买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

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

摘要：本发明涉及光学加工技术领域，尤其涉及一种基于神经网络的计算大口径光学元件抛光驻留时间方法，首先获得离散化的待加工工件的初始面形残差、去除函数以及抛光轨迹上的驻留点；将初始面形残差转换为符合驻留点分布的第一面形差，由去除函数和全一驻留时间矩阵计算的第二面形差；根据初始面形残差和去除函数计算在所有的驻留点的驻留时间分布；利用第一面形差、第二面形差和驻留时间分布对构建的双通道卷积神经网络进行训练，得到驻留时间预测网络模型；最后利用此网络模型对新的待加工工件加工的驻留时间分布进行预测；本发明利用神经网络挖掘面形残差、去除函数、抛光轨迹和驻留时间分布的内在关系，进而实现迅速获得待加工工件驻留时间分布。

主权项：1.一种基于神经网络的计算大口径光学元件抛光驻留时间方法，其特征在于：具体包括以下步骤：步骤S1：通过干涉仪测量待加工工件的面形，获得所述待加工工件上离散化的初始面形残差；并根据所述待加工工件的面形采样尺寸设置抛光轨迹，以及设置所述抛光轨迹上的驻留点；步骤S2：对所述待加工工件的同材料的实验工件进行单点加工，并测得所述实验工件上离散化的去除函数；步骤S3：将所述初始面形残差转换为符合所述驻留点的分布的第一面形差；以及由所述去除函数和全一驻留时间矩阵计算第二面形差；以及根据所述初始面形残差和所述去除函数计算在所有的驻留点的实际驻留时间分布；在所述步骤S3中，所述第一面形差的求解过程为：计算所述初始面形残差上的每个离散面形点与每个驻留点的距离为： ；其中，表示每个离散面形点的位置坐标，表示所述离散面形点的点数；表示每个驻留点的位置坐标，表示所述驻留点的点数；表示第i个离散面形点与第j个驻留点之间的距离；进而通过下式将所述初始面形残差转换为所述第一面形差： ；其中，表示第j个驻留点的第一面形差，表示第i个离散面形点的初始面形残差；所述第二面形差的求解过程为：将所述去除函数与所述全一驻留时间矩阵做二维卷积得到所述第二面形差，即： ；其中，表示第j个驻留点的第二面形差，表示离散二维卷积操作，返回值的大小与所述离散二维卷积操作中的第一个参数大小一致；表示去除函数，表示所述去除函数的点数，此时表示所述实验工件上位置处的去除率分布，表示所述全一驻留时间矩阵，即： 根据所述初始面形残差和所述去除函数构建驻留时间求解矩阵并得到所有的驻留点的实际驻留时间分布，即： ；其中，，，；表示第j个驻留点的驻留时间分布，表示在所述待加工工件上第j个驻留点处的去除函数对第i个离散面形点的去除率；在计算所述驻留时间求解矩阵的过程中，设定最优化目标为： ；其中，，，； 表示最优化目标函数，表示正则化因子，上式即为在的情况下进行所述最优化目标函数的最小值的求解，得到最终的每个驻留点对应的实际驻留时间分布；步骤S4：更换所述待加工工件并重复所述步骤S1~S3得到第一面形差数据集合、第二面形差数据集合以及实际驻留时间分布数据集合，并利用所述第一面形差数据集合、所述第二面形差数据集合以及所述实际驻留时间分布数据集合对构建的双通道卷积神经网络进行训练，得到驻留时间预测网络模型；步骤S5：更换所述待加工工件并重复所述步骤S1~S3得到当前待加工工件对应的第一面形差和第二面形差，并将当前的第一面形差和第二面形差输入到所述驻留时间预测网络模型中预测得到加工当前待加工工件的预测驻留时间分布。

全文数据：

权利要求：

百度查询： 中国科学院长春光学精密机械与物理研究所 基于神经网络的计算大口径光学元件抛光驻留时间方法