本發(fā)明涉及光電檢測的，尤其涉及一種基于深度學(xué)習(xí)的可變形鏡控制方法，以及基于深度學(xué)習(xí)的可變形鏡控制裝置。

背景技術(shù)：

1、可變形鏡(deformable?mirror,dm)，即波前校正器，是自適應(yīng)光學(xué)系統(tǒng)中的核心部件之一，在天文觀測、生物醫(yī)學(xué)、激光光束整形、遠(yuǎn)距離通信、自由曲面檢測等領(lǐng)域都有重要應(yīng)用。

2、可變形鏡主要包含由電壓控制的驅(qū)動器和柔性金屬層構(gòu)成的表面。根據(jù)待補償?shù)拿嫘涡畔⒃O(shè)置控制驅(qū)動器電壓，可以控制dm表面面形來改變波前傳輸?shù)墓獬?，以動態(tài)校正光學(xué)系統(tǒng)波前?？梢娫谏鲜鲞^程中，控制電壓的設(shè)置直接影響了可變形鏡波前修正精度。而可變形鏡自動控制方法的作用則是根據(jù)目標(biāo)面形的特征向量，自動輸出控制電壓。因此，控制方法的精度和效率決定了變形鏡波前補償?shù)木群托?。在自由曲面檢測的應(yīng)用中，可以將待測自由曲面作為目標(biāo)面形輸入控制系統(tǒng)來驅(qū)動可變形鏡，即可使變形鏡作為動態(tài)補償鏡與待測面實現(xiàn)零差干涉，在無需多次更換補償鏡的前提下，實現(xiàn)對自由曲面面形的動態(tài)干涉測量。此時，可變形鏡控制方法的精度和效率也直接決定了自由曲面檢測的精度和效率。

3、根據(jù)上述分析，可變形鏡控制方法的高速率和高精度對可變形鏡的發(fā)展和應(yīng)用需求有重要影響。而現(xiàn)有可變形鏡控制方法難以同時滿足控制精度和效率的要求。常用的可變形鏡控制方法包括優(yōu)化控制方法和基于模型的控制方法兩種。在完全沒有先驗知識時，可以采用搜索優(yōu)化的控制方法，如爬山算法、隨機并行梯度下降算法等。這種方法僅根據(jù)可變形鏡補償效果來優(yōu)化控制電壓，雖然不需要提前建模，但收斂速度慢，因此控制效率很低。為了實現(xiàn)更高的控制效率，往往也采用基于模型的控制方法。然而用傳統(tǒng)方法精確獲取控制模型十分困難。比如，常用的物理建模求解方法包含很多必要的近似條件使精度有限。而用由影響函數(shù)矩陣優(yōu)化求解控制模型的方法，也無法完全表征驅(qū)動器耦合、非線性響應(yīng)等問題，且每次控制都需重新優(yōu)化，耗時長，控制效率較低。因此，一種可以無需近似、無需優(yōu)化獲取控制模型的變形鏡控制方法對高效、高精度控制可變形鏡是必要的。而神經(jīng)網(wǎng)絡(luò)具有強大的擬合復(fù)雜多維非線性函數(shù)的能力，可以直接構(gòu)建高精度的控制模型。模型建立數(shù)據(jù)集的依賴于對數(shù)據(jù)集的擬合學(xué)習(xí)，無需任何近似條件。且訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的控制模型，只要輸入面形數(shù)據(jù)，就可以直接輸出控制電壓，無需優(yōu)化過程。因此，基于神經(jīng)網(wǎng)絡(luò)的控制方法在效率和精度上都有優(yōu)勢。

4、然而現(xiàn)有基于神經(jīng)網(wǎng)絡(luò)的模型只能對以一維向量或信息量較少的二維圖像的輸入數(shù)據(jù)擬合出控制電壓，比如經(jīng)過表征的一維面形特征向量和分布接近的圓形光斑圖像，而缺乏對于分布復(fù)雜且含有充分高頻信息的二維面形數(shù)據(jù)的非線性擬合能力，如復(fù)雜自由曲面的二維干涉數(shù)據(jù)。這也就難以滿足動態(tài)測量自由曲面等對變形鏡控制精度要求的應(yīng)用的實際需要。

技術(shù)實現(xiàn)思路

1、為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明要解決的技術(shù)問題是提供了一種基于深度學(xué)習(xí)的可變形鏡控制方法，其能夠根據(jù)復(fù)雜的二維輸入面形數(shù)據(jù)高效、高精度地控制可變形反射鏡精確的補償待測面，實現(xiàn)復(fù)雜的面形的高精度動態(tài)測量。

2、本發(fā)明的技術(shù)方案是：這種基于深度學(xué)習(xí)的可變形鏡控制方法，其包括以下步驟：

3、(1)采集數(shù)據(jù)集：用多種模式控制可變形鏡，記錄控制電壓作為數(shù)據(jù)集的輸出，用干涉光路測量相應(yīng)控制電壓下可變形鏡變形后的二維干涉數(shù)據(jù)，再通過算法處理去除由裝調(diào)過程的干擾量，以表格形式記錄處理后結(jié)果作為數(shù)據(jù)集的輸入；

4、(2)建立神經(jīng)網(wǎng)絡(luò)控制模型框架：根據(jù)二維信息特征提取效果，選擇合適的卷積網(wǎng)絡(luò)框架充分提取二維面形數(shù)據(jù)中的關(guān)鍵信息，對深層的網(wǎng)絡(luò)模型，引入恒等映射和殘差的運算，以防網(wǎng)絡(luò)退化；

5、(3)充分訓(xùn)練神經(jīng)網(wǎng)絡(luò)控制模型：分階段動態(tài)調(diào)整訓(xùn)練超參數(shù)，觀察損失函數(shù)曲線的收斂狀態(tài)，當(dāng)損失函數(shù)在當(dāng)前階段已經(jīng)收斂后，優(yōu)化設(shè)置下一階段的訓(xùn)練參數(shù)來跳出局部最優(yōu)，提升訓(xùn)練效果和模型訓(xùn)練精度；

6、(4)測試模型控制精度：先確定模型在電壓和面形兩個維度的控制精度指標(biāo)，并通過模型測試和實驗驗證兩個環(huán)節(jié)對模型精度綜合分析，模型測試的電壓精度通過算法分析模型預(yù)測值與真實值的差異確定，實驗驗證的面形精度由真實電壓和預(yù)測電壓驅(qū)動可變形鏡后的面形差異性給出，面形精度結(jié)合對變形鏡的基本特性綜合評估。

7、本發(fā)明依次通過采集數(shù)據(jù)集、選擇并搭建模型、模型訓(xùn)練、模型測試的步驟建立了基于機器學(xué)習(xí)的可變形鏡控制模型，在控制可變形鏡時，無需優(yōu)化，控制效率高；采用卷積網(wǎng)絡(luò)模型直接擬合復(fù)雜分布的二維輸入數(shù)據(jù)與控制電壓的非線性關(guān)系，輸入數(shù)據(jù)無需經(jīng)過特征多項式表征，因此包含更多的高頻信息，有著更大的信息量，更易于實現(xiàn)高精度控制；卷積網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜，更易于擬合復(fù)雜的非線性關(guān)系，使模型控制精度進(jìn)一步提高；因此，本發(fā)明在高精度控制可變形鏡補償復(fù)雜面形和波前中具有優(yōu)勢，能夠根據(jù)復(fù)雜的二維輸入面形數(shù)據(jù)高效、高精度地控制可變形反射鏡精確的補償待測面，實現(xiàn)復(fù)雜的面形的高精度動態(tài)測量。

8、還提供了一種基于深度學(xué)習(xí)的可變形鏡控制裝置，其包括：

9、采集模塊，其配置來用多種模式控制可變形鏡，記錄控制電壓作為數(shù)據(jù)集的輸出，用干涉光路測量相應(yīng)控制電壓下可變形鏡變形后的二維干涉數(shù)據(jù)，再通過算法處理去除由裝調(diào)過程的干擾量，以表格形式記錄處理后結(jié)果作為數(shù)據(jù)集的輸入；

10、建模模塊，其配置來根據(jù)二維信息特征提取效果，選擇合適的卷積網(wǎng)絡(luò)框架充分提取二維面形數(shù)據(jù)中的關(guān)鍵信息，對深層的網(wǎng)絡(luò)模型，引入恒等映射和殘差的運算，以防網(wǎng)絡(luò)退化；

11、訓(xùn)練模塊，其配置來分階段動態(tài)調(diào)整訓(xùn)練超參數(shù)，觀察損失函數(shù)曲線的收斂狀態(tài)，當(dāng)損失函數(shù)在當(dāng)前階段已經(jīng)收斂后，優(yōu)化設(shè)置下一階段的訓(xùn)練參數(shù)來跳出局部最優(yōu)，提升訓(xùn)練效果和模型訓(xùn)練精度；

12、精度控制模塊，其配置來先確定模型在電壓和面形兩個維度的控制精度指標(biāo)，并通過模型測試和實驗驗證兩個環(huán)節(jié)對模型精度綜合分析，模型測試的電壓精度通過算法分析模型預(yù)測值與真實值的差異確定，實驗驗證的面形精度由真實電壓和預(yù)測電壓驅(qū)動可變形鏡后的面形差異性給出，面形精度結(jié)合對變形鏡的基本特性綜合評估。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的可變形鏡控制方法，其特征在于：其包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的可變形鏡控制方法，其特征在于：所述步驟(1)中，控制方式包括多種驅(qū)動器的權(quán)重分配方式和總電壓的限制區(qū)間以產(chǎn)生不同種類和幅度的變形鏡面形，根據(jù)變形鏡驅(qū)動機理和待補償波前的特點進(jìn)行選擇；干涉光路為菲索型干涉光路；算法處理為用zernike多項式的前三項表征面形來確定出平移和傾斜相關(guān)的干擾分量，再將其從原數(shù)據(jù)中減去。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的可變形鏡控制方法，其特征在于：所述步驟(2)中，網(wǎng)絡(luò)具體的結(jié)構(gòu)參數(shù)，根據(jù)擬合精度為目標(biāo)用優(yōu)化算法選擇最優(yōu)參數(shù)。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的可變形鏡控制方法，其特征在于：所述步驟(2)中，網(wǎng)絡(luò)框架選擇殘差網(wǎng)絡(luò)或視覺幾何組網(wǎng)絡(luò)vggnet；優(yōu)化算法選擇遺傳算法或退火算法。

5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的可變形鏡控制方法，其特征在于：所述步驟(3)中，訓(xùn)練超參數(shù)包括學(xué)習(xí)率、學(xué)習(xí)率衰減參數(shù)、優(yōu)化準(zhǔn)則參數(shù)、批訓(xùn)練量的訓(xùn)練參數(shù)。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的可變形鏡控制方法，其特征在于：所述步驟(4)中，電壓精度指標(biāo)用模型輸出值與數(shù)據(jù)集真實值的均方根、平均絕對偏差、相對偏差來表示；面形控制精度指標(biāo)為差異面形的峰峰值pv和均方根rms；基本特性包括可變形鏡的重復(fù)性、穩(wěn)定性。

7.一種基于深度學(xué)習(xí)的可變形鏡控制裝置，其特征在于：其包括：

8.根據(jù)權(quán)利要求7所述的基于深度學(xué)習(xí)的可變形鏡控制裝置，其特征在于：所述采集模塊中，控制方式包括多種驅(qū)動器的權(quán)重分配方式和總電壓的限制區(qū)間以產(chǎn)生不同種類和幅度的變形鏡面形，根據(jù)變形鏡驅(qū)動機理和待補償波前的特點進(jìn)行選擇；干涉光路為菲索型干涉光路；算法處理為用zernike多項式的前三項表征面形來確定出平移和傾斜相關(guān)的干擾分量，再將其從原數(shù)據(jù)中減去。

9.根據(jù)權(quán)利要求8所述的基于深度學(xué)習(xí)的可變形鏡控制裝置，其特征在于：所述建模模塊中，網(wǎng)絡(luò)框架選擇殘差網(wǎng)絡(luò)或視覺幾何組網(wǎng)絡(luò)vggnet；優(yōu)化算法選擇遺傳算法或退火算法。

10.根據(jù)權(quán)利要求9所述的基于深度學(xué)習(xí)的可變形鏡控制裝置，其特征在于:所述精度控制模塊中，電壓精度指標(biāo)用模型輸出值與數(shù)據(jù)集真實值的均方根、平均絕對偏差、相對偏差來表示；面形控制精度指標(biāo)為差異面形的峰峰值pv和均方根rms；基本特性包括可變形鏡的重復(fù)性、穩(wěn)定性。

技術(shù)總結(jié)
基于深度學(xué)習(xí)的可變形鏡控制方法及裝置，能夠根據(jù)輸入的復(fù)雜二維面形數(shù)據(jù)來高效、高精度地控制可變形反射鏡精確地補償待測面，實現(xiàn)復(fù)雜面形的高精度動態(tài)測量。方法包括：(1)采集數(shù)據(jù)集；(2)建立神經(jīng)網(wǎng)絡(luò)控制模型框架；(3)充分訓(xùn)練神經(jīng)網(wǎng)絡(luò)控制模型；(4)測試模型控制精度。

技術(shù)研發(fā)人員：郝群,胡搖,楊舒月
受保護的技術(shù)使用者：北京理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19