CN111274673B - 基于粒子群优化的光学产品模型优化方法及系统 - Google Patents
基于粒子群优化的光学产品模型优化方法及系统 Download PDFInfo
- Publication number
- CN111274673B CN111274673B CN202010014141.4A CN202010014141A CN111274673B CN 111274673 B CN111274673 B CN 111274673B CN 202010014141 A CN202010014141 A CN 202010014141A CN 111274673 B CN111274673 B CN 111274673B
- Authority
- CN
- China
- Prior art keywords
- optical product
- optical
- simulation model
- particle
- surface type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Abstract
基于粒子群优化的光学产品模型优化方法及系统包括:对仿真模型的结构参数和粒子参数初始化;将热载荷加载至仿真模型,对仿真模型的温度场分析;将结构载荷加载至仿真模型,对应力进行分析得到各个面型位移;据各个面型的位移进行曲率拟合;对仿真模型进行光学分析获取成像质量评价分析结果;基于各个面型的位移、拟合后光学曲率、成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标;将多组光学产品性能评价指标分别输入至粒子群优化算法中训练以得到粒子位置,从该些粒子位置中选出粒子最优位置;判断粒子最优位置是否满足要求,若是结束否则更新粒子参数;基于获取的更新结构参数更新光学产品仿真模型,并再次执行加载操作。
Description
技术领域
本发明涉及工业仿真领域,尤其是涉及光机热联合仿真领域,特别是涉及一种基于粒子群优化的光学产品模型优化方法及系统。
背景技术
在复杂环境中,典型的光机热耦合分析的温度场可以影响表面位移、折射率,进而影响光学镜头的性能,结构载荷以及结构自身的重力载荷也会影响表面位移。一般位移、温度影响和应力影响都会最终拟合成多项式的形式输入为光学面型结果。传统的光机热耦合分析流程,只能评估该工况下对光学系统的影响,并不能优化光学设计,还需要结构、光学等学科工程师的人工经验,才能给出优化方向。
传统的设计优化主要通过工程师的经验进行,项目设计目的是否达到依赖于工程师经验的丰富与否,经验丰富的工程师在设计优化的过程中通常需要持续的使用仿真软件进行模型参数修改、结果分析、再次模型修改、再次结果分析找到满意解,整个过程中有大量的重复性工作,而且多项式拟合对于后期加工改进并没有实质性的修复。
发明内容
本发明针对现有技术存在的问题和不足,提供一种新型的基于粒子群优化的光学产品模型优化方法及系统,在光机热流程的基础上,通过引入粒子群优化控制实现优化设计,可以被广泛用于工业产品设计初期的优化方案选择。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种基于粒子群优化的光学产品模型优化方法,其特点在于,其包括以下步骤:
S1、对光学产品的光学产品仿真模型的结构参数进行多组数值初始化以及对粒子群优化算法中的粒子参数进行初始化,建立结构参数与粒子参数的映射关系;
针对每组数值结构参数对应的光学产品仿真模型:
S2、将热载荷加载至光学产品仿真模型中,对光学产品仿真模型的温度场进行分析以得到温度场分布信息;
S3、将结构载荷和温度场分布信息加载至光学产品仿真模型中,对光学产品仿真模型的应力进行分析,从而得到光学产品仿真模型的各个面型的位移;
S4、根据光学产品仿真模型的各个面型的位移进行光学产品仿真模型的曲率拟合,以得到拟合后的光学曲率;
S5、对光学产品仿真模型进行光学分析,获取成像质量评价分析结果;
S6、基于光学产品仿真模型的各个面型的位移、光学曲率、成像质量评价分析结果建立评价指标代价函数,将步骤S3中的各个面型的位移、步骤S4中的拟合后的光学曲率、步骤S5中的成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标;
S7、将获得的多组数值结构参数对应的光学产品性能评价指标分别输入至粒子群优化算法中进行训练以得到粒子位置,从该些粒子位置中选择出粒子最优位置;
S8、判断粒子最优位置是否满足预先设定要求,若是则进入步骤S12,否则进入步骤S9;
S9、更新粒子群优化算法中的粒子参数;
S10、根据更新的粒子参数和映射关系获取更新的结构参数;
S11、基于更新的结构参数更新光学产品仿真模型,并再次执行步骤S2;
S12、结束流程。
通常,光学产品仿真模型的面型的方程为:
如存在位移dz,则构造光学产品仿真模型的原始面型与拟合后的拟合面型的拟合误差函数f:
其中,x为面型的x轴坐标,y为面型的y轴坐标,k为二次标准曲面系数,c0为原始面型对应的原始光学曲率,dz是面型z轴方向的轴向变化量,c1是拟合后的光学曲率,bz是拟合后的面型z轴方向的轴向平移量,w是有限元网格的权重,S(c0,k,xj,yj)为原始曲面z方向坐标,S(c1,k,xj,yj)为拟合后的曲面z坐标,使用因子迭代算法进行曲率拟合。
较佳地,因子迭代算法为:
S41、初始自然坐标c10、bz0,c10初始值选为c0,bz0初始值选为0,β表示高阶参数;
S42、根据公式(3)计算c1、bz;
S43、判断(c1-c10)≤σ,(bz-bz0)≤σ,σ表示判断参数,若判断出均为是则将c1作为拟合后的光学曲率,否则c10=c1、bz0=bz,重复执行步骤S42和S43。
本发明还提供一种基于粒子群优化的光学产品模型优化系统,其特点在于,其包括初始化模块、第一加载分析模块、第二加载分析模块、曲率拟合模块、光学分析模块、评价模块、训练模块、判断模块、第一更新模块、获取模块和第二更新模块;
所述初始化模块用于对光学产品的光学产品仿真模型的结构参数进行多组数值初始化以及对粒子群优化算法中的粒子参数进行初始化,建立结构参数与粒子参数的映射关系;
针对每组数值结构参数对应的光学产品仿真模型:
所述第一加载分析模块用于将热载荷加载至光学产品仿真模型中,对光学产品仿真模型的温度场进行分析以得到温度场分布信息;
所述第二加载分析模块用于将结构载荷和温度场分布信息加载至光学产品仿真模型中,对光学产品仿真模型的应力进行分析,从而得到光学产品仿真模型的各个面型的位移;
所述曲率拟合模块用于根据光学产品仿真模型的各个面型的位移进行光学产品仿真模型的曲率拟合,以得到拟合后的光学曲率;
所述光学分析模块用于对光学产品仿真模型进行光学分析,获取成像质量评价分析结果;
所述评价模块用于基于光学产品仿真模型的各个面型的位移、光学曲率、成像质量评价分析结果建立评价指标代价函数,将各个面型的位移、拟合后的光学曲率、成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标;
所述训练模块用于将获得的多组数值结构参数对应的光学产品性能评价指标分别输入至粒子群优化算法中进行训练以得到粒子位置,从该些粒子位置中选择出粒子最优位置;
所述判断模块用于判断粒子最优位置是否满足预先设定要求,在为是时结束,在为否时调用第一更新模块更新粒子群优化算法中的粒子参数;
所述获取模块用于根据更新的粒子参数和映射关系获取更新的结构参数;
所述第二更新模块用于基于更新的结构参数更新光学产品仿真模型,并再次调用第一加载分析模块。
通常,光学产品仿真模型的面型的方程为:
如存在位移dz,则构造光学产品仿真模型的原始面型与拟合后的拟合面型的拟合误差函数f:
其中,x为面型的x轴坐标,y为面型的y轴坐标,k为二次标准曲面系数,c0为原始面型对应的原始光学曲率,dz是面型z轴方向的轴向变化量,c1是拟合后的光学曲率,bz是拟合后的面型z轴方向的轴向平移量,w是有限元网格的权重,S(c0,k,xj,yj)为原始曲面z方向坐标,S(c1,k,xj,yj)为拟合后的曲面z坐标,使用因子迭代算法进行曲率拟合。
较佳地,因子迭代算法为:
初始自然坐标c10、bz0,c10初始值选为c0,bz0初始值选为0,β表示高阶参数;
根据公式(3)计算c1、bz;判断(c1-c10)≤σ,(bz-bz0)≤σ,σ表示判断参数,若判断出均为是则将c1作为拟合后的光学曲率,否则c10=c1、bz0=bz,重复计算c1和bz直至满足判断条件。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明通过把曲率拟合和粒子群优化算法引入到光机热耦合分析,从而解决光学设计优化结果可以用于实际工程制造加工,进而实现设计分析的试验制造。可直接用于光机热的设计优化,工程师不再仅仅依靠人工经验优化。
附图说明
图1为本发明较佳实施例的基于粒子群优化的光学产品模型优化方法的流程图。
图2为本发明较佳实施例的基于粒子群优化的光学产品模型优化系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例提供一种基于粒子群优化的光学产品模型优化方法,其包括以下步骤:
S1、对光学产品的光学产品仿真模型的结构参数进行多组数值初始化以及对粒子群优化算法中的粒子参数进行初始化,建立结构参数与粒子参数的映射关系。
针对每组数值结构参数对应的光学产品仿真模型:
S2、将热载荷加载至光学产品仿真模型中,对光学产品仿真模型的温度场进行分析以得到温度场分布信息。
S3、将结构载荷和温度场分布信息加载至光学产品仿真模型中,对光学产品仿真模型的应力进行分析,从而得到光学产品仿真模型的各个面型的位移。
S4、根据光学产品仿真模型的各个面型的位移进行光学产品仿真模型的曲率拟合,以得到拟合后的光学曲率。
光学产品仿真模型的面型的方程为:
如存在位移dz,则构造光学产品仿真模型的原始面型与拟合后的拟合面型的拟合误差函数f:
其中,x为面型的x轴坐标,y为面型的y轴坐标,k为二次标准曲面系数,c0为原始面型对应的原始光学曲率,dz是面型z轴方向的轴向变化量,c1是拟合后的光学曲率,bz是拟合后的面型z轴方向的轴向平移量,w是有限元网格的权重,S(c0,k,xj,yj)为原始曲面z方向坐标,S(c1,k,xj,yj)为拟合后的曲面z坐标,使用因子迭代算法进行曲率拟合。
因子迭代算法为:
S41、初始自然坐标c10、bz0,c10初始值选为c0,bz0初始值选为0,β表示高阶参数;
S42、根据公式(3)计算c1、bz;
S43、判断(c1-c10)≤σ,(bz-bz0)≤σ,σ表示判断参数,若均是结束,否则c10=c1、bz0=bz,重复执行步骤S42和S43。
S5、对光学产品仿真模型进行光学分析,获取成像质量评价分析结果。
S6、基于光学产品仿真模型的各个面型的位移、光学曲率、成像质量评价分析结果建立评价指标代价函数,将步骤S3中的各个面型的位移、步骤S4中的拟合后的光学曲率、步骤S5中的成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标。
S7、将获得的多组数值结构参数对应的光学产品性能评价指标分别输入至粒子群优化算法中进行训练以得到粒子位置,从该些粒子位置中选择出粒子最优位置。
S8、判断粒子最优位置是否满足预先设定要求,若是则进入步骤S12,否则进入步骤S9。
S9、更新粒子群优化算法中的粒子参数。
S10、根据更新的粒子参数和映射关系获取更新的结构参数。
S11、基于更新的结构参数更新光学产品仿真模型,并再次执行步骤S2。
S12、结束流程。
如图2所示,本发明还提供一种基于粒子群优化的光学产品模型优化系统,其包括初始化模块1、第一加载分析模块2、第二加载分析模块3、曲率拟合模块4、光学分析模块5、评价模块6、训练模块7、判断模块8、第一更新模块9、获取模块10和第二更新模块11。
所述初始化模块1用于对光学产品的光学产品仿真模型的结构参数进行多组数值初始化以及对粒子群优化算法中的粒子参数进行初始化,建立结构参数与粒子参数的映射关系。
针对每组数值结构参数对应的光学产品仿真模型:
所述第一加载分析模块2用于将热载荷加载至光学产品仿真模型中,对光学产品仿真模型的温度场进行分析以得到温度场分布信息。
所述第二加载分析模块3用于将结构载荷和温度场分布信息加载至光学产品仿真模型中,对光学产品仿真模型的应力进行分析,从而得到光学产品仿真模型的各个面型的位移。
所述曲率拟合模块4用于根据光学产品仿真模型的各个面型的位移进行光学产品仿真模型的曲率拟合,以得到拟合后的光学曲率。
光学产品仿真模型的面型的方程为:
如存在位移dz,则构造光学产品仿真模型的原始面型与拟合后的拟合面型的拟合误差函数f:
其中,x为面型的x轴坐标,y为面型的y轴坐标,k为二次标准曲面系数,c0为原始面型对应的原始光学曲率,dz是面型z轴方向的轴向变化量,c1是拟合后的光学曲率,bz是拟合后的面型z轴方向的轴向平移量,w是有限元网格的权重,S(c0,k,xj,yj)为原始曲面z方向坐标,S(c1,k,xj,yj)为拟合后的曲面z坐标,使用因子迭代算法进行曲率拟合。
因子迭代算法为:
初始自然坐标c10、bz0,c10初始值选为c0,bz0初始值选为0,β表示高阶参数;
根据公式(3)计算c1、bz;判断(c1-c10)≤σ,(bz-bz0)≤σ,σ表示判断参数,若均是结束,否则c10=c1、bz0=bz,重复计算c1和bz直至满足判断条件。
所述光学分析模块5用于对光学产品仿真模型进行光学分析,获取成像质量评价分析结果。
所述评价模块6用于基于光学产品仿真模型的各个面型的位移、光学曲率、成像质量评价分析结果建立评价指标代价函数,将各个面型的位移、拟合后的光学曲率、成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标。
所述训练模块7用于将获得的多组数值结构参数对应的光学产品性能评价指标分别输入至粒子群优化算法中进行训练以得到粒子位置,从该些粒子位置中选择出粒子最优位置。
所述判断模块8用于判断粒子最优位置是否满足预先设定要求,在为是时结束,在为否时调用第一更新模块9更新粒子群优化算法中的粒子参数。
所述获取模块10用于根据更新的粒子参数和映射关系获取更新的结构参数。
所述第二更新模块11用于基于更新的结构参数更新光学产品仿真模型,并再次调用第一加载分析模块。
本发明提供的基于粒子群优化的光学产品模型优化方法及系统,在光机热流程的基础上,通过引入粒子群优化控制实现优化设计,可以被广泛用于工业产品设计初期的优化方案选择。
本发明为解决人工经验优化问题,把曲率拟合和粒子群优化算法引入到光机热耦合分析中,从而解决光学设计优化结果可以用于实际工程制造加工,进而实现设计分析的试验制造。可直接用于光机热的设计优化,工程师不再仅仅依靠人工经验优化。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (6)
1.一种基于粒子群优化的光学产品模型优化方法,其特征在于,其包括以下步骤:
S1、对光学产品的光学产品仿真模型的结构参数进行多组数值初始化以及对粒子群优化算法中的粒子参数进行初始化,建立结构参数与粒子参数的映射关系;
针对每组数值结构参数对应的光学产品仿真模型:
S2、将热载荷加载至光学产品仿真模型中,对光学产品仿真模型的温度场进行分析以得到温度场分布信息;
S3、将结构载荷和温度场分布信息加载至光学产品仿真模型中,对光学产品仿真模型的应力进行分析,从而得到光学产品仿真模型的各个面型的位移;
S4、根据光学产品仿真模型的各个面型的位移进行光学产品仿真模型的曲率拟合,以得到拟合后的光学曲率;
S5、对光学产品仿真模型进行光学分析,获取成像质量评价分析结果;
S6、基于光学产品仿真模型的各个面型的位移、光学曲率、成像质量评价分析结果建立评价指标代价函数,将步骤S3中的各个面型的位移、步骤S4中的拟合后的光学曲率、步骤S5中的成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标;
S7、将获得的多组数值结构参数对应的光学产品性能评价指标分别输入至粒子群优化算法中进行训练以得到粒子位置,从该些粒子位置中选择出粒子最优位置;
S8、判断粒子最优位置是否满足预先设定要求,若是则进入步骤S12,否则进入步骤S9;
S9、更新粒子群优化算法中的粒子参数;
S10、根据更新的粒子参数和映射关系获取更新的结构参数;
S11、基于更新的结构参数更新光学产品仿真模型,并再次执行步骤S2;
S12、结束流程。
4.一种基于粒子群优化的光学产品模型优化系统,其特征在于,其包括初始化模块、第一加载分析模块、第二加载分析模块、曲率拟合模块、光学分析模块、评价模块、训练模块、判断模块、第一更新模块、获取模块和第二更新模块;
所述初始化模块用于对光学产品的光学产品仿真模型的结构参数进行多组数值初始化以及对粒子群优化算法中的粒子参数进行初始化,建立结构参数与粒子参数的映射关系;
针对每组数值结构参数对应的光学产品仿真模型:
所述第一加载分析模块用于将热载荷加载至光学产品仿真模型中,对光学产品仿真模型的温度场进行分析以得到温度场分布信息;
所述第二加载分析模块用于将结构载荷和温度场分布信息加载至光学产品仿真模型中,对光学产品仿真模型的应力进行分析,从而得到光学产品仿真模型的各个面型的位移;
所述曲率拟合模块用于根据光学产品仿真模型的各个面型的位移进行光学产品仿真模型的曲率拟合,以得到拟合后的光学曲率;
所述光学分析模块用于对光学产品仿真模型进行光学分析,获取成像质量评价分析结果;
所述评价模块用于基于光学产品仿真模型的各个面型的位移、光学曲率、成像质量评价分析结果建立评价指标代价函数,将各个面型的位移、拟合后的光学曲率、成像质量评价分析结果代入评价指标代价函数以获得光学产品性能评价指标;
所述训练模块用于将获得的多组数值结构参数对应的光学产品性能评价指标分别输入至粒子群优化算法中进行训练以得到粒子位置,从该些粒子位置中选择出粒子最优位置;
所述判断模块用于判断粒子最优位置是否满足预先设定要求,在为是时结束,在为否时调用第一更新模块更新粒子群优化算法中的粒子参数;
所述获取模块用于根据更新的粒子参数和映射关系获取更新的结构参数;
所述第二更新模块用于基于更新的结构参数更新光学产品仿真模型,并再次调用第一加载分析模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014141.4A CN111274673B (zh) | 2020-01-07 | 2020-01-07 | 基于粒子群优化的光学产品模型优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014141.4A CN111274673B (zh) | 2020-01-07 | 2020-01-07 | 基于粒子群优化的光学产品模型优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274673A CN111274673A (zh) | 2020-06-12 |
CN111274673B true CN111274673B (zh) | 2021-02-23 |
Family
ID=71001525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010014141.4A Active CN111274673B (zh) | 2020-01-07 | 2020-01-07 | 基于粒子群优化的光学产品模型优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274673B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419408B (zh) * | 2021-07-16 | 2022-09-20 | 中国科学院长春光学精密机械与物理研究所 | 一种光学系统初始结构动态平衡的计算方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373272A (zh) * | 2003-12-01 | 2009-02-25 | Cdm光学有限公司 | 用于优化光学和数字系统设计的系统和方法 |
CN104951628A (zh) * | 2015-07-14 | 2015-09-30 | 无锡沃尔福汽车技术有限公司 | 一种基于多目标优化的发动机热力学仿真模型标定方法 |
CN105132881A (zh) * | 2015-09-08 | 2015-12-09 | 中国科学院光电技术研究所 | 一种用于大口径曲率半径比透镜的光学薄膜膜系设计方法 |
CN105258642A (zh) * | 2015-10-03 | 2016-01-20 | 上海大学 | 基于数字图像相关的实时光学引伸计测量方法 |
CN105637512A (zh) * | 2013-08-22 | 2016-06-01 | 贝斯普客公司 | 用于创造定制产品的方法和系统 |
WO2018116258A2 (en) * | 2016-12-22 | 2018-06-28 | Isotropic Systems Ltd | System and method for providing a compact, flat, microwave lens with wide angular field of regard and wideband operation |
CN108227188A (zh) * | 2018-01-30 | 2018-06-29 | 山东大学 | 一种基于混沌粒子群算法的全随机硅基波导光栅设计方法 |
CN109212968A (zh) * | 2018-08-28 | 2019-01-15 | 北京精密机电控制设备研究所 | 基于代理模型的机电伺服系统多学科联仿与设计优化方法 |
CN110472284A (zh) * | 2019-07-15 | 2019-11-19 | 苏州悦谱半导体有限公司 | 一种粒子群算法优化的快速光学图形修正方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101045A (en) * | 1994-02-14 | 2000-08-08 | Minolta Co., Ltd. | Zoom lens system |
US7778805B2 (en) * | 2005-07-28 | 2010-08-17 | Taiwan Semiconductor Manufacturing Company, Ltd. | Regression system and methods for optical proximity correction modeling |
US9217829B2 (en) * | 2012-11-30 | 2015-12-22 | Coriant Advanced Technology, LLC | Compact and low loss Y-junction for submicron silicon waveguide |
CN109407311B (zh) * | 2018-12-28 | 2021-06-08 | 哈尔滨工业大学 | 一种基于相位差异法的衍射光学成像系统波前反演算法 |
CN110598834A (zh) * | 2019-09-19 | 2019-12-20 | 吉林大学 | 一种双目视觉探测系统结构优化方法 |
-
2020
- 2020-01-07 CN CN202010014141.4A patent/CN111274673B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373272A (zh) * | 2003-12-01 | 2009-02-25 | Cdm光学有限公司 | 用于优化光学和数字系统设计的系统和方法 |
CN105637512A (zh) * | 2013-08-22 | 2016-06-01 | 贝斯普客公司 | 用于创造定制产品的方法和系统 |
CN104951628A (zh) * | 2015-07-14 | 2015-09-30 | 无锡沃尔福汽车技术有限公司 | 一种基于多目标优化的发动机热力学仿真模型标定方法 |
CN105132881A (zh) * | 2015-09-08 | 2015-12-09 | 中国科学院光电技术研究所 | 一种用于大口径曲率半径比透镜的光学薄膜膜系设计方法 |
CN105258642A (zh) * | 2015-10-03 | 2016-01-20 | 上海大学 | 基于数字图像相关的实时光学引伸计测量方法 |
WO2018116258A2 (en) * | 2016-12-22 | 2018-06-28 | Isotropic Systems Ltd | System and method for providing a compact, flat, microwave lens with wide angular field of regard and wideband operation |
CN108227188A (zh) * | 2018-01-30 | 2018-06-29 | 山东大学 | 一种基于混沌粒子群算法的全随机硅基波导光栅设计方法 |
CN109212968A (zh) * | 2018-08-28 | 2019-01-15 | 北京精密机电控制设备研究所 | 基于代理模型的机电伺服系统多学科联仿与设计优化方法 |
CN110472284A (zh) * | 2019-07-15 | 2019-11-19 | 苏州悦谱半导体有限公司 | 一种粒子群算法优化的快速光学图形修正方法 |
Non-Patent Citations (5)
Title |
---|
"Application of particle swarm optimization to the automatic design of optical systems";Christoph Menke;《Optical Design and Engineering VII》;20180605;第106901A-1至10页 * |
"Transferring FEA results to optics";Patrick A. Coronato 等;《Optical Science and Technology, SPIE"s 48th Annual Meeting》;20031027;第1-8页 * |
"一种用于光机热耦合过程中的非线性曲率拟合算法";张克 等;《科技创新与应用》;20190508(第2019年第14期);第37-38页 * |
"应用粒子群算法进行光学自动设计";秦华 等;《计算物理》;20110525;第28卷(第3期);第433-436页 * |
何春雷." 铝合金超精密车削镜面形貌建模与散射分析".《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》.2015,(第2015年第02期),第B022-826页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111274673A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597631B (zh) | 基于自适应代理模型的汽车风阻系数优化方法 | |
KR20050039750A (ko) | 디자인 구성 시험 주기 단축 | |
CN111274673B (zh) | 基于粒子群优化的光学产品模型优化方法及系统 | |
CN109766597B (zh) | 一种考虑几何误差的装配位姿高精度线性化求解方法 | |
CN112149324A (zh) | 一种用于复合材料工装补偿型面仿真验证的快速建模方法 | |
CN113496064B (zh) | 一种数控机床直线度的补偿调整方法 | |
CN111222274B (zh) | 基于单纯形法的光学产品模型优化方法及系统 | |
CN111444619B (zh) | 一种注塑模具冷却系统在线分析方法及设备 | |
CN111241669B (zh) | 基于遗传优化算法的光学产品模型优化方法及系统 | |
WO2023240907A1 (zh) | 基于分数布朗运动的管道建模方法 | |
CN111768435B (zh) | 一种应用于零件自动找正的自适应步长点云配正方法 | |
CN111444614B (zh) | 一种基于图卷积的流场重构方法 | |
US5664064A (en) | Object form division method and system | |
Hariya et al. | Automatic hexahedral mesh generation with feature line extraction | |
CN111210877A (zh) | 一种推断物性参数的方法及装置 | |
CN110059360A (zh) | 一种新型平面结构的设计系统及设计方法 | |
Sun et al. | Analysis and inference of stream of dimensional errors in multistage machining process based on an improved semiparametric model | |
CN111931394B (zh) | 非概率混合可靠度指数的去嵌套分析方法 | |
CN117473873B (zh) | 基于DeepM&Mnet神经网络的核热耦合实现方法 | |
CN115392543B (zh) | 一种结合l21范数和残差级联宽度学习的注塑产品质量预测方法 | |
CN117668406A (zh) | 光学测量装置高度数据处理方法 | |
CN107526879B (zh) | 一种基于ansys参数化设计语言的三维模型梯度有限元求解方法 | |
KR102660361B1 (ko) | 다차원 허용 한계들에 대한 순차적 임베딩 통계적 분석 | |
CN114757073A (zh) | 一种各向异性材料的应力应变分析方法 | |
CN116258072A (zh) | 一种基于拉普拉斯谱的复合材料零件固化状态预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 201206 Shanghai, Pudong New Area, China (Shanghai) free trade zone, new Jinqiao Road, No. 13, building 2, floor 27 Applicant after: Shanghai suochen Information Technology Co., Ltd Address before: 201204 No. 27, Lane 676, Wuxing Road, Pudong New Area, Shanghai Applicant before: SHANGHAI SUOCHEN INFORMATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |