CN116765646A - 一种加工周期性微结构的五轴振镜激光精密加工方法 - Google Patents

Abstract

本发明提供了加工周期性微结构的五轴振镜激光精密加工方法：S1：选择合适的微结构类型和微结构材料；S2：利用光学设计和模拟软件依据性能指标和光学原理设计周期性微结构参数并验证可行性；S3：根据关键结构参数构建周期性微结构三维模型并导入五轴振镜激光加工装置中；S4：依据周期性微结构模型的二维特征点位置，计算加工装置控制X、Y、α和β的振镜偏转角度；S5：计算特征点相对初始点的振镜偏转角度的变化值，引入智能算法依据变化值之和的最小值进行合适的激光路径规划；S6：改变Z轴进行逐层扫描，并重复所述步骤S5；S7：收集实验加工相关参数与周期性微结构性能测试结果。

Description

一种加工周期性微结构的五轴振镜激光精密加工方法

技术领域

本发明属于激光精密制造技术和激光加工路径规划，尤其涉及加工周期性微结构的五轴振镜激光精密加工方法与装置。

背景技术

周期性微结构常用于光学元件或功能表面等，尤其周期性微结构光学元件可以进行光谱分析、光学衍射、调制和显示等，常用于光谱仪、激光器和光学通讯等领域内，对其制造效率和精度有极高的要求。常见的精密制造技术，包括光刻、激光刻蚀、电子束刻蚀、离子束刻蚀、干法刻蚀和湿法刻蚀等已广泛应用于周期性微结构精密制造。然而随着检测和测量手段不断进步，对光学元件的要求越来越严格。近年来，许多科研人员对周期性微结构精密高效加工工艺进行了探究，提高其加工效率和精度，但由于工艺过程复杂，严重限制了其在实际生产应用。为了实现周期性微结构的精密加工，科研人员通常使用光刻胶覆盖在基底上，通过光刻曝光和化学腐蚀等步骤将微结构的图案转移到基底上，然而光刻工艺影响因素较多且步骤相对繁琐，价格昂贵且耗时不易大面积批量生产。也有科研人员使用电子束和离子束的加工方式进行周期性微结构精密加工，但他们通常由较高的加工精度，但对加工环境有较为苛刻的要求且加工效率较低，加工的物理和化学过程相对复杂，无法有效实现周期性微结构快速制作。

激光直写可以在较短的时间内制作出周期性微结构，不需要制作光刻掩膜和进行多道光刻步骤，结合超快激光加工时不会给焦点周围材料带来热影响的冷加工优势，可以减少制作周期和成本，大大提高良品率。但目前激光加工装置大部分依旧是三轴加工或者结合可移动的平台台实现五轴加工，加工精度有限且加工效率较低。因此，目前常见的周期性微结构制造方法和装置在加工精度和效率等方面均有待提升。

发明内容

针对上述问题，本发明提供了加工周期性微结构的五轴振镜激光精密加工方法，包括如下步骤：

S1：依据具体应用环境和性能需求选择合适的微结构类型和微结构材料；

S2：针对所述微结构类型和材料，利用光学设计和模拟软件依据性能指标和光学原理设计周期性微结构参数并验证可行性；

S3：根据关键结构参数构建周期性微结构三维模型并导入五轴振镜激光加工装置中；

S4：依据周期性微结构模型的二维特征点位置，计算加工装置控制X、Y、α和β的振镜偏转角度；

S5：随机确定一特征点为初始点，并分别计算其他特征点相对初始点的振镜偏转角度的变化值，引入智能算法依据变化值之和的最小值进行合适的激光路径规划；

S6：改变Z轴进行逐层扫描，并重复所述步骤S5；

S7：收集实验加工相关参数与周期性微结构性能测试结果，将材料、激光加工工艺和结构参数与周期性微结构性能指标利用深度学习模型训练并构建对应映射关系，为周期性微结构精密加工提供指导。

在一较佳实施例中：所述微结构类型包括正锥度微槽、负锥度微槽、微金字塔、微半球、微锥、微棱台和微圆柱。

在一较佳实施例中：所述微结构材料包括石英玻璃、铝、银、硅、液晶材料、聚合物材料和陶瓷。

在一较佳实施例中：所述周期性微结构参数包括周期、间距、形状、深度、衍射效率、角度灵敏度和光谱分辨率；

光学设计和模拟软件包括：Zemax、FRED、CODE V和LightTools。

在一较佳实施例中：所述步骤S4中的振镜偏转角度依据激光倾角逆向计算得到，所述激光倾角通过计算光轴与被加工点的相对位置角度差而确定。

在一较佳实施例中：所述步骤S5中的智能算法指粒子群或改进粒子群算法，利用所述智能算法寻找每层特征点振镜偏转角度变化值和最小的路径，规划为该层的激光加工路径。

在一较佳实施例中：在所述粒子群算法中，通过模拟鸟群的行为来搜索最优路径，每个候选路径当作粒子，通过适应度函数衡量是否为最优路径，它们在每层特征点中移动，并根据自身的经验和邻居粒子的经验进行调整。

在一较佳实施例中：所述改进粒子群算法中优化了所述粒子群算法中的粒子速度、位置的更新策略和权重搜索方法；

所述改进粒子群算法中，通过计算粒子与其他粒子之间的距离并记录粒子间最大距离，利用迭代次数计算1个阈值，当粒子a与粒子b的距离和最大距离比值大于阈值时，采用PSO速度和位置更新方法；当粒子a与粒子b的距离的最大距离比值小于阈值时，认定粒子b属于当前粒子的邻域，速度v和位置x更新公式为：

x(t+1)＝x(t)+v(t+1)

其中t是当前迭代次数；c₁、c₂、c₃分别代表学习因子，分别优选为2、2和1.5；p、g、l分别代表历史、邻域内和全局最优。

所述的权重搜索方法优化了粒子群算法中权重ω不变的情况，改进粒子群算法中权重ω采用S形函数递减，避免粒子困在局部极值点，表示为：

其中e是控制系数，优选为13；ω_max和ω_min是权重最大值和最小值；t_max代表最大迭代次数。

在一较佳实施例中：所述深度模型是以下模型其中一种，包括自动编码器(AE)、卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)及对应的改进模型。

在一较佳实施例中：所述五轴振镜激光加工装置包括：激光发生器、扩束模块、五轴振镜模块、场镜、同轴吸尘器、多叉夹具、五轴协同控制器和操作软件；

所述扩束模块用于减小激光发射器发出激光的光束发散角；所述五轴振镜模块包括光束偏转模块和光束扫描模块，光束偏转模块通过光学元件协同配合控制五轴激光的光束相对光轴α和β的偏转；光束扫描通过两个振镜实现五轴激光的X和Y平面扫描；

所述场镜用于实现平坦的扫描视场；所述的同轴吸尘器用于清理加工时产生的粉层防止污染被加工件

所述多叉夹具包括一个保护外壳和四个不同方向的叉状夹，四个叉状夹通过四个大螺杆控制其位置，每个叉状夹中包括一层可上下移动的夹片，通过三个小螺杆控制其高度，所述的叉状夹和夹片表面都贴有橡胶垫。

相较于现有技术，本发明的技术方案具备以下有益效果：

1.本发明提供的加工周期性微结构的五轴振镜激光精密加工方法，依据具体应用环境和性能需求选择合适的微结构类型和材料；利用光学设计和模拟软件依据性能指标和光学原理设计周期性微结构参数并验证可行性；根据关键结构参数构建周期性微结构三维模型并导入五轴振镜激光加工装置中；依据周期性微结构的二维特征点位置，计算加工装置控制X、Y、α和β的振镜偏转角度；随机确定一特征点为初始点，并分别计算其他特征点相对初始点的振镜偏转角度的变化值，引入智能算法依据变化值和最小进行合适的激光路径规划；改变Z轴进行逐层扫描，并重复上一步骤；收集实验加工相关参数与周期性微结构性能测试结果，将材料、激光加工工艺和结构参数与周期性微结构性能指标利用深度学习模型训练并构建对应映射关系，提高加工效率和精度同时为周期性微结构精密加工工艺提供准确指导，大大提高了本发明方法的适用性。

2.本发明提供的加工周期性微结构的五轴振镜激光精密加工方法，设计的多叉夹具的叉状夹和夹片表面都贴有橡胶垫，保证被加工件稳定夹持和表面保护；将激光倾角融入规划好的激光加工路径中确保不同位置结构的加工一致性，大大提高了加工效率和工艺完整性。

3.本发明提供的加工周期性微结构的五轴振镜激光精密加工方法，激光路径规划中将振镜偏转角度的变化值之和的最小值作为主要规划依据，合理规划能耗最小的加工路径；引入了智能算法，针对常见的PSO算法进行了优化改进，优化了PSO的粒子速度、位置的更新策略和权重搜索方法，利用S形函数进行权重搜索，避免粒子陷入局部极点，实现激光加工路径的更快规划；而传统的加工路径依据二维特征点进行人为选择自左向右或自上而下等有序规律加工，未考虑激光振镜偏转能耗。

4.本发明提供的加工周期性微结构的五轴振镜激光精密加工方法，使用合适的激光进行加工，避免了加工过程中较大的热影响和损伤，大大提高了加工精度；激光直接加工避免了刻蚀或特殊加工环境等繁琐的要求，有效地提高了本发明的实用性和广泛性。

附图说明

图1是本发明加工周期性微结构的五轴振镜激光精密加工方法流程图；

图2是不同周期性微结构的三维模型；

图3是五轴振镜激光加工装置示意图；

图4是五轴振镜加工特点示意图；

图5是五轴振镜激光加工装置夹具示意图；

图6是激光倾角及偏移计算策略；

图7是传统加工路径与新路径方法对比图；

图8是IPSO算法优化激光路径规划流程图；

图9是IPSO算法权重更新函数特点。

具体实施方式

下面结合附图1、图2、图3、图4、图5、图6、图7、图8和图9及实施例，对本发明做进一步详细说明。

周期性微结构常用于光学元件或功能表面等，尤其周期性微结构光学元件可以进行光谱分析、光学衍射、调制和显示等，常用于光谱仪、激光器和光学通讯等领域内，对其制造效率和精度有极高的要求，现有工艺和加工过程复杂，严重限制了其在实际生产应用。本发明提供加工周期性微结构的五轴振镜激光精密加工方法与装置，通过将激光倾角融入规划好的激光加工路径中确保不同位置结构的加工一致性，激光路径规划中将振镜偏转角度的变化值之和的最小值作为主要规划依据，合理规划能耗最小的加工路径，并利用IPSO算法优化激光加工路径，采集加工过程中和周期性微结构的性能测试的关键参数完成相应映射关系的构建，最终有效实现周期性微结构精密加工。

为此，本实施例提供了加工周期性微结构的五轴振镜激光精密加工方法，包括如下步骤：

步骤一：依据具体应用环境和性能需求选择合适的微结构类型和材料，如图2所示；

微结构类型为正锥度微槽、负锥度微槽、微金字塔、微半球、微锥、微棱台和微圆柱等，但不限于上述微结构类型；

微结构材料包括石英玻璃、铝、银、硅、液晶材料、聚合物材料和陶瓷等，但不限于上述材料；

选择时需要考虑多个因素，包括材料的光学性质、机械性能、化学稳定性和制备成本等，但不限于上述因素。

步骤二：针对所述步骤一的微结构类型和材料，利用光学设计和模拟软件依据性能指标和光学原理设计周期性微结构参数并验证可行性；

关键参数为周期、间距、形状、深度、衍射效率、角度灵敏度和光谱分辨率等，但不限于上述关键参数；

仿真软件为Zemax、FRED、CODE V和LightTools等，但不限于上述光学仿真软件，依据周期性微结构关键参数利用光学仿真软件合理设计并优化微结构的相关结构参数，当作激光加工指导依据。

步骤三：根据关键结构参数构建周期性微结构三维模型并导入五轴振镜激光加工装置中；

导入五轴振镜激光加工装置中的三维模型需为STL或DWG格式，所述三维模型的参数需与步骤二的周期性微结构的相关结构参数一致，尽可能保证加工结果和理想结构的相同性；

五轴振镜激光加工装置如图3所示，由激光发生器1、扩束模块2、五轴振镜模块3、场镜4、同轴吸尘器5、多叉夹具6、五轴协同控制器7和操作软件8等组成；

激光发生器1的脉冲持续时间在纳秒至飞秒量级，依据合适的周期性微结构材料选择不同且合适的输出波长的激光器，包括紫外、可见光和红外激光器；

扩束模块2用于减小光束发散角、改善光束质量同时调整光束焦距控制五轴激光的Z轴；

五轴振镜模块3包括光束偏转模块和光束扫描模块，光束偏转模块通过光学元件协同配合控制五轴激光的光束相对光轴α和β的偏转；光束扫描通过两个振镜实现五轴激光的X和Y平面扫描。

场镜4用于实现平坦的扫描视场；同轴吸尘器5用于清理加工时产生的粉层防止污染被加工件。

如图5所示多叉夹具6包括一个保护外壳61和四个不同方向的叉状夹63，四个叉状夹通过四个大螺杆62控制其位置，每个叉状夹62中包括一层可上下移动的夹片64，通过三个小螺杆65控制其高度；所述的叉状夹63和夹片64表面都贴有橡胶垫，保证周期性微结构被加工时稳定夹持和表面保护。

步骤四：依据周期性微结构模型的二维特征点位置，计算加工装置控制X、Y、α和β的振镜偏转角度；

振镜偏转角度依据激光倾角逆向计算得到，如图6所示所述的激光倾角通过计算光轴与被加工点的相对位置角度差而确定；

光束偏移距离d2＝(f+h)*tan(θ)；激光倾角θ＝arctan(d1/θ)。

步骤五：随机确定一特征点为初始点，并分别计算其他特征点相对初始点的振镜偏转角度的变化值，引入智能算法依据变化值之和的最小值进行合适的激光路径规划；

智能算法指粒子群(PSO)或改进粒子群算法(IPSO)，利用智能算法寻找每层特征点振镜偏转角度变化值和最小的路径，规划为该层的激光加工路径如图7所示；

PSO通过模拟鸟群的行为来搜索最优路径，每个候选路径当作粒子，通过适应度函数衡量是否为最优路径，它们在每层特征点中移动，并根据自身的经验和邻居粒子的经验进行调整；IPSO优化了PSO的粒子速度、位置的更新策略和权重搜索方法，可以更快的规划路径，如图8所示；

粒子速度、位置的更新策略是计算粒子与其他粒子之间的距离并记录粒子间最大距离，利用迭代次数计算1个阈值，当粒子a与粒子b的距离和最大距离比值大于阈值时，采用PSO速度和位置更新方法；当粒子a与粒子b的距离的最大距离比值小于阈值时，认定粒子b属于当前粒子的邻域，速度v和位置x更新公式为：

x(t+1)＝x(t)+v(t+1)

其中t是当前迭代次数；c₁、c₂、c₃分别代表学习因子，分别优选为2、2和1.5；p、g、l分别代表历史、邻域内和全局最优；

权重搜索方法优化了PSO中权重ω不变的情况，如图9所示，IPSO中权重ω采用S形函数递减，避免粒子困在局部极值点，更新公式为：

其中e是控制系数，优选为13；ω_max和ω_min是权重最大值和最小值；t_max代表最大迭代次数。

步骤六：改变Z轴进行逐层扫描，并重复步骤五；

逐层扫描代表对所述的三维模型进行纵向切片，改变Z轴进行至上而下扫描加工。

步骤七：收集实验加工相关参数与周期性微结构性能测试结果，将材料、激光加工工艺和结构参数与周期性微结构性能指标利用深度学习模型训练并构建对应映射关系，为周期性微结构精密加工提供指导；

周期性微结构性能测试包括加工尺寸、加工质量、分辨能力和衍射效率等，其中实验对应数据要尽可能多，用于训练深度模型并保证模型的准确性和鲁棒性；

深度学习模型包括自动编码器(AE)、卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)及对应的改进模型；其中利用深度学习模型构建的准确的映射关系，结合周期性微结构性能需求和五轴振镜激光加工特点更快地设计合理的周期性微结构及其材料，有效实现周期性微结构精密加工。

本发明提供的加工周期性微结构的五轴振镜激光精密加工方法与装置，依据具体应用环境和性能需求选择合适的微结构类型和材料；利用光学设计和模拟软件依据性能指标和光学原理设计周期性微结构参数并验证可行性；根据关键结构参数构建周期性微结构三维模型并导入五轴振镜激光加工装置中；依据周期性微结构的二维特征点位置，计算加工装置控制X、Y、α和β的振镜偏转角度；随机确定一特征点为初始点，并分别计算其他特征点相对初始点的振镜偏转角度的变化值，引入智能算法依据变化值和最小进行合适的激光路径规划；改变Z轴进行逐层扫描，并重复上一步骤；收集实验加工相关参数与周期性微结构性能测试结果，将材料、激光加工工艺和结构参数与周期性微结构性能指标利用深度学习模型训练并构建对应映射关系，提高加工效率和精度同时为周期性微结构精密加工工艺提供准确指导，大大提高了本发明方法的适用性。

本发明的五轴振镜激光精密加工装置包括：激光发生器、扩束模块、五轴振镜模块、场镜、同轴吸尘器、多叉夹具、五轴协同控制器和操作软件等，设计的多叉夹具的叉状夹和夹片表面都贴有橡胶垫，保证被加工件稳定夹持和表面保护；将激光倾角融入规划好的激光加工路径中确保不同位置结构的加工一致性，大大提高了加工效率和工艺完整性。

传统加工路径依据二维特征点进行人为选择自左向右或自上而下等有序规律加工，未考虑激光振镜偏转能耗，本发明的激光路径规划中将振镜偏转角度的变化值之和的最小值作为主要规划依据，合理规划能耗最小的加工路径；引入了智能算法，针对常见的PSO算法进行了优化改进，优化了PSO的粒子速度、位置的更新策略和权重搜索方法，利用S形函数进行权重搜索，避免粒子陷入局部极点，实现激光加工路径的更快规划；

本发明使用合适的激光进行加工，避免了加工过程中较大的热影响和损伤，大大提高了加工精度；激光直接加工避免了刻蚀或特殊加工环境等繁琐的要求，有效地提高了本发明的实用性和广泛性。

以上所述，仅为本发明较佳的具体实施方式，但本发明的设计构思并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，利用此构思对本发明进行非实质性的改动，均属于侵犯本发明保护范围的行为。

Claims (10)

1.加工周期性微结构的五轴振镜激光精密加工方法，其特征在于包括如下步骤：

S1：依据具体应用环境和性能需求选择合适的微结构类型和微结构材料；

S2：针对所述微结构类型和材料，利用光学设计和模拟软件依据性能指标和光学原理设计周期性微结构参数并验证可行性；

S3：根据关键结构参数构建周期性微结构三维模型并导入五轴振镜激光加工装置中；

S4：依据周期性微结构模型的二维特征点位置，计算加工装置控制X、Y、α和β的振镜偏转角度；

S5：随机确定一特征点为初始点，并分别计算其他特征点相对初始点的振镜偏转角度的变化值，引入智能算法依据变化值之和的最小值进行合适的激光路径规划；

S6：改变Z轴进行逐层扫描，并重复所述步骤S5；

S7：收集实验加工相关参数与周期性微结构性能测试结果，将材料、激光加工工艺和结构参数与周期性微结构性能指标利用深度学习模型训练并构建对应映射关系，为周期性微结构精密加工提供指导。

2.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述微结构类型包括正锥度微槽、负锥度微槽、微金字塔、微半球、微锥、微棱台和微圆柱。

3.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述微结构材料包括石英玻璃、铝、银、硅、液晶材料、聚合物材料和陶瓷。

4.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述周期性微结构参数包括周期、间距、形状、深度、衍射效率、角度灵敏度和光谱分辨率；

光学设计和模拟软件包括：Zemax、FRED、CODE V和LightTools。

5.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述步骤S4中的振镜偏转角度依据激光倾角逆向计算得到，所述激光倾角通过计算光轴与被加工点的相对位置角度差而确定。

6.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述步骤S5中的智能算法指粒子群或改进粒子群算法，利用所述智能算法寻找每层特征点振镜偏转角度变化值和最小的路径，规划为该层的激光加工路径。

7.根据权利要求6所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：在所述粒子群算法中，通过模拟鸟群的行为来搜索最优路径，每个候选路径当作粒子，通过适应度函数衡量是否为最优路径，它们在每层特征点中移动，并根据自身的经验和邻居粒子的经验进行调整。

8.根据权利要求6所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述改进粒子群算法中优化了所述粒子群算法中的粒子速度、位置的更新策略和权重搜索方法；

所述改进粒子群算法中，通过计算粒子与其他粒子之间的距离并记录粒子间最大距离，利用迭代次数计算1个阈值，当粒子a与粒子b的距离和最大距离比值大于阈值时，采用PSO速度和位置更新方法；当粒子a与粒子b的距离的最大距离比值小于阈值时，认定粒子b属于当前粒子的邻域，速度v和位置x更新公式为：

x(t+1)＝x(t)+v(t+1)

其中t是当前迭代次数；c₁、c₂、c₃分别代表学习因子，分别优选为2、2和1.5；p、g、l分别代表历史、邻域内和全局最优。

所述的权重搜索方法优化了粒子群算法中权重ω不变的情况，改进粒子群算法中权重ω采用S形函数递减，避免粒子困在局部极值点，表示为：

其中e是控制系数，优选为13；ω_max和ω_min是权重最大值和最小值；t_max代表最大迭代次数。

9.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述深度模型是以下模型其中一种，包括自动编码器(AE)、卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)及对应的改进模型。

10.根据权利要求1所述的加工周期性微结构的五轴振镜激光精密加工方法，其特征在于：所述五轴振镜激光加工装置包括：激光发生器、扩束模块、五轴振镜模块、场镜、同轴吸尘器、多叉夹具、五轴协同控制器和操作软件；

所述扩束模块用于减小激光发射器发出激光的光束发散角；所述五轴振镜模块包括光束偏转模块和光束扫描模块，光束偏转模块通过光学元件协同配合控制五轴激光的光束相对光轴α和β的偏转；光束扫描通过两个振镜实现五轴激光的X和Y平面扫描；

所述场镜用于实现平坦的扫描视场；所述的同轴吸尘器用于清理加工时产生的粉层防止污染被加工件

所述多叉夹具包括一个保护外壳和四个不同方向的叉状夹，四个叉状夹通过四个大螺杆控制其位置，每个叉状夹中包括一层可上下移动的夹片，通过三个小螺杆控制其高度，所述的叉状夹和夹片表面都贴有橡胶垫。