基于群智能优化算法的子孔径拼接技术研究

《基于群智能优化算法的子孔径拼接技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号１０５３２号Ｓ１６０２Ｗ０１２７学分类号ＴＨ７４４密级公开＿ＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ工程硕士学位论文基于群智能优化算法的子孔径拼接技术研究学位申请人姓名刘琦峰培养单位机械与运载工程学院导师姓名及职称金滩教授樊利军高工学科专业机械工程研究方向光学检测论文提交日期２０１８年５月１８日学校代号：１０５３２学号：Ｓ１６０２Ｗ０１２７＇密级：公开湖南大学工程硕士学位论文基于群智能优化算法的子孔径拼接技究学位申请人姓名：刘琦峰导师姓名及职称：金滩教授樊利

2、军高工■培养单位■机械与运载工程学院专业名称：机械工程论文提交日期：２０１８年５月１８日论女答辩日期：２０１８年５月２５日答辩委员会主席：尹韶辉教授ＲｅｓｅａｒｃｈｏｎＳｕｂ－ａｅｒｔｕｒｅＳｔｐｉｔｃｈｉｎＴｅｃｈｎｏｌｏＢａｓｅｄｏｎＳｗａｒｍｇｇｙＩｎｔｅｌｌｉｅｎｃｅＯｔｉｍｉｚａｔｉｏｎＡｌｏｒｉｔｈｍｇｐｇＢｙＬＩＵｉｆｅｎＱｇＢ．Ｅ．ＺｈｅｉａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔ２０１６（ｊｇｙ）Ａｔｈｅｓｉｓｓｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆｔｈｅ

3、ｐＲｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｉｎＭｅｃｈａｎｉｃａｌｅｎｉｎｅｅｒｉｎｇｇｉｎｔｈｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｅｒｖｉｓｏｒｓｐＰｒｏｆｅｓｓｏｒＪＩＮＴａｎ＆ＳｅｎｉｏｒＥｎｉｎｅｅｒＦＡＮＬｉｕｎｇｊＭａｙ２０１８，湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研宄成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体

4、己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签曰期：々了月／＆学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索、。，可以采用影印缩印或扫描等复制手段保存和汇编本学位论文本学位论文属于１□、，在解密后适用本授权书。保密年２、不保密Ｖ。“”（请在以上相应方框内打Ｖ）

5、作者签名：日期：＃／知月Ｐ日＃兹屬：Ｔ导师签名：：日期胂ｒ月ｂＭ资ＶＩ基于群智能优化算法的子孔径拼接技术研究摘要随着科学技术的发展，大口径光学元件在高端系统（如航空航天摄像设备、天文望远镜、半导体光刻机、激光诱导核聚变系统等）中的应用越来越广。通常采用根据被测光学元件原始面形数据进行可控补偿加工的计算机数控抛光技术加工这些元件一。其中，面形数据般由高精度的激光干涉仪测量得到。对于大口径光学元件而言，其检测往往要求干涉仪配备比与其口径相等或者更大的标准镜。然而，大口径标准镜制造周期长、成本高；且各系统中大口径光学元件的尺寸逐渐

6、增大，因此采用更大尺寸的标准镜进行干涉测量不符合高效制造与经济制造的要求。子孔径拼接技术采用小口径激光干涉仪对大口径进行全口径扫描拼接以获得大口径面形数据。但是现有拼接算法存在效率低、模型复杂、对机械定位误差较为敏感等问题一。本文提出种基于群智能优化算法的子孔径拼接技术。具有可实现中大型口径的拼接测量、降低检测成本、提高面形精度、降低拼接算法对机械定位误差的敏感程度等优点：。本文的研究工作主要分为以下部分１．对子孔径拼接干涉测量原理进行探讨，建立了子孔径两两拼接的数学模型。对常用的子孔径分类方法与排列方式进行了研宄，根据不同的划分方法与排列方式，推导出

7、了其重叠区面积与所需子孔径个数的关系。通过数理统计的方法推导出了子孔径拼接测量的误差，通过数值模拟的方法研宄了不同拼接模式与不同的重叠系数对子孔径拼接精度的影响。２．Ｃｕ对常用的群智能算法进行了探宄，选择算法优良的布谷鸟算法（ｃｋｏｏＳｅａｒｃｈ，ＣＳ）。研究了将群智能算法应用于子孔径拼接的过程，建立了相对应的适应度函数。在ＣＳ算法基础上，基于种群相似度提出了改进的ＤＣＳ（ＤｙｎａｍｉｃＣｕｃｋｏｏＳｅａｒｃｈ）算法。针对不同的