基于局部反射率逆向求解的光学曲面表面疵病高效测量基础技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51905479
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0512.微纳机械系统
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

In extreme cases, the whole optical system could be destroyed by the optics with surface defects. And it is a big challenge to characterize the surface defects of the curved optics precisely and quickly for modern manufacturing science. We have developed a surface scanning measurement system based on confocal chromatic sensor, and carried out researches on surface defects measurement based on converse solution of local reflectivity. Also, for the first time, we have proposed a new method to measure the surface profile and the surface defects simultaneously. Since that, deep research is needed and the following research strategy is planned. Firstly, we will find out the coupling mechanism of the complex multiple variable system and build the model of automatic identification of the reflective spectrum characteristics. Secondly, to improve the measurement efficiency and enhance the robustness of the system, we will establish the decoupling technology of polar to rectangular coordinates during spiral scanning, and develop the auto-focusing measurement unit with high response and strong robustness. At last, we will establish the high-speed data fusion technology to realize collaborative data collection of the multiple data stream. Also, we will develop the 3D reconstruction algorithms of the massive data with multi-sources, along with the feature extraction algorithms of the surface defects. Once the project succeeds in implementing, a whole new method of surface defects detection will be put forward, and a new rapid-scanning measurement and evaluation system for surface defects with micro/mesoscale based on converse solution of local reflectivity will be established.
极端情况下,存在表面疵病的光学元件会破坏整个光学系统,高端光学曲面表面疵病的精确、快速表征对当代制造科学提出了重要挑战。申请人课题组自主开发了基于光谱共焦传感器的面形扫描测量系统,并开展了基于局部反射率逆向求解的表面疵病测量研究,首次提出了面形和表面疵病同时测量的新方法。为了深入该项研究,本项目提出了以下研究策略:1)明确测量过程中的多变量复杂耦合机理,建立反射光谱特性自动辨识的数学模型,形成自抗扰的反射率逆向求解技术;2)从提高测量效率和系统鲁棒性的角度出发,形成螺旋扫描测量中的极坐标/直角坐标参数解耦技术,开发高频响、强鲁棒性自动聚焦测量模块;3)建立高速数据融合技术,实现多数据流的协同采集,开发多源海量数据的三维重构算法和缺陷特征提取算法。项目的成功实施将形成一种全新的表面疵病测量方法,建立一套基于局部反射率逆向求解的光学曲面微/介尺度表面疵病高效扫描测量及评价系统。

结项摘要

本项目以先进光学制造中的表面疵病测量这一工程需求和应用为背景,开展“基于局部反射率逆向求解的光学曲面表面疵病高效测量基础技术研究”,提出了表面疵病测量系列新技术和新方法,并研制出一套兼具面形和表面疵病测量的一体化测量装备。.为解决基于光谱共焦传感器的局部反射率逆向求解问题,项目提出了一种新的反射式光学元件表面缺陷检测方法,该方法使用归一化反射率,由彩色共焦表面轮廓仪的信号强度计算得到。该检测方法首先扫描表面获取信号强度数据,然后对强度数据进行建模,计算归一化的局部反射率图。进一步对反射率图进行阈值分割处理,提取正常区域的缺陷。.开发出具备柱坐标测量能力的光学元件轮廓测量系统,研发了仿形螺旋扫描高效自动测量方法,评估了系统在圆柱坐标扫描情况时的不确定度。建立了系统关键部分的误差模型,对模型中各误差分量来源进行了确定与分析,给出了误差计算公式。使用模型对实际系统中相应量值进行测量与估计,测量了直线运动轴的直线度、平行度误差,及旋转轴的轴向窜动与径向跳动等误差。.相关工作共发表SCI论文5篇,另有2篇在审稿过程中。相关技术共申请国家发明专利6项、国际专利2项,其中5项已经授权(包含1项美国专利),初步形成了具有项目特色和自主知识产权的表面疵病测量解决方案。.项目的技术成果及所研发的测量装备已在中国工程物理研究院激光聚变研究中心得到成功应用。基于课题所建立的测量系统误差模型,构建了基于测量环的深矢高元件测量数据误差补偿模型,实现了测头的精准定位与误差补偿,解决了深矢高元件面形误差的精确测量及表面疵病的快速检测问题。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(5)
A non-redundant piezoelectric center-rotation platform with a single-layer structure and a large working range
一种单层结构大工作范围非冗余压电中心旋转平台
  • DOI:
    10.1016/j.mechatronics.2022.102911
  • 发表时间:
    2022-12
  • 期刊:
    Mechatronics
  • 影响因子:
    3.3
  • 作者:
    Yuxi Wu;Yiling Yang;Guoping Li;Yuguo Cui;Huilin Du;Y;ing Wei
  • 通讯作者:
    ing Wei
A new method for detecting surface defects on curved reflective optics using normalized reflectivity
一种利用归一化反射率检测曲面反射光学器件表面缺陷的新方法
  • DOI:
    10.1063/1.5100851
  • 发表时间:
    2020-03-01
  • 期刊:
    REVIEW OF SCIENTIFIC INSTRUMENTS
  • 影响因子:
    1.6
  • 作者:
    Du, Hui-Lin;Zhang, Wen-Hao;Sun, Anyu
  • 通讯作者:
    Sun, Anyu
Microscopic vibration suppression for a high-speed macro-micro manipulator with parameter perturbation
参数摄动的高速宏微机械臂微观振动抑制
  • DOI:
    10.1016/j.ymssp.2022.109332
  • 发表时间:
    2022
  • 期刊:
    Mechanical Systems and Signal Processing
  • 影响因子:
    8.4
  • 作者:
    Wang Shuai;Yang Yi-ling;Li Guo-ping;Du Hui-lin;Wei Yan-ding
  • 通讯作者:
    Wei Yan-ding

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码