为解决太阳直接辐射测量过程中跟踪装置导致的全年测量均匀性难以保证的关键问题、实现无需跟踪的太阳直接辐射全季全纬度均匀测量,提出了一种用于太阳直接辐射测量的自由曲面反射镜优化设计方法。分析了全球太阳直接辐射角度变化规律,建立了自由曲面反射镜初始结构模型;构建了时空尺度下辐照度均匀性(RFUS)评价函数,建立了二分进化与无余变长机制,提出了基于进化策略的自由曲面反射镜优化方法;以地球全纬度地区太阳直接辐射均匀测量为目标,迭代优化并仿真分析了染色体细分参量分别为3°,1°,0.5°,0.25°的4种代表性自由曲面反射镜面型。结果表明:染色体细分参量为0.25°时RFUS最优,为92.36%;搭建反射光斑中心位置及RFUS验证实验,所提方法得到的光斑中心最大直线距离约为1.5 mm,RFUS为90.34%,该方法可实现全时空太阳直接辐射均匀测量,为后续太阳辐射测量领域新产品和新应用提供理论基础和技术支持。

主动光学是现代大型反射式光学望远镜领域的一项关键技术,能够有效减少像差,提升成像质量,然而,现有校正算法严重依赖系统的响应矩阵和物理参数;由于实际望远镜系统的误差具有一定的随机性和非线性,往往难以获得精确的响应矩阵和物理参数模型,从而导致校正精度不理想或者需要多次校正。针对这些问题,提出一种不依赖响应矩阵和物理参数模型的深度学习校准(DLCM)算法。该算法借助深度神经网络强大的预测和自学习能力,建立校正算法所需的动力学模型网络、策略网络和决策单元,只需要结合相应设备就可以让控制系统自动学习并自动优化,从而完成镜面校正工作。最后,使用ANSYS有限元仿真对DLCM算法进行验证,结果表明,本文算法能够快速精准地完成校正工作,并且,无论校准速度还是校准精度,均优于传统校准算法。

为了解决运动参数光电探测过程中的相机标定问题,制作一种两端及中间各安装一个红外反光标记球的一维标定物。不需要其它复杂标定装置,只要将这种特制的一维标定物在测量空间内多次随意移动并摄取其图像,即可实现标定。算法首先假定主点位于像面中心附近的某个位置,再求出焦距、旋转矩阵、平移向量和比例因子,最后通过评价函数将相机标定转换成寻找两相机最佳主点对的非线性最小化问题。在传统进化策略中引进个体的自我改进系数、个体间距离等概念,提出了求取子代个体间的欧式距离并排序的方法,设计了搜索最佳主点对的改进型进化策略算法。与传统标定方法相比,基于一维标定物的方法克服了多相机场合的遮挡问题,改进进化策略的引入打破了一维标定物需做某种特殊运动的限制,使一维标定物自由运动时相机内、外参数的同时求解成为可能,改进的模拟退火进化策略改善了算法的全局收敛性能并加快了收敛速度。

提出了一种基于小波分解和进化策略相结合的多聚焦图像融合方法。该方法首先对不同聚焦点图像进行无下采小波分解,并分别将其各方向、各尺度的高频信息进行叠加,然后依据它们在高频信息叠加层上对应的局部区域能量的差异,采用进化策略进行区域划分,进而实现分区域融合。实验结果表明所提出的方法比小波变换法具有更好的融合效果。