论文部分内容阅读
分布光度测量系统是测量灯具或光源空间光度分布特性的重要手段,然而由于测量空间和消光材料吸收率的局限性,致使测量环境中存在着大量的杂散光,从而降低了光度测量的准确性。因此,本文提出了物理消杂结构和误差修正算法相结合的手段来提高光度测量的准确性。论文针对杂散光对光度测量系统的影响,采用几何光学分析法和杂散光辐射理论,对光度测量系统的杂散光进行溯源分析;根据杂散光反射传输特性,结合近似绝对黑体结构理论和吸光度加和理论,设计了具有高折反效果的凹型窄光阑阵列消杂模型;由于此结构在不同光阑间隔对杂散光反射吸收的效果不同,设计了自适应粒子群算法(Adaptive Inertia Weight Particle Swarm Optimization,AIPSO)搜索光阑最优间隔,来构建最优凹型窄光阑阵列模型,实现对杂散光的有效抑制。在此基础上,针对光学测量系统杂散光抑制后,残留杂散光的固有误差以及系统老化的所带来的时变误差问题,采用了点源透射率(Point Source Transmint,PST)的方法对杂散光所引起的系统误差分布特性进行分析;根据PST对系统误差分布特性的近似估计,考虑到光度数据的实测值与期望值之间的近似线性关系,以及杂散光误差特性的非线性关系,基于RBF(Radial Basis Function Network,RBF)神经网络,设计了光度测量系统误差修正算法,并针对被测光线出射角度较大时矫正效果的不足,对RBF算法进行了改进,以实现对光度测量数据的误差修正,来进一步提高光度数据的准确性。通过对凹型窄光阑阵列最优模型和RBF误差补偿算法进行实验验证;结果表明,采用凹型窄光阑阵列最优物理消杂结构与RBF误差补偿网络相结合,可将测量误差降低至0.24%以下,为解决系统杂散光所带来的测量误差提供了有效的手段。