基于神经网络的光学元件污染层分布预测方法技术

本发明专利技术涉及光学加工技术领域，尤其涉及一种基于神经网络的光学元件污染层分布预测方法。包括：进行n组不同加工参数下的光学元件加工实验，收集工艺参数数据，建立n组数据集；采集和所述工艺参数数据对应的污染层分布数据；将n组数据集按比例分为训练集和测试集，使用训练集对多层感知机神经网络进行训练，得到神经网络预测模型；获取光学元件污染层分布预测任务中新的工艺参数，输入新的工艺参数向量并复制三份，再将三份工艺参数向量分别输入所述神经网络预测模型的三个子网络中，分别输出得到神经网络预测坐标子矩阵、、，再输入至重构模块进行组合，得到预测的污染分布点云数据。优点在于：无需重新制样分析、成本低、反应迅速。

【技术实现步骤摘要】

本专利技术涉及光学加工，尤其涉及一种基于神经网络的光学元件污染层分布预测方法。

技术介绍

1、在强激光系统中，光学元件需要承受极高能量密度的激光光束，这对光学元件的面形精度、表面质量和污染残留都提出了极高的要求。尤其是光学元件的污染残留，在高能量密度激光辐照下会诱导激光损伤发生，降低光学元件寿命，严重的甚至会彻底损毁光学元件，给强激光系统的稳定运行增加相当大的负担。因此，在光学元件后处理过程中必须要去除光学元件加工过程中的污染层，以提高光学元件的激光损失阈值。在使用后处理方法去除污染层之前，需要知道污染层的分布以实现精确的去除。

2、然而，现有的污染层分布确定方法，如tof-sims（静态飞行时间二次离子质谱仪）深度分析方法、xps深度分析方法（x射线光电子能谱仪），只能分析一种加工工艺下（对应一组加工参数）的污染层分布；当改变加工工艺后，又需要重新制样分析来确定污染层分布，这个过程大大增加了光学元件的制造周期。

技术实现思路

1、本专利技术为解决上述问题，提供一种基于神经网络的光学元件污染层分布本文档来自技高网...

【技术保护点】

1.一种基于神经网络的光学元件污染层分布预测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的一种基于神经网络的光学元件污染层分布预测方法，其特征在于：所述三个子网络的损失函数分别为：

3.根据权利要求2所述的一种基于神经网络的光学元件污染层分布预测方法，其特征在于：在所述步骤S3中，当损失函数小于0.0001时停止训练，得到所述神经网络预测模型。

4.根据权利要求3所述的一种基于神经网络的光学元件污染层分布预测方法，其特征在于：所述多层感知机神经网络训练所使用的优化算法为adam算法，步长为0.001，迭代次数为10万次。

5...

【技术特征摘要】

1.一种基于神经网络的光学元件污染层分布预测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的一种基于神经网络的光学元件污染层分布预测方法，其特征在于：所述三个子网络的损失函数分别为：

3.根据权利要求2所述的一种基于神经网络的光学元件污染层分布预测方法，其特征在于：在所述步骤s3中，当损失函数小于0.0001时停止训练，得到所述神经网络预测模型。

4.根据权利要求3所述的一种基于神经网络的光学元件污染层分布预测方法，其特征在于：所述多层感知机神经网络训练所使用的优化算法为adam算法，步长为0.001，迭代次数为10万次。

5.根据权利要求...

【专利技术属性】
技术研发人员：李龙响，李永杰，颜克雄，李兴昶，王乙任，薛栋林，张学军，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：