本发明专利技术公开了一种超光滑光学元件表面特性参数预测方法，包括以下步骤：步骤1，基于MBK模型，通过对比HS模型和MBK模型，建立GBK标量散射模型；步骤2，基于GBK标量散射模型，建立超光滑和光滑光学元件在同一入射角度下表面粗糙度及自相关长度与散射率之间的关系式；步骤3，基于两个不同的入射角度，分别测得对应入射角度下的散射率，通过表面粗糙度及自相关长度与散射率之间的关系式，获得不同的两个入射角度下表面粗糙度和自相关长度的集合曲线，两条曲线的交点即为待测光学元件的表面粗糙度和自相关长度。本发明专利技术适用于超光滑和光滑光学元件的表面粗糙度和自相关长度的快速预测，具有预测精度高和预测效率高的特点。
【技术实现步骤摘要】
本专利技术属于光学元件测量，具体涉及一种超光滑光学元件表面特性参数预测方法。
技术介绍
1、常用于描述光学元件表面散射特性的模型包括rayleigh-rice(rr)模型、beckmann-kirchhoff(bk)模型、harvey-shack(hs)模型和modified beckmann-kirchhoff(mbk)模型。其中，rr模型是矢量散射模型，而bk模型、hs模型和mbk模型则为标量散射模型。rr模型适用于光滑或超光滑表面的散射模型，但其矢量模型较为复杂；bk模型主要适用于高斯统计分布粗糙表面，需要进行修正以适用于超光滑和光滑表面；hs模型无法提供解析解；而mbk模型仅能达到hs模型计算光滑表面的效果，需要进一步修正。
2、表面粗糙度是表征表面微观形貌最常用的参数之一，对光学元件表面的散射特性有很大影响。自相关长度是与表面高度起伏属性有关的重要统计参量，提供了评估表面两点间相互独立性的基准。因此，表面粗糙度及自相关长度作为表征光学元件表面特性的重要参数会直接对超光滑和光滑光学元件的表面散射特性造成影响。然而，现有的光学元件表面特性参数测量方法无法满足对超光滑和光滑表面光学元件的测量需求，而且实验测量流程较为复杂；利用现有的描述光学元件表面散射特性的模型来对超光滑和光滑表面光学元件的测量均存在局限性，有必要对现有表面散射模型进行修正和发展，以建立更适用于超光滑和光滑光学元件的标量散射模型，从而实现快速、准确地预测超光滑和光滑光学元件表面特性参数。
技术实现思路
<
p>1、本专利技术所要解决的技术问题便是针对上述现有技术的不足，提供一种超光滑光学元件表面特性参数预测方法，它能够快速、准确预测超光滑和光滑光学元件表面特性参数。2、本专利技术所采用的技术方案是：一种超光滑光学元件表面特性参数预测方法，包括以下步骤：
3、步骤1：通过对比hs模型和mbk模型，从mbk模型中提取功率谱密度函数表达式，再通过功率谱密度函数表达式对mbk模型进行修正，建立gbk标量散射模型，
4、
5、其中grel可表示为：式中，无量纲量q为与偏振有关的表面反射率；k为归一化因子；θi为球面坐标中的入射角；θs为球面坐标中的散射角；φs为球面坐标中的散射方位角；σrel为相关表面粗糙度；psdm(fx,fy)是相关长度l′c＝m–1/2lc的表面相关函数的傅里叶变换；lc是自相关函数在高度为1/e时的半宽度，表示表面自相关长度；m为收敛级数；n1为入射介质的折射率；n2为出射介质的折射率；
6、步骤2：基于gbk标量散射模型，建立超光滑和光滑光学元件在同一入射角度下关于表面粗糙度及自相关长度与散射率之间的关系式；
7、步骤3：选择两个不同的入射角度，通过角分辨散射法实验分别测得不同的两个入射角度下的散射率，获得两个不同入射角度下表面粗糙度及自相关长度与散射率之间的关系式：
8、{sn1＝f(σs,lc,θ1),sn2＝f(σs,lc,θ2)}
9、式中，θ1和θ2为两个不同入射角度；sn1和sn2为两个不同入射角度下的散射率；σs为表面粗糙度；lc为自相关长度；
10、通过将对应入射角度下的散射率代入两个不同入射角度下表面粗糙度及自相关长度与散射率之间的关系式中，获得不同的两个入射角度下表面粗糙度和自相关长度的集合曲线，两条曲线的交点即为待测光学元件的表面粗糙度和自相关长度。
11、作为优选，步骤1中gbk标量散射模型中的归一化因子k通过数值拟合方法修正为拟合因子，则k表示为：
12、
13、作为优选，步骤1在建立gbk模型后，可通过rr模型和mbk模型校验。
14、作为优选，步骤2中建立超光滑和光滑光学元件表面粗糙度及自相关长度与散射率之间的关系式包括以下步骤：
15、s1，gbk标量散射模型表示的是角分辨散射分布与初始参数之间的关系式，初始参数包括表面粗糙度、自相关长度和入射角度；
16、s2，对角分辨散射分布进行积分获得散射光强，该散射光强与入射光强的比值即为散射率，从而建立在同一入射角度下关于表面粗糙度及自相关长度与散射率之间的关系式。
17、作为优选，步骤3获得预测值后可与标定值进行误差分析。
18、作为优选，步骤3中，通过增加对两个入射角度下表面粗糙度和自相关长度的采样数量，可提高待测光学元件的表面粗糙度和自相关长度的预测精度。
19、上述hs模型为harvey-shack标量散射模型，mbk模型为modified beckmann-kirchhoff标量散射模型，rr模型为rayleigh-rice矢量散射模型，gbk模型为generalizedbeckmann-kirchhoff标量散射模型。
20、本专利技术的有益效果在于：
21、(1)gbk标量散射模型在mbk模型的基础上，通过与hs模型对比建立，可提供解析解，用于快速计算超光滑和光滑光学元件的散射特性，适用于诸如高斯、分形以及柯西-洛伦兹等多种粗糙度统计分布情况；
22、(2)建立同一入射角度下关于表面粗糙度及自相关长度与散射率之间的关系式，仅需要测量两次不同入射角度下的光学元件的散射率，即可预测超光滑和光滑光学元件的表面粗糙度及自相关长度，具有预测精度高及预测效率高的特点。
23、本专利技术适用于超光滑和光滑光学元件的表面粗糙度和自相关长度的快速预测，具有预测精度高和预测效率高的特点。
本文档来自技高网...
【技术保护点】
1.一种超光滑光学元件表面特性参数预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤1中GBK标量散射模型中的归一化因子K通过数值拟合方法修正为拟合因子，则K表示为：
3.根据权利要求1或2所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤1在建立GBK模型后，可通过RR模型和MBK模型校验。
4.根据权利要求1所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤2中建立超光滑和光滑光学元件表面粗糙度及自相关长度与散射率之间的关系式包括以下步骤：
5.根据权利要求1所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤3获得预测值后可与标定值进行误差分析。
6.根据权利要求1或4所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤3中，通过增加对两个入射角度下表面粗糙度和自相关长度的采样数量，可提高待测光学元件的表面粗糙度和自相关长度的预测精度。
【技术特征摘要】
1.一种超光滑光学元件表面特性参数预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤1中gbk标量散射模型中的归一化因子k通过数值拟合方法修正为拟合因子，则k表示为：
3.根据权利要求1或2所述的一种超光滑光学元件表面特性参数预测方法，其特征在于：步骤1在建立gbk模型后，可通过rr模型和mbk模型校验。
4.根据权利要求1所述的一种超光滑光学元件表面特性...
【专利技术属性】
技术研发人员：张彬，刘春江，张耘豪，钟哲强，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。