(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110534395.3 (22)申请日 2021.05.17 (65)同一申请的已公布的文献号 申请公布号 CN 113326653 A (43)申请公布日 2021.08.31 (73)专利权人 中国工程物理研究院激光聚变 研 究中心 地址 621999 四川省绵阳市绵山路64 号 (72)发明人 黄晚晴　张颖　耿远超　孙喜博　 王芳　刘兰琴　王文义　胡东霞　 (74)专利代理 机构 北京同辉知识产权代理事务 所(普通合伙) 11357 代理人 于晶晶 (51)Int.Cl. G06F 30/27(2020.01)G02B 27/00(2006.01) (56)对比文件 CN 106168712 A,2016.1 1.30 CN 109325464 A,2019.02.12 审查员 王璇 (54)发明名称 一种基于神经网络的离轴三反光学系统的 设计方法 (57)摘要 本发明公开一种基于神经网络的离轴三反 光学系统的设计方法， 包括： 基于用户预先提出 的设计要求构建符合该设计要求的四个参数变 化范围， 基于构建的变化范围中的任意一组作为 第一设计要求； 基于第一设计要求利用预设解析 关系生成第一同轴三反结构数据； 基于生成的第 一同轴三反结构数据以预设步长通过光线追迹 进行逐步离轴得到满足默认边界限制条件的离 轴结构和波前参数； 重复上述方法得到同轴三反 结构数据集和离轴结构参数数据集， 基于获取的 同轴三反结构数据和离轴结构参数作为数据集 训练神经网络； 基于训练后的神经网络， 输入第 二设计要求和第二同轴三反结构数据， 选取RMS 最接近0的一组离轴结构参数数据作为最佳离轴 结构。 权利要求书3页 说明书6页 附图2页 CN 113326653 B 2022.03.29 CN 113326653 B 1.一种基于神经网络的离轴三反光学系统的设计方法， 其特 征在于， 包括： S1、 基于用户预先提出的设计要求构建符合该设计要求的四个参数变化范围， 基于构 建的变化范围中的任意一组作为第一设计要求[ratio,D,M,L]， 其中， 四个参数包括用户对 系统的扩束比rati o， 输入光束口径D， 系统后截距M和系统总长度L四个参数； S2、 基于第一设计要求利用预设解析关系生成第一同轴三反结构数据[R1,R2,R3,L1,L2, K1,K2,K3]， 其中， R1、 R2、 R3分别为三个反射镜的曲率半径， L1为第一反射镜到第二反射镜的 距离， L2为第二反射镜到第三反射镜的距离， K1、 K2、 K3分别为三个反射镜的二次非球面系 数； S3、 基于生成的第一同轴三反结构数据以预设步长通过光线追迹进行逐步离轴得到满 足默认边界限制条件的离轴结构和波前参数[h1,h2,h3,RMS]， 其中， h1、 h2、 h3分别为三个反 射镜的离轴量， RMS为系统的波前RMS值； S4、 重复S1 ‑S3方法N次得到同轴三反结构数据集和离轴结构参数数据集， 基于获取的 同轴三反结构数据和离轴结构参数作为数据集训练神经网络； S5、 基于S4中训练后的神经网络， 输入第二设计要求和第二同轴三反结构数据， 选取 RMS最接近0的一组[R1,R2,R3,L1,L2,K1,K2,K3,h1,h2,h3]， 即为该设计中的最佳离轴结构。 2.根据权利要求1所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， S2中基于第一设计要求利用预设解析关系生成第一同轴三反结构数据的方法包括： S21、 在[1,rati o]之间选择一随机值α1作为第二反射镜对第一反射镜的遮拦比； S22、 α2＝ratio/α1， 其中， α2为第三反射镜对第二反射镜的遮拦比； S23、 F＝M /ratio， F为系统的焦距； S24、 β2＝α1·(1‑α2)·F/L， β2为第三反射镜对第二反射镜的放大率； S25、 β1为第二反射镜对第一反射镜的放大率， 其中， x代表L2/L1的倍 数， 为经验值； S26、 S27、 S28、 根据下式联立求解得出K1、 K2、 K3， 进而生成一组代表第一同轴三反结构的随机结 构参数[R1,R2,R3,L1,L2,K1,K2,K3]； 权　利　要　求　书 1/3 页 2 CN 113326653 B 23.根据权利要求1所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， S3中基于生成的第一同轴三反结构数据以预设步长通过光线追迹进行逐步离轴得到 满足默认边界限制 条件的离轴结构和波前参数的方法包括： 第一反射镜的离轴量h1从0开 始以预定步长增大至上限H， 同时移动第二反射镜和第三反射镜， 使从第一反射镜反射的中 心光线始终位于第二反射镜的中心， 从第二反射镜反射的中心 光线始终位于第三反射镜的 中心， 即第二反射镜和第三反射镜跟随第一反射镜进行离轴， 记录跟随离轴量h1改变所得 到的h2和h3以及波前RMS值。 4.根据权利要求3所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， 当h1达到允许的上限H之前， 且di s1≥Dis1、 dis2≥Dis2， 则说明获得了一组可用的离轴 结构， 停止继续增大， 标记此时的结果 为flag＝1， 并记录此时的h1、 h2、 h3和波前RMS； 当h1达到允许的上限H， 且di s1≥Dis1、 dis2≥Dis2条件均未满足， 则说明未获得可用的 离轴结构， 标记此时的结果 为flag＝0； 重复上述步骤N次， 形成N组[R1,R2,R3,L1,L2,K1,K2,K3]和对应的flag数据， M组[R1,R2, R3,L1,L2,K1,K2,K3]和对应的[h1,h2,h3,RMS]， 用于训练神经网络， 其中， M ≤N。 5.根据权利要求1所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， 基于获取的同轴三反结构数据和离轴结构参数作为数据集训练神经网络的方法包 括： 将获取的N组[R1,R2,R3,L1,L2,K1,K2,K3]和对应的flag数据输入第一神经网络进行二分 类数据训练， 将获取的M组[R1,R2,R3,L1,L2,K1,K2,K3]和对应的[h1,h2,h3,RMS]输入第二神经 网络进行回归数据训练。 6.根据权利要求5所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， 通过输入同轴三反结构数据[R1,R2,R3,L1,L2,K1,K2,K3]， 输出标记flag＝0或flag＝1， 训练第一神经网络 。 7.根据权利要求5所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， 通过输入同轴三反结构数据[R1,R2,R3,L1,L2,K1,K2,K3]， 输出其对应的离轴数据和波 前RMS值[h1,h2,h3,RMS]， 训练第二神经网络 。 8.根据权利要求5所述的一种基于神经网络的离轴三反光学系统的设计方法， 其特征 在于， 基于S4中训练后的神经网络， 输入第二设计要求和第二同轴三反结构数据的方法包权　利　要　求　书 2/3 页 3 CN 113326653 B 3