為了實(shí)現(xiàn)對(duì)拼接鏡整體幅面的共相位誤差的快速檢測,通過Zemax建立相位測量裝置,數(shù)值模擬拼接鏡的傾斜誤差檢測過程。使用基于主成分分析(PCA)、偏最小二乘回歸(PLSR)的機(jī)器學(xué)習(xí)算法,替代傳統(tǒng)的相位重建方法,從探測面強(qiáng)度分布圖中提取傾斜誤差。預(yù)測結(jié)果表明,在單元情況下對(duì)12個(gè)樣本的傾斜角進(jìn)行預(yù)測,傾斜角預(yù)測值與真實(shí)值間的均方根誤差(RMSE)約為0.000 29;在多元情況下,傾角的RMSE均維持在0.000 3以下�？梢�,在兩種情況下,傾角的RMSE參量值均小于傾斜步長。因此,利用機(jī)器學(xué)習(xí)算法可以實(shí)現(xiàn)對(duì)傾角步長為0.000 5°的傾斜誤差的預(yù)測,與相位差波前檢測等傳統(tǒng)方法相比,該方法能大幅提高預(yù)測速度,明顯降低傳統(tǒng)波前重建算法復(fù)雜度。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖5單元機(jī)器學(xué)習(xí)框架計(jì)算思路

單元件傾斜是指每次只有一個(gè)子鏡傾斜。為了構(gòu)建適合預(yù)測子鏡傾斜角的機(jī)器學(xué)習(xí)框架,將PCA算法和PLSR算法組合起來。當(dāng)只有一個(gè)子鏡傾斜時(shí),依次調(diào)用PCA算法和PLSR算法,進(jìn)行一次計(jì)算。因此,預(yù)測思路如圖5所示。在預(yù)測分析中,使用了168個(gè)訓(xùn)練樣本,并從中隨機(jī)選取12個(gè)作為測試樣本....

圖6單元件傾斜時(shí)探測面彌散斑分布

其中n是預(yù)測樣本的數(shù)量;p(i)是通過機(jī)器學(xué)習(xí)預(yù)測的第i個(gè)樣本的傾角預(yù)測值;t(i)是第i個(gè)樣本的傾角真實(shí)值。由公式(1)可知,表1中的傾角的預(yù)測值與真實(shí)值之間的RMSE僅為0.00029,小于傾角步長0.0005°�？梢钥闯�,該框架完全可以實(shí)現(xiàn)在單元情況下對(duì)0.000....

圖7多元機(jī)器學(xué)習(xí)框架計(jì)算思路

多元件傾斜是指同時(shí)有多個(gè)子鏡傾斜。由于有多個(gè)子鏡同時(shí)傾斜,為了成功預(yù)測拼接鏡的傾斜誤差,需要對(duì)PCA算法和PLSR算法的組合進(jìn)行多次循環(huán)計(jì)算,比如當(dāng)有2個(gè)子鏡同時(shí)傾斜時(shí),需循環(huán)2次;3個(gè)子鏡同時(shí)傾斜時(shí),需循環(huán)3次。因此,預(yù)測思路如圖7所示。為了找到合理的訓(xùn)練樣本數(shù)量,我們研究了預(yù)....

圖8預(yù)測精度與樣本數(shù)量的關(guān)系

利用表2、3和4中的數(shù)據(jù),通過公式(1)計(jì)算出傾角預(yù)測值和真實(shí)值之間的RMSE。我們發(fā)現(xiàn),當(dāng)同時(shí)有2個(gè)、3個(gè)和4個(gè)子鏡傾斜時(shí),傾角預(yù)測值與真實(shí)值間的RMSE都維持在0.0003以下,小于傾角步長0.0005°�？梢钥闯�,該框架完全可以在多元情況下實(shí)現(xiàn)對(duì)0.0005°傾斜步長....

本文編號(hào)：3909723