器的具体算法进行仿真测试。首先,在波前控制器中采用随机并行梯度下降算法(SPGD,stochastic parallel gradient descent),探究其在不同大气湍流干扰形成的初始像差下SPGD算法对激光无线能量传输的补偿效果。结果表明SPGD对于大气湍流引起的离散光斑有着较好的汇聚效果。在SPGD算法的校正下,接收端的能量集中度明显提高。为了更加全面的验证该系统的普遍适用性,对比SPGD算法在不同湍流强度下的校正效果,结果表明SPGD算法在不同的湍流扰动强度下均能显现出较好的收敛性。但是该系统也存在着收敛速度较慢,以及SPGD算法容易陷入局部最优值的问题,这会严重影响到能量补偿系统的性能。然后,论文提出融合机器学习方法的SPGD算法,解决传统的SPGD算法的上诉弊端。它在波前控制器中引入了深度学习方法,设计了一种卷积神经网络模型(CNN,convolutional neural networks)对波前图像进行分类,直接对应波前校正器所需的初始电压。该模型能够在学习样本比较充足的前提下,可对不同大气湍流影响而产生的光斑图像进行分类学习。在模型训练完毕之后,任意的一组Zernike系数所等效的大气湍流波前光斑图像都能被CNN模型进行分类。结果表明融合了CNN方法的SPGD算法,明显提高整个能量传输系统的响应速度,同时局部收敛的问题得到改善,激光无线能量传输系统的效率也得到了提高。本文对于激光无线能量传输在大气传播过程中的衰耗补偿方法进行了研究,提出了两套解决方案,在一定程度上提高了系统的能量传输效率,为将来激光能量补偿的在实际中的应用提供了相应的理论指导。