一种基于免疫算法的液晶滤波器优化方法技术

本发明专利技术实施例公开了一种基于免疫算法的液晶滤波器优化方法，根据琼斯矩阵模拟不同液晶滤波器滤波性能，结合免疫算法通过优化双折射液晶电控滤波器的目标光谱指标(中心波长透过率、截止区抑制、半高宽)，进而确定任意厚度下的最佳电压组合的参数，即得到预期的输出光谱曲线；不仅获取了良好的滤波效果，同时对于液晶盒在厚度、级数的选择上更加灵活、可以节约成本材料、提升不同波长的切换时间，而且能够智能调控滤波性能，省略了繁琐的调试阶段，提高了经济性与实用性。提高了经济性与实用性。提高了经济性与实用性。

【技术实现步骤摘要】
一种基于免疫算法的液晶滤波器优化方法


[0001]本专利技术涉及光谱检测以及液晶光调控
，尤其涉及一种基于免疫算法的液晶滤波器优化方法。

技术介绍

[0002]目前的双折射光学滤波器是里奥(Lyot)滤波器，它由一些交替偏振器和双折射器件组成，每个连续的光学延迟量是前一个的两倍关系；Solc滤波器，它是在一对偏振器之间有许多双折射部分，改变每一个双折射器件的角度来实现。这两种滤波器结构可以有效提高光谱分辨率，但是存在均匀性差、截至区抑制效果不好、以及透射率低等缺点。
[0003]所以对于双折射光学滤波器的性能进行优化显得尤为关键，这些优化包括增加可调性、自由光谱范围、切换速度、对比度、光谱分辨率并减小通频带大小、截止区旁瓣等性能指标。结合当今的人工智能优化算法，对于光谱多目标性能进行优化参数，选择符合实际生产、设计合理的光学延迟比(可以通过改变加载电压大小，双折射器件厚度，相邻的双折射器件夹角以及不同的结构组合)，来得到预期的理想光谱响应。针对液晶滤波器的模型优化，这对于实际生产、制作和测试具有指导意义。

技术实现思路

[0004]本专利技术实施例所要解决的技术问题在于，提供一种基于免疫算法的液晶滤波器优化方法，针对输出光谱具有高分辨率、自由光谱广、杂峰抑制好等多目标优化问题，利用人工免疫算法结合液晶滤波器的模型进行全局寻优，得到最合理的参数。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种基于免疫算法的液晶滤波器优化方法，包括以下步骤：
[0006]S1：初始化种群，随机产生多个第一代子群体，针对每一级液晶盒厚度和驱动电压采用全局随机取样机制产生各自子群体的第一代，种群规模维度与液晶滤波器级数一致；
[0007]S2：抗体与抗原选择，选择目标输出光谱曲线与实际输出光谱曲线误差来评价亲和度，根据亲和度值对液晶盒厚度和驱动电压两个产生的抗体进行排序；
[0008]S3：抗体激励，使用针对每一级的液晶厚度和驱动电压的抗原通过编码方式形成不同厚度、电压解空间的抗体；
[0009]S4：判断是否满足结束条件，得到预期最优解或者超过最大迭代次数，算法即终止；
[0010]S5：免疫循环处理，选择适应度高的抗体来经行活化，对其进行克隆复制若干个副本，然后采用变异算子对抗体发生突变，最后再筛选亲和度高的抗体
[0011]S6：利用随机产生的新抗体来覆盖原种群当中激励度低的抗体，并且刷新新种群，然后在转步骤S2继续执行。
[0012]其中，所述评价亲和度的函数定义为：
[0013][0014]其中表示滤波器的波长范围，表示点惩罚因子，and分别表示理想光谱曲线和实际光谱曲线，通带与阻带的权因子一起控制半高宽宽度和阻带波纹大小的作用，然后根据亲和度值来对于液晶盒厚度和驱动电压两个产生的抗体进行排序。
[0015]其中，所述形成不同厚度、电压解空间的抗体的计算方法为：
[0016]其中，为抗体I的第k维度，即相对应级数液晶盒厚度和驱动电压，L是抗体编码的总维数，取决于设定的液晶滤波器级数，同时采用二进制来实现编码。
[0017]实施本专利技术实施例，具有如下有益效果：本专利技术采用人工免疫算法来对液晶滤波器模型进行优化参数，建立任意组合结构下的液晶滤波器的透过率模型，主要针对任意数量的双折射器件厚度、每一级驱动电压这两个参数进行优化，同时对于理想的光谱响应可以预设任意波形下的透过率曲线，因此输出特定的光谱响应；结合智能算法优化任意厚度和电压这两个参数，这对于提高液晶滤波器的切换时间具有重大意义，同时通过模拟来筛选符合实际生产的液晶滤波器，极大的节约了实际当中的繁琐测试和成本需求。
附图说明
[0018]图1是电控液晶滤波器示意图；
[0019]图2是液晶指向矢的xyz直角坐标系示意图；
[0020]图3是单级液晶滤波器的示意图；
[0021]图4是人工免疫算法流程图。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述。
[0023]如图1，本专利技术利用人工免疫算法对实现液晶滤波器多目标性能优化下的参数匹配设置，将一定级数下液晶滤波器输出的实际光谱响应作为抗原，同时将每一级液晶盒厚度和加载电压作为抗体，这里选取液晶滤波器实际输出光谱和理想光谱的差异，即根据液晶滤波的预设中心波长透过率、截至区抑制、半高宽这三个滤波目标来作为亲和度指标，经过免疫系统、克隆、变异、克隆抑制仿照生物免疫系统的自我适应过程，来不断寻求最佳抗体与抗原匹配下的全局最优解，以此确定每一级液晶盒厚度和加载电压，最后利用m atlab来对算法模型进行验证和滤波效果验证。
[0024]本专利技术实施例通过以下步骤进行实施。
[0025]步骤1)电压
‑
液晶指向矢作用模拟
[0026]首先建立三维坐标系，如图2所示，其中xoy平面与液晶的界面，z轴为整个液晶滤波器的光轴方向，设指向矢
[0027][0028]其中θ为液晶指向矢的倾斜角，为液晶指向矢的预倾角
[0029]根据液晶连续体弹性理论(形变是由以下三种方式叠加：1.展开形变(Splay)、扭曲形变(Tw ist))和弯曲形变(B end))，在外加电场作用下，导致液晶的吉布斯自由能增加，而当液晶重新趋向于稳定状态时其自由能将取到最小值，利用这一变化来求解电压下的液晶指向式空间分布。
[0030]当未处于电场或者磁场下，液晶弹性自由能密度表达式：
[0031][0032]其中，f
elastic
表示液晶的弹性自由能密度，f
splay
、f
twist
、f
bend
表示液晶的三种基本弹性形变形式，依次为展曲形变、扭曲形变和弯曲形变。K
11
、K
22
、K
33
分为别展曲形变、扭曲形变和弯曲形变的弹性系数，它们的特点依次满足式子：变和弯曲形变的弹性系数，它们的特点依次满足式子：为哈密顿算符，为液晶的指向矢。
[0033]在外加静电场下，液晶会生成与位置有关的自由能密度增量一般表达式为：
[0034][0035]其中在平行和垂直于液晶指向矢的方向上，介电常数为ε
∥
，ε
⊥
，Δε代表介电常数的各向异性，取决于液晶材料，E表示沿z轴的电场，θ表示液晶的倾斜角。
[0036]当液晶重新达到平衡状态时，液晶的总自由能密度一般表达式：
[0037][0038]其中，f
elastic
表示液晶的弹性自由能密度，f
electric
表示液晶的静电场自由能密度，K
11
、K
22
、K
33
分为别展曲形变、扭曲形变和弯曲形变的弹性系数θ，V分别表示液晶的倾斜角、扭曲角以及驱动电压，分别表示液本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于免疫算法的液晶滤波器优化方法，其特征在于，包括以下步骤：S1：初始化种群，随机产生多个第一代子群体，针对每一级液晶盒厚度和驱动电压采用全局随机取样机制产生各自子群体的第一代，种群规模维度与液晶滤波器级数一致；S2：抗体与抗原选择，选择目标输出光谱曲线与实际输出光谱曲线误差来评价亲和度，根据亲和度值对液晶盒厚度和驱动电压两个产生的抗体进行排序；S3：抗体激励，使用针对每一级的液晶厚度和驱动电压的抗原通过编码方式形成不同厚度、电压解空间的抗体；S4：判断是否满足结束条件，得到预期最优解或者超过最大迭代次数，算法即终止；S5：免疫循环处理，选择适应度高的抗体来经行活化，对其进行克隆复制若干个副本，然后采用变异算子对抗体发生突变，最后再筛选亲和度高的抗体S...

【专利技术属性】
技术研发人员：姚丽双，陈立新，赵鹏博，郑文彬，
申请(专利权)人：汕头大学，
类型：发明
国别省市：