在光学系统中,反射式系统相对于折射式系统,它具有更紧凑的光路,更大的视场,更宽的谱段以及更易于轻量化设计等一系列优点,因而逐渐发展起来。又因为离轴反射式光学系统相对于轴对称反射式系统,它不存在中心遮拦,同时具有高光能利用率以及没有中低频衍射极限限制等优势,所以在空间光通信、天文探测以及空间遥感领域得到广泛的应用。但由于光学元件装配后的残余误差、系统外界环境的变化(例如温度变化、气流扰动以及重力影响等)以及系统机械结构工作时的自身抖动都会引起光学镜片相对空间位置与理想相对位置的不同而降低光学系统整体的成像质量。虽然镜片面型以及系统光路构造也会影响像质,但随着加工工艺的发展,它们不再成为限制光学系统像质的首要决定性因素,失调误差检测反而成为影响离轴反射式光学系统成像质量的主要因素之一。本论文针对这一具体的工程问题展开相应的研究,着重围绕基于传统灵敏度矩阵法、二阶灵敏度矩阵法、全连接神经网络法以及卷积神经网络法对离轴反射式望远镜系统进行失调误差检测来进行展开,其主要研究工作包括以下四个方面:(一)阐述了离轴望远镜的应用背景、光学系统初调的流程以及精调技术的发展历程。利用矢量波像差理论,由共轴系统的像差分布情况推导至离轴系统的像差分布情况,其后又对离轴系统存在失调误差时的像差分布进行了理论推导。此外,对于当前主流的失调误差检测法也进行了原理的介绍,并总结了各自的优缺点。(二)针对灵敏度矩阵法在失调误差较大时精度下降的情况,利用建立的离轴望远镜模型对灵敏度矩阵发生病态的原因进行了探讨。结果发现其原因是因为部分失调误差与泽尼克多项式系数成非线性关系。针对这一问题,提出二阶灵敏度矩阵法。为探究该方法的可行性,分别利用灵敏度矩阵法以及二阶灵敏度矩阵法进行了仿真实验。由实验结果发现,在系统存在较大失调误差的前提下,二阶灵敏度矩阵法具有更高的精度和更广的适用范围。(三)针对二阶灵敏度矩阵法在处理多种失调量互相耦合方面存在的不足,同时基于神经网络具有强大的非线性拟合能力,因而提出基于全连接神经网络的失调误差检测法。利用该方法进行仿真实验,实验结果证明该方法可以将视场角也作为预测值,对系统不同视场角下相应的失调量进行预测,同时有令人满意的精度。初步推测,该方法在离轴式望远镜系统的装调领域具有较大的应用前景。(四)对全连接神经网络、二阶灵敏度矩阵以及灵敏度矩阵法共有的缺陷进行了总结,即需要借助额外的波前探测器来获取泽尼克系数。并针对该问题,提出了卷积神经网络失调误差检测法,该方法可以直接利用系统散斑图进行失调误差的预测。之后设计相应的实验对该方法进行原理验证。借助于Stewart六自由度平台组建出一个次镜位移台,并基于该次镜位移台搭建实验光路平台,然后利用采集的系统散斑图对卷积神经网络进行训练,最终的训练结果显示该卷积网络能够收敛,最后利用测试数据集对训练完成后的网络进行验证,其测试结果证明该方法具有可行性。