基于CCOS原理的光学镜面加工工艺改良研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:HalfHour
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
计算机控制光学表面成型技术(Computer Controlled Optical Surfacing)即CCOS技术,广泛运用于中小口径的光学反射镜的加工,该技术以小磨头技术为代表,科技的发展与更高的光学元件加工需求也促使该技术融合更多更先进的加工技术。本文所涉及加工流程从单轴机研磨开始,光学元件面型到达一定精度后采取CCOS加工机床加工来进一步降低pv及rms值直到达到加工需求为止。本论文采用理论模型和实验验证相结合的方法,首先,基于镜面加工的理论基础,推导出去除函数公式;为得到稳定适用的去除函数,通过数组对比实验研究去除函数的影响因素,为后续加工实验提供工艺基础。其次,将传统手动式单轴机改造成主动式单轴机,实现光学元件自动化加工;通过建模来取得主动轴移动距离和磨盘中心在光学元件上移动距离的联系,得出相对准确的位置算法,修正传统生产过程中所忽视的机床摆臂产生的机械误差,来获得更精准的加工点定位。根据Preston方程及工件的运动轨迹分析,建立主动式单轴机运动模型,推导出驻留时间函数后通过研磨实验验证该机器的研磨能力。最后,对CCOS机床进行运动建模,确定三维坐标系中待加工元件表面各点对应机床的加工点位分布,分析磨盘运行轨迹,研究两种运行方式,栅格平动式加工以及螺旋加工,分别推导去除函数公式,通过依误差加工条件下纯机床加工与机床加工、手工加工交错相结合的两组实验对比,来验证混合加工方式的优越性。最终达到优化从粗磨开始的光学元件加工过程的目的。
其他文献
随着工业传感器,AI技术和5G通信技术的不断发展,智能汽车,无人驾驶等科技得到飞速发展。依据车载传感器采集的数据进行处理和分析来提高无人驾驶的可靠性已成为当下研究的热点。通过人工智能的方法对交通对象进行建模,传感器数据能够被有效的利用,从而挖掘出不同交通对象之间的特征,进而识别出不同的交通对象。将通过传感器采集的数据,利用本研究采用的目标运动模型结合非线性的无迹卡尔曼滤波算法,使得建立的整个系统模
下雨天粘附在摄像机镜头上的雨滴会严重影响采集到图像的质量,而将因雨滴退化的图像通过处理转换为干净的图像是一个很棘手的问题。问题的难点在于这些因雨滴退化的图像中雨滴的位置没有给出,并且被雨滴遮挡区域的背景信息几乎完全丢失。随着计算机软硬件以及深度学习的不断发展,卷积神经网络逐渐被应用到图像修复任务中。然而,当前关于去雨滴的研究却比较稀少。因此本文针对单幅图像雨滴去除的任务,应用卷积神经网络并通过合理
直径介于几百微米至几毫米的中空靶丸是惯性约束核聚变(Inertial Confinement fusion,ICF)实验的核心器件之一。其内表面任何微小的缺陷都有可能引发不对称压缩,导致点火失败。在现有的检测方法中,光学显微零位干涉术是靶丸内表面缺陷检测方案中最具潜力的方案之一。本文针对靶丸内外表面形貌信息混叠现象以及内表面缺陷离焦问题,从光学空间分层衍射计算的角度出发,开展了以下研究:基于标量衍
目的 探讨慢性阻塞性肺疾病(COPD)患者肺组织标本的沉默信息调节因子相关酶1(SIRT1)、活化转录因子4(ATF4)、涎液化糖链抗原-6(KL-6)蛋白水平差异及与气道重塑的相关性。方法 分别收集2020年1月至2021年5月在该院呼吸内科就诊的合并肺肿瘤的急性加重期COPD、稳定期COPD的肺叶切除组织蜡块标本各40例,分别纳入急性期组、稳定期组;另外选取40例该院实验室保存的行肺肿瘤肺叶切
盲源分离(Blind Source Separation,简称BSS)是在一定的约束条件内将未知的源信号从混合的观测信号中恢复出来的一种方法。盲源分离技术由于其强大的分离能力,目前已在语音信号、数字通信、生物医学、雷达阵列处理、信息安全等领域发挥了重要作用。本文重点研究了盲源分离算法在雷达信号抗干扰中的应用。论文的主要工作和创新点如下:1、论文建立了PD和LFM雷达回波信号的模型,对信号的模糊图特
学位
短程定位和生命体征探测是医疗监控、驾驶员辅助和室内导航等领域的两个热门研究课题。事实上,在很多场景下两者已交叉融合:例如,通过捕捉目标的生命体征来定位隐藏的入侵者,或对住院患者进行轨迹跟踪并实时监测患者生命体征。相比于接触式传感器、光学相机和红外传感器等传统技术,雷达传感器在生命体征探测和短程定位领域的应用具有非接触、可穿透、不受光照温度影响等独特优势,获得了广泛研究与应用。但当前的雷达传感器也存
现代光学显微仪器将高性能光学组件与数字图像的采集处理功能相结合,实现了远远超过了人眼感知的,对待测样品微小细节的可视化的复杂功能,已被广泛应用于疾病诊断、医药学研究和材料科学等领域。尤其在生命科学与生物医药学领域,现代光学显微镜扮演着不可或缺的角色。然而,目前的光学显微镜却面临体积日益庞大、系统日益复杂、造价日益昂贵、并且对于细胞之类的生物学样品需要借助染色手段进行标记的问题。针对上述问题,本文基
人脸超分辨率重建(Face Super-Resolution,Face SR)是一种通过算法来提高人脸图像分辨率的方法,与改良硬件设备的方式相比,它拥有低成本、易升级等优势。深度学习的飞速发展使得卷积神经网络在人脸超分辨率重建任务中取得了不错的成绩,但是目前人脸超分辨率重建使用的网络结构大多是来自于普通图像重建算法的模型,没有利用人脸独有的面部特征,容易产生面部模糊、五官混淆等问题,无法达到理想的
作为非直观成像技术的重要组成部分,偏振光谱成像技术能够有效地从复杂样品中提取出偏振散射特征,对于生物组织等物质特征检测有着很好的应用前景。偏振调制的方法与各类光学系统有着很好的兼容性,可以方便地结合到检测场景中。现有的偏振检测研究主要应用于单波长领域,对于细节特征检测程度还不够,结合光谱调制能够对偏振参数的光谱特性进行检测,这样可以通过偏振光谱的差异性来获取样品的多维偏振参数信息,能够大大提升细节