本课题结合“十·五”黑龙江省重大科技攻关项目“设备不对中激光检测诊断与治理系统”、沈阳市科技局基金项目“任意转角激光对中仪若干基础问题研究”和中国博士后科学基金项目“任意转角激光对中仪关键技术研究”来进行，并在这三个项目均取得阶段性成果的基础上展开。在充分了解了光电位置敏感器件(PositionSensitiveDetector，简称PSD)相关物理性能、结构的基础上运用多种现代测试技术研究探讨了PSD的非线性和在激光准直测量中的应用。 主要内容如下：(1)提出了高精度神经网络共轭梯度优化算法。人工神经网络具有对非线性系统映射能力，神经网络是模式识别的有利工具，因此神经网络的学习方法和合理的网络结构是人们一直关注的问题。BP(Back-Propogation)算法无疑是多层神经网络的成功应用典范，但是它存在收敛缓慢和可能收敛到局部的缺陷，人们不断探讨和改进，始终没有摆脱BP算法框架，并没有实质性的突破。提出的共轭梯度优化方法能对网络进行逐层优化，用这种算法训练多层感知器神经网络，网络收敛速度加快，按共轭梯度优化路径搜索，能够快速获得目标函数的零点。从BP算法、梯度优化方法和共轭梯度优化方法的搜索过程可以看出，梯度搜索过程和共轭梯度搜索过程是确定最优步长的过程，为真实优化方法。收敛后的网络用于传感器线性化可以提高线性化的准确性。 (2)建立了基于神经网络共轭梯度优化算法的PSD线性化方法。由于受当今世界上材料制造工艺上的限制，国内外各公司研制的PSD存在着非线性区域。器件的制造厂家对同规格型号的器件一致性也不能保证，为此就要求各PSD使用者自行进行线性化处理。用什么样的方法和模型进行修正，则需要结合选用器件的特性、测量系统的特性以及实际验证才能确定，它是整个测量系统成败的关键之一。结合我们工作的实际情况在项目中采用国产的C202型2D-PSD，根据它的特性利用神经网络共轭梯度算法具有逼近任意非线性函数的特点，通过训练使神经网络建立PSD输出与其理想值之间的非线性映射关系，实现PSD非线性补偿。该方法应能有效地消除非线性的影响，从而使PSD的B区(器件的外围区域)获得与A区(器件的中心区域)近似的线性度，故在不增加成本，不改变测量设备的复杂度的情况下，扩大了测量范围，提高了B区的测量准确度及数据的置信度。 (3)背景光影响分析。提出并实现了基于神经网络共轭梯度优化算法对光电位置传感器背景光进行补偿，不仅能有效的消除背景光的影响，而且能在神经网络的输出端得到期望的线性输出。经神经网络补偿后的光电位置坐标传感器克服了各种背景光干扰，提高了检测的精度和可靠性。此外，该方法可以推广到其他受环境参数影响的传感器，也可以用于多个环境参数影响的传感器的补偿，只要增加神经网络输入层的神经元数量，并把多个环境参数同时输入神经网络即可。 (4)研究了光点坐标与光点能量之间的关系。光点的坐标与光点能量有着密切的关系，因此，在检测中就应引起注意：光束的光点应尽量小，使得能量保持不变，但同时又能有衍射现象存在，否则破坏了能量重心；更换或改装激光器光源时，应做到前后光阑能量不变，否则会改变绝对测量值，但更换或改装前后相对测量值不会改变；加光阑时也应注意因每次装配的光阑尽可能使得光阑几何中心与光束能量重心完全重合，否则会影响测量精度。 (5)建立了任意转角激光对中测量系统的数学模型。国外的只能转动90°角的激光对中仪应用中受到一定的限制，因为有些场合无法实现90°角转动，任意转角激光对中仪数学模型的建立可以解决这个问题。本项目的任意转角激光对中仪数学模型可以在任何现场应用，不受90°转角的限制，这极大地拓宽了应用范围。 (6)分析了转轴弯曲热补偿技术、防扭定位技术。这几种技术对系统测量精度的影响非常大。