基于径向基函数的可变形反射镜面形控制方法及装置制造方法及图纸

公开了基于径向基函数的可变形反射镜面形控制方法及装置，计算简单、易于实现、通用性强，并且能较高精度地控制可变形反射镜生成复杂面形，从而实现复杂的波前矫正及像差补偿功能。本发明专利技术处理神经网络训练集样本，获取神经网络训练集元素，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，将样本中面形的表征参数作为神经网络的输入，将该面形对应的各压电陶瓷的电压作为神经网络的对应输出，对神经网络进行训练，神经网络的训练次数与样本数量一致，最终获得完成训练的神经网络，验证神经网络训练效果，根据所需生成的面形的表征参数，利用神经网络控制可变形镜生成所需面形。

Control method and device of deformable mirror shape based on radial basis function

【技术实现步骤摘要】
基于径向基函数的可变形反射镜面形控制方法及装置
本专利技术涉及光电检测的
，尤其涉及一种基于径向基函数的可变形反射镜面形控制方法，旨在通过神经网络，利用径向基函数对可变形反射镜的面形进行控制，构成一种新的可变形反射镜面形控制方法，还涉及基于径向基函数的可变形反射镜面形控制装置。
技术介绍
可变形反射镜(DeformableMirror，DM)是一种波前校正器件，最初研制可变形反射镜的目的是为了解决自适应光学领域的光学系统的波前矫正问题。最初的可变形反射镜的结构较为简单，将薄油膜覆盖在反射镜上，利用静电电荷的空间分布使油膜扭曲从而产生不同的面形。随着激光和军事研究的推进，可变形反射镜广泛应用的同时获得了长足发展，其结构逐渐完善、制作工艺日益提升。随着计算机科学与微机电系统(MicroElectroMechanicalSystem，MEMS)技术的进步，可变形反射镜变得越来越体积轻巧、结构简单、功耗低。目前常见的可变形反射镜的结构组成及工作原理为：以硅为基底，将致动器按照一定规则有序附着在基底上，将一层柔性反射面附着在致动器表面。当可变形反射镜工作时，通过控制致动器的位移变化，从而改变柔性反射面的面形，实现可变性反射镜形变目的；通过控制有序排列的致动器的位移变化组合方式，可以实现各种类型的面形。目前的可变形反射镜多采用压电陶瓷作为致动器，保证可变形反射镜能够快速、灵活地产生高精度面形。目前，可变形反射镜多应用于自适应光学及天文学研究领域，用于实现矫正由于大气湍流等扰动造成的波前畸变。在光学元件面形检测研究领域，也开始采用可变形反射镜作为补偿器件补偿系统像差，实现面形检测目的。目前，可变形反射镜的控制方法多基于求解影响函数矩阵的方式，通过该类方法可以实现可变形反射镜面形控制的目的，但是影响函数矩阵的求解复杂，且需要足够多的样本并通过复杂的数学分析过程才能获得，而且不同的可变形反射镜所对应的影响函数矩阵不一致，差异性较大。除了求解影响函数矩阵的方式，目前还可以利用神经网络的方式对可变形反射镜进行控制。目前已有的神经网络控制可变形镜的方式，多以可变形反射镜的面形数据作为神经网络的输入，以对应的致动器电压值作为神经网络的输出。该类方法的弊端在于，面形数据过多导致该类方法数据计算量极大，且仅适用于较为简单的面形，如表面斜率较小即面形起伏较为平缓的面。然而，在自适应光学、天文学及光学元件面形检测等各研究领域的实际应用中，需要可变形反射镜生成较为复杂的面形，如表面斜率较大的面形即面形起伏较为剧烈的面及自由曲面等，该类方法无法满足该类情况。目前，可变形反射镜控制的难点在于研究一种计算简单，易于实现，通用性强，且能较高精度地控制可变形反射镜生成复杂面形的控制方法，从而实现复杂的波前矫正及像差补偿功能。
技术实现思路
为克服现有技术的缺陷，本专利技术要解决的技术问题是提供了一种基于径向基函数的可变形反射镜面形控制方法，其计算简单、易于实现、通用性强，并且能较高精度地控制可变形反射镜生成复杂面形，从而实现复杂的波前矫正及像差补偿功能。本专利技术的技术方案是：这种基于径向基函数的可变形反射镜面形控制方法，其包括以下步骤：(1)输入可变形反射镜结构特性及控制参数，结构特性是与可变形反射镜面形变化相关的特性，控制参数是指控制可变形反射镜在最大行程内工作的相关参数；(2)输入神经网络训练集的样本数量及分布，神经网络训练集的样本数量为神经网络在训练过程中的训练次数，神经网络训练集的样本的分布是样本所对应的总控制电压在可变形反射镜的总控制电压范围内的分布情况；(3)根据样本数量及分布，获取神经网络训练集样本，神经网络训练集的样本为可变形反射镜的面形及该面形对应的总控制电压；(4)处理神经网络训练集样本，获取神经网络训练集元素，神经网络训练集的样本与神经网络训练集的元素相对应，对神经网络训练集的样本进行处理，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，各个面形表征为公式(1)：其中，z(x,y)是可变形反射镜的面形形状，(x,y)是笛卡尔坐标系坐标，c是顶点曲率，k为二次曲面系数，wi为系数，为径向基函数，为口径内指向任一方向的向量，为指向径向基函数的中心的向量，||||为欧几里德范数，i为径向基函数的数量；(5)输入神经网络类型；(6)利用训练集元素，训练神经网络，根据步骤(4)所获取的训练集元素，将可变形反射镜生成的面形的表征参数作为神经网络的输入，将该面形对应的各压电陶瓷的电压作为神经网络的对应输出，对神经网络进行训练，神经网络的训练次数与样本数量一致，最终获得完成训练的神经网络；(7)验证神经网络训练效果，获取神经网络验证样本，利用径向基函数对验证样本中的可变形反射镜的面形进行表征，从而获得该面形的表征参数；(8)利用神经网络控制可变形镜生成所需面形，将表征参数作为输入送入完成训练的神经网络，获得对应输出，根据该输出控制可变形镜生成所需面形。本专利技术处理神经网络训练集样本，获取神经网络训练集元素，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，将可变形反射镜生成的面形的表征参数作为神经网络的输入，将该面形对应的各压电陶瓷的电压作为神经网络的对应输出，对神经网络进行训练，神经网络的训练次数与样本数量一致，最终获得完成训练的神经网络，验证神经网络训练效果，获得面形的表征参数，利用神经网络控制可变形镜生成所需面形；仅用表征参数即可表征面形，并将其作为训练集元素对神经网络进行训练，简化了计算成本，计算简单；避免了复杂的数学分析过程，使得该方法易于实现；对于使用压电陶瓷作为致动器的可变形反射镜，该控制方法均适用；利用径向基函数可以更准确地表征面形，特别是复杂面形，因此根据该控制方法可以生成更加复杂的面形，如表面斜率较大的面形即面形起伏较为剧烈的面及自由曲面等。还提供了一种基于径向基函数的可变形反射镜面形控制装置，其包括：可变形反射镜结构特性及控制参数输入模块，其配置来输入可变形反射镜结构特性及控制参数，结构特性是与可变形反射镜面形变化相关的特性，控制参数是指控制可变形反射镜在最大行程内工作的相关参数；神经网络训练集的样本数量及分布输入模块，其配置来输入神经网络训练集的样本数量及分布，神经网络训练集的样本数量为神经网络在训练过程中的训练次数，神经网络训练集的样本的分布是样本所对应的总控制电压在可变形反射镜的总控制电压范围内的分布情况；神经网络训练集样本获取模块，其配置来根据样本数量及分布，获取神经网络训练集样本，神经网络训练集的样本为可变形反射镜的面形及该面形对应的总控制电压；神经网络训练集样本处理模块，其配置来对神经网络训练集的样本进行处理，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，各个面形表征为公式(1)：其中，z(x,y)是可变形反射镜的面形形状，(x,y)是笛卡尔坐标系坐标，c是顶点曲率，k为二次曲面系数，wi为系数，为径向基函数，为口径内指向任一方向的向量本文档来自技高网...

【技术保护点】
1.基于径向基函数的可变形反射镜面形控制方法，其特征在于：其包括以下步骤：/n(1)输入可变形反射镜结构特性及控制参数，结构特性是与可变形反射镜面形变化相关的特性，控制参数是指控制可变形反射镜在最大行程内工作的相关参数；/n(2)输入神经网络训练集的样本数量及分布，神经网络训练集的样本数量为神经网络在训练过程中的训练次数，神经网络训练集的样本的分布是样本所对应的总控制电压在可变形反射镜的总控制电压范围内的分布情况；/n(3)根据样本数量及分布，获取神经网络训练集样本，神经网络训练集的样本为可变形反射镜的面形及该面形对应的总控制电压；/n(4)处理神经网络训练集样本，获取神经网络训练集元素，神经网络训练集的样本与神经网络训练集的元素相对应，对神经网络训练集的样本进行处理，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，各个面形表征为公式(1)：/n

【技术特征摘要】
1.基于径向基函数的可变形反射镜面形控制方法，其特征在于：其包括以下步骤：
(1)输入可变形反射镜结构特性及控制参数，结构特性是与可变形反射镜面形变化相关的特性，控制参数是指控制可变形反射镜在最大行程内工作的相关参数；
(2)输入神经网络训练集的样本数量及分布，神经网络训练集的样本数量为神经网络在训练过程中的训练次数，神经网络训练集的样本的分布是样本所对应的总控制电压在可变形反射镜的总控制电压范围内的分布情况；
(3)根据样本数量及分布，获取神经网络训练集样本，神经网络训练集的样本为可变形反射镜的面形及该面形对应的总控制电压；
(4)处理神经网络训练集样本，获取神经网络训练集元素，神经网络训练集的样本与神经网络训练集的元素相对应，对神经网络训练集的样本进行处理，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，各个面形表征为公式(1)：



其中，z(x,y)是可变形反射镜的面形形状，(x,y)是笛卡尔坐标系坐标，c是顶点曲率，k为二次曲面系数，wi为系数，为径向基函数，为口径内指向任一方向的向量，为指向径向基函数的中心的向量，||||为欧几里德范数，i为径向基函数的数量；
(5)输入神经网络类型；
(6)利用训练集元素，训练神经网络，根据步骤(4)所获取的训练集元素，将可变形反射镜生成的面形的表征参数作为神经网络的输入，将该面形对应的各压电陶瓷的电压作为神经网络的对应输出，对神经网络进行训练，神经网络的训练次数与样本数量一致，最终获得完成训练的神经网络；
(7)验证神经网络训练效果，获取神经网络验证样本，利用径向基函数对验证样本中的可变形反射镜的面形进行表征，从而获得该面形的表征参数；
(8)利用神经网络控制可变形镜生成所需面形，将表征参数作为输入送入完成训练的神经网络，获得对应输出，根据该输出控制可变形镜生成所需面形。


2.根据权利要求1所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(1)中，结构特性包括可变形反射镜的口径、最大行程及压电陶瓷PZT数量，控制参数包括总控制电压范围、各压电陶瓷对应的电压系数。


3.根据权利要求2所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(2)中，神经网络训练集的样本的分布为均匀分布的方式。


4.根据权利要求3所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(3)中，采用面形干涉仪获取可变形反射镜的面形，同时根据样本分布获取该面形对应的总控制电压，根据样本数量及分布，完成神经网络训练集样本的获取。


5.根据权利要求4所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(4)中，采用高斯形式的径向基函数对可变形反射镜的面形进行表征，为公式(2)：



其中εi是高斯径向基函数的形状因子，(x0i,y0i)是高斯径向基函数的中心点，根据参数c、k、wi、εi及(x0i,y0i)确定某一面形，将各个样本中的可变形反射镜的面形利用径向...

【专利技术属性】
技术研发人员：郝群，常旭，胡摇，程雪岷，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11