在激光投影、结构光和光束整形等特种照明或光电应用中,常需要一个非成像光学系统来实现特定的配光设计。建立一个配光方程来描述该光学系统,并通过对光束、光学面和目标面的离散化处理,利用子面光程K与目标点能量E之间的映射关系得到程能映射下的配光方程。尽管程能映射中相邻子面光程之间存在复杂的非线性竞争,但K与E之间存在良好的单调映射关系,这为引入深度神经网络来拟合程能映射提供基础。利用深度学习实现配光方程逆问题的求解,获得所需要的自由光学曲面。以英文字母和阿拉伯数字为训练集,输入点阵规模为28×28,通过对三层神经网络进行多维度调参和训练,实现了相应字符照度分布的光学曲面设计。光学仿真结果的结构相似度达到了99.97%,这表明深度神经网络通过学习可以记住(或存储)各个字符的光学曲面,相当于建立了一个高效且可扩容的智能光学字符库。基于复杂介质建立的基础配光方程可为现有配光方法提供一个基础理论框架,有助于形成非成像光学理论的系统性表述。

基于非成像光学理论, 提出了一种阵列型LED光学系统的优化设计方法。通过对二次B样条理论、Scheme语言和优化引擎的结合使用, 实现了对准直透镜和柱面镜的优化设计。通过对两款透镜的灵活使用, 实现了光能量的传输和重新分配, 进而达到高效、高均匀性的照明要求。采用48颗, 1.2 mm×1.2 mm朗伯体发光的线性阵列LED芯片作为光源, 透镜材料均为PMMA。采用该设计方法设计的系统, 其能量利用率可达到62.6%以上, 非均匀性小于5%。

基于非成像光学中的边光原理和椭流线理论提出一种菲涅耳反射器设计方法。通过对光源的通量均分、椭流线虚实焦点的配对,以及光学仿真优化三个步骤实现对LED射灯二次均匀配光。该方法可避免引入色散,降低光学设计难度,并实现在目标面上光照度分布均匀的投射效果。模拟考察了距光源3 m远,直径为1.2 m的圆形平面上的实际效果,其中包括目标面上的照度分布和均匀性、安全性、机械加工公差等相关方面,仿真结果表明,设计是安全、可靠和可行的。

基于边光原理和椭流线理论提出了均分配焦椭流线的非成像光学设计方法，通过对LED光源的能量均分、椭流线虚实焦点的配对和光学仿真优化三个规范步骤实现了应用于LED匀光管均匀配光的菲涅尔反射器的光学设计.分析了光源、反射器和投射目标面三者之间的复杂关系，为LED照明设计的优化提供了方便.仿真结果表明,LED匀光管管壁照度的均匀度超过0.93，有效降低了LED光源的眩光性.

为了提高塔式太阳能电站镜场的集光效率，需要对镜场的布置进行优化设计。基于非成像光学设计理论，提出了利用腔式吸热器的几何特性与定日镜年均效率因子相结合的镜场边界限制方法，提高了定日镜的光学效率。镜场采用规则化布置，易于进行优化，从而提高了镜场优化设计的响应速度。采用蒙特卡罗光线追迹法建立了镜场聚光的数学模型，采用参数搜寻算法优化镜场结构，在Matlab环境下编写了镜场优化设计软件，并利用现有的西班牙PS10镜场对软件进行了验证。使用该软件设计了北京10 MW塔式太阳能电站镜场，设计的年均光学效率为64.15%，与PS10镜场相近，达到国际先进水平。