一种液体透镜性能优化方法及系统技术方案

本发明专利技术公开了一种液体透镜性能优化方法及系统，属于自适应光学领域。包括：(1)借助均匀试验设计，从一定范围内液体透镜结构参数组合中挑选出分布均匀、具有代表性的组合；(2)通过编写控制程序，提取上述所选组合下透镜在变焦过程中的薄膜受力变形数据；(3)通过编写控制程序，获取上述所选组合下透镜在变焦过程中的光学性能数据；(4)构建深度学习模型，训练得到结构参数与透镜性能之间的关系；(5)利用该模型预测所有结构参数组合下的液体透镜性能数据；(6)结合应用需求设定评价标准，筛选出最优结构参数组合。本发明专利技术通过上述优化方法，训练得到了液体透镜的结构参数与性能之间的关系，最终获得动态光学性能优异、驱动力小的最佳液体透镜参数组合设计。佳液体透镜参数组合设计。佳液体透镜参数组合设计。

【技术实现步骤摘要】
一种液体透镜性能优化方法及系统


[0001]本专利技术属于自适应光学领域，更具体地，涉及一种液体透镜性能优化方法及系统。

技术介绍

[0002]液体透镜凭借单透镜就能实现变焦的优异性能，得到了广泛的研究和应用。
[0003]在中国专利CN109459851A中提出通过对初始焦距和中心膜厚的优化得到校正液体透镜球差的初始结构，该设计对于球差有非常显著的校正效果，但该优化方法无法对所有可能的结构参数全部进行分析，故而只能获得局部最优而非全局最优的设计。同时，其优化过程中仅使用球差这一项作为优化评价标准，而没有将其他像差(如慧差、场曲等)以及驱动力和响应速度考虑在内。
[0004]在文献《液体透镜大变焦范围像差优化及驱动一体化研究》中的像差优化方法，其考虑了所有的几何像差得到了一个最佳的非等厚膜结构，但该优化方法仅仅从几个特定的初始焦距处优化的面型和膜厚中选取出最佳结构，然而初始面型和膜厚的参数组合是非常庞大的，该优化方法仅仅得到了一个局部最优的参数组合，在该方法的参数选取范围之外，势必还存在一个更优异的全局最优的参数组合。

技术实现思路

[0005]针对现有技术的缺陷，本专利技术的目的在于提供一种基于均匀试验和深度学习的液体透镜性能优化方法，旨在通过该方法从液体透镜的全部参数组合中快速选取出一个光学性能优异且驱动力小的液体透镜非等厚膜结构。
[0006]为实现上述目的，本专利技术提供了一种液体透镜性能优化方法，包括以下步骤：
[0007](1)借助均匀试验设计方法，从液体透镜的全部参数组合中挑选出一部分分布均匀、具有代表性的参数组合；
[0008](2)液体透镜薄膜受力变形仿真数据提取：通过编写程序控制仿真软件得到上述挑选出的部分参数组合下液体透镜的薄膜受力变形的数据；
[0009](3)通过编写程序提取上述挑选出的部分参数组合下液体透镜在变焦过程中的性能数据；
[0010](4)借助深度学习框架构建深度学习模型，输入层为液体透镜薄膜结构参数，输出层为上述挑选出的部分参数组合下的液体透镜的机械性能和光学性能数据，训练得到参数组合与性能的关系；
[0011](5)利用训练好的深度学习模型，预测出全部参数组合下的性能数据；
[0012](6)设定评价标准，从获得的所有参数数据中获得最优参数组合下的液体透镜结构。
[0013]有益效果：本专利技术通过上述优化方法，训练得到了液体透镜结构的参数组合对其性能的影响关系，提高了仿真效率，并通过优化选取得到了一个最佳的参数组合，最终得到了一个光学性能优异、驱动力需求小、变焦时间短的液体透镜非等厚膜结构。
[0014]优选地，所述参数组合包括：薄膜面型结构参数以及中心膜厚参数。
[0015]优选地，所述性能数据包括几何像差数据、液体透镜变焦至极限状态下所需要的驱动力大小、变焦响应速度等。
[0016]有益效果：液体透镜初始结构的选取不仅考虑了焦距调节范围的像差的影响，还考虑了驱动力的要求以及响应速度，使得优化得到的最佳结构不仅光学性能优异并且易于驱动。
[0017]优选地，所述评价标准为：首先对几何像差、驱动力数据、响应速度等做归一化处理，并根据实际需要合理设置几何像差、驱动力数据、响应速度等的权重，通过计算归一化的几何像差、驱动力数据以及响应速度等的加权和作为其性能的评价标准。
[0018]有益效果：针对不同的应用场景，可以通过改变权重的设置得到适用于不同场景的最佳结构，使得该优化方法具有优异的普适性。
[0019]本专利技术还提供了一种液体透镜性能优化系统，包括：计算机可读存储介质和处理器；
[0020]所述计算机可读存储介质用于存储可执行指令；
[0021]所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行上述的液体透镜性能优化方法。
[0022]通过本专利技术所构思的以上技术方案，与现有技术相比，能够取得以下有益效果。
[0023]1.本专利技术提供的基于均匀试验和深度学习的液体透镜性能优化方法，通过构建深度学习模型训练得到液体透镜结构的参数组合对其性能的影响关系，进而能够快速地从所有的参数组合中挑选出一个全局最优的参数组合。
[0024]2.本专利技术提供的基于均匀试验和深度学习的液体透镜性能优化方法，液体透镜初始结构的选取不仅考虑了焦距调节范围的像差的影响，还考虑了驱动力的要求，使得优化得到的最佳结构不仅光学性能优异并且易于驱动。
[0025]3.本专利技术提供的基于均匀试验和深度学习的液体透镜性能优化方法，液体透镜初始结构的选取不仅考虑了焦距调节范围的像差的影响，还考虑了响应速度的要求，使得优化得到的最佳结构不仅光学性能优异并且能够适应实际应用的需要。
[0026]4.本专利技术提供的电磁驱动双向变焦液体透镜，通过改变权重的设置可以得到适用于不同应用场景的最佳结构，使得该优化方法具有优异的普适性。
附图说明
[0027]图1为本专利技术提供的液体透镜的结构示意图；
[0028]图2为本专利技术提供的基于均匀试验和深度学习的液体透镜性能优化方法的流程示意图；
[0029]图3为构建的深度学习模型示意图；
[0030]图4为构建的深度学习模型对于球差的训练效果；
[0031]图5为构建的深度学习模型对于彗差的训练效果；
[0032]图6为构建的深度学习模型对于驱动力的训练效果；
[0033]图7为利用训练好的深度学习模型预测出的全部参数组合下的球差数据；
[0034]图8为利用训练好的深度学习模型预测出的全部参数组合下的彗差数据；
[0035]图9为利用训练好的深度学习模型预测出的全部参数组合下的驱动力数据；
[0036]图10为四种结构的球差曲线对比图；
[0037]图11为四种结构的彗差曲线对比图。
具体实施方式
[0038]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间不构成冲突就可以相互组合。
[0039]液体透镜的性能主要与液体透镜的非等厚膜结构的参数取值有关，如图1所示，结构的参数包括3个偶次非球面面型参数a，b，c以及中心膜厚参数h共4个参数。为了得到最佳的参数取值，需要获取不同参数组合下液体透镜的性能数据，若每个参数有n个取值，则会有n4个全部参数组合，即使每个参数只有1000个取值，全部的参数组合也会高达10004个，想获取如此多的参数组合下的数据是极度困难且耗时巨大的，因此本专利技术开发了一种基于均匀试验和深度学习的液体透镜性能优化方法，以n取值为1000为例，如图2所示，其包含以下步骤：
[0040](1)借助均匀试验设计方法，从液体透镜的全部参数组合中挑选出一部分分布均匀、具有代表性的参数组合，如表1所示；...

【技术保护点】

【技术特征摘要】
1.一种液体透镜性能优化方法，其特征在于，包括以下步骤：(1)借助均匀试验设计方法，从预设范围内液体透镜所有的结构参数组合中挑选出一部分分布均匀的参数组合；(2)液体透镜薄膜受力变形仿真数据提取：分析并提取上述挑选出的部分参数组合下液体透镜在变焦过程中薄膜受力变形数据；(3)液体透镜光学性能仿真数据提取：分析并提取上述挑选出的部分参数组合下液体透镜在变焦过程中的光学性能数据；(4)借助深度学习框架构建深度学习模型，输入层为液体透镜薄膜参数组合，输出层为对应结构参数组合下的液体透镜性能数据，训练得到结构参数与透镜性能之间的关系；(5)利用训练好的深度学习模型，遍历并预测出液体透镜在全部参数组合下的性能数据；(6)依据应用需求设定对应的评价标准，从所有数据中获得最优的液体透镜结构。2.根据权利要求1所述的液体透镜的性能优化方法，其特征在于，所述步骤(1)中，所述参数组合包括薄膜面型结构参数和厚度参数。3.根据权利要求1所述的液体透镜的性能优化方法，其特征在于，所述步骤(2)中，所述薄膜受...

【专利技术属性】
技术研发人员：余洪斌，张欣越，李海涛，王岩，张峻宁，吕途南，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：