[发明专利]基于径向基函数的可变形反射镜面形控制方法及装置

权利要求书

1.基于径向基函数的可变形反射镜面形控制方法，其特征在于：其包括以下步骤：

(1)输入可变形反射镜结构特性及控制参数，结构特性是与可变形反射镜面形变化相关的特性，控制参数是指控制可变形反射镜在最大行程内工作的相关参数；

(2)输入神经网络训练集的样本数量及分布，神经网络训练集的样本数量为神经网络在训练过程中的训练次数，神经网络训练集的样本的分布是样本所对应的总控制电压在可变形反射镜的总控制电压范围内的分布情况；

(3)根据样本数量及分布，获取神经网络训练集样本，神经网络训练集的样本为可变形反射镜的面形及该面形对应的总控制电压；

(4)处理神经网络训练集样本，获取神经网络训练集元素，神经网络训练集的样本与神经网络训练集的元素相对应，对神经网络训练集的样本进行处理，将各个样本中的可变形反射镜的面形利用径向基函数进行表征，各个面形表征为公式(1)：

其中，z(x,y)是可变形反射镜的面形形状，(x,y)是笛卡尔坐标系坐标，c是顶点曲率，k为二次曲面系数，w_i为系数，为径向基函数，为口径内指向任一方向的向量，为指向径向基函数的中心的向量，|| ||为欧几里德范数，i为径向基函数的数量；

(5)输入神经网络类型；

(6)利用训练集元素，训练神经网络，根据步骤(4)所获取的训练集元素，将可变形反射镜生成的面形的表征参数作为神经网络的输入，将该面形对应的各压电陶瓷的电压作为神经网络的对应输出，对神经网络进行训练，神经网络的训练次数与样本数量一致，最终获得完成训练的神经网络；

(7)验证神经网络训练效果，获取神经网络验证样本，利用径向基函数对验证样本中的可变形反射镜的面形进行表征，从而获得该面形的表征参数；

(8)利用神经网络控制可变形镜生成所需面形，将表征参数作为输入送入完成训练的神经网络，获得对应输出，根据该输出控制可变形镜生成所需面形。

2.根据权利要求1所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(1)中，结构特性包括可变形反射镜的口径、最大行程及压电陶瓷PZT数量，控制参数包括总控制电压范围、各压电陶瓷对应的电压系数。

3.根据权利要求2所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(2)中，神经网络训练集的样本的分布为均匀分布的方式。

4.根据权利要求3所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(3)中，采用面形干涉仪获取可变形反射镜的面形，同时根据样本分布获取该面形对应的总控制电压，根据样本数量及分布，完成神经网络训练集样本的获取。

5.根据权利要求4所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(4)中，采用高斯形式的径向基函数对可变形反射镜的面形进行表征，为公式(2)：

其中ε_i是高斯径向基函数的形状因子，(x_0i,y_0i)是高斯径向基函数的中心点，根据参数c、k、w_i、ε_i及(x_0i,y_0i)确定某一面形，将各个样本中的可变形反射镜的面形利用径向基函数表征后，获得表征该面形的表征参数，将获得的表征参数，作为神经网络训练集元素；同时，根据各个样本中的总控制电压，利用各压电陶瓷电压系数获得各个样本中的面形所对应的各压电陶瓷的电压，作为神经网络训练集元素。

6.根据权利要求5所述的基于径向基函数的可变形反射镜面形控制方法，其特征在于：所述步骤(5)中，神经网络类型采用反向传播神经网络。