基于机器学习的大面积拼接镜倾斜误差探测

为了实现对拼接镜整体幅面的共相位误差的快速检测,通过Zemax建立相位测量装置,数值模拟拼接镜的倾斜误差检测过程。使用基于主成分分析(PCA)、偏最小二乘回归(PLSR)的机器学习算法,替代传统的相位重建方法,从探测面强度分布图中提取倾斜误差。预测结果表明,在单元情况下对12个样本的倾斜角进行预测,倾斜角预测值与真实值间的均方根误差(RMSE)约为0.00029;在多元情况下,倾角的RMSE均维持在0.0003以下。可见,在两种情况下,倾角的RMSE参量值均小于倾斜步长。因此,利用机器学习算法可以实现对倾角步长为0.0005°的倾斜误差的预测,与相位差波前检测等传统方法相比,该方法能大幅提高预测速度,明显降低传统波前重建算法复杂度。