[发明专利]一种基于点扩散函数的智能光学主动装调方法

权利要求书

1.一种基于点扩散函数的智能光学主动装调方法，其特征在于：包括以下步骤：

S1：依据待装调光学系统各失调自由度的灵敏度，测试并确定系统失调量范围；

S2：随机生成失调量参数，并通过MATLAB与ZEMAX的DDE编程设置随机视场分布，将当前失调量参数输入至待装调光学系统模型中，对模型进行光线追迹，获取并记录当前装调状态下的点扩散函数PSF；

S3：根据点扩散函数椭率计算算法确定点扩散函数在不同视场下的椭率变化，并获得当前椭率的几何参数，包括半径、相位角；

S4：通过对随机目标星源的椭率变化及其参数进行Zernike多项式拟合，获得当前椭率及其参数的Zernike系数，并与当前失调量组成具有对应关系的输入输出数据对；

S5：根据神经网络算法构建Zernike系数与失调量所组成的数据集，并将当前数据集进行标准化处理，获得符合标准正态分布的待训练数据集；

S6：搭建双层人工神经网络，按照神经网络各超参数的灵敏度确定神经网络各超参数范围；

S7：封装模型至自动超参数优化框架中，将待训练数据集输入至当前神经网络，随机生成超参数，对模型进行多次训练与验证，根据损失评价函数，保存该模型并记录其中最优超参数设置；

S8：根据实际失调量参数与当前预测失调量参数，计算该模型的预测准确率；

S9：判断当前超参数设置下的神经网络预测准确率是否小于预设准确率阈值；

S10：若当前预测准确率小于准确率阈值，则根据S6的超参数范围进一步扩大其寻优范围，得到更新后的超参数范围，返回执行S7；

或若当前预测准确率小于准确率阈值，则根据当前超参数设置下的神经网络所计算的失调量参数重新确定系统失调量范围，返回执行S2；

S11：若当前预测准确率大于等于准确率阈值，则将当前超参数设置设为神经网络超参数设置，根据神经网络计算的失调量参数对待装调光学系统进行装调。

2.根据权利要求1所述的一种基于点扩散函数的智能光学主动装调方法，其特征在于：在S1中，定义待装调光学系统各失调自由度若有k个，则可以表示为(α_c1，α_c2，α_c3，……，α_ck)，即需要求解的失调量参数，那么待装调光学系统的失调量范围可以表示为其中，表征第k个失调自由度的失调量范围，为权重因子。

3.根据权利要求2所述的一种基于点扩散函数的智能光学主动装调方法，其特征在于：在S2中，根据待装调光学系统失调量范围生成失调量参数种子其中表示在失调量范围中生成的数目为n的一组失调量参数，则系统整体失调量参数种子可表示为定义待装调光学系统各视场若有m个，(F_c1，F_c2，……，F_cm)，则通过MATLAB与ZEMAX的DDE编程设置仿真实验，不同视场下的一组点扩散函数可以表示为

4.根据权利要求3所述的一种基于点扩散函数的智能光学主动装调方法，其特征在于：在S3中，对待装调光学系统进行仿真实验得到的点扩散函数，通过点扩散函数椭率计算算法求解每个点扩散函数所对应的椭率、相位角以及半径参数，根据n个失调量参数种子在m个不同视场下的点扩散函数，可计算得到椭率、相位角以及半径参数各n*m个，分别表示为

所述点扩散函数椭率计算算法，根据不同视场下的每个点扩散函数可以解算出该点扩散函数图像所对应的椭率、相位角及半径，其计算公式如下：

其中，PSF(x，y)为点扩散函数，x和y是点扩散函数图像上的横坐标与纵坐标，i和j是坐标下标，当i＝x和j＝x时坐标轴取横坐标，即x_i与y_j都表示横坐标；反之，当i＝y和j＝y时坐标取纵坐标，即x_i与y_j都表示纵坐标，e为PSF的椭率，R为PSF半径，θ为PSF的相位角。