基于混合人工神经网络的分段望远镜的活塞误差测量
Dan Yue1, Pengcheng Song1, Chongshuai Wang1
1College of Physics, Changchun University of Science and Technology, Changchun 130022, China.
Sensors (Basel, Switzerland)
|October 28, 2023
概括
这项研究引入了一种新的混合人工神经网络,用于细分望远镜中精确检测活塞误差. 该方法通过使用焦平面图像实现了高精度 (10纳米) 和广泛的检测范围.
科学领域:
- 光学工程是指光学工程.
- 天文学仪器仪器仪表
- 在光学领域的人工智能.
背景情况:
- 分段望远镜需要精确对准子镜,以避免活塞错误.
- 现有的活塞错误检测方法往往复杂且难以实施.
- 精确测量活塞误差对于望远镜的最佳性能至关重要.
研究的目的:
- 开发一种新的,准确和广泛的方法来测量细分望远镜中的活塞误差.
- 为了利用人工智能,特别是混合神经网络,改善活塞错误检测.
- 为了减少与活塞误差测量相关的复杂性和硬件成本.
主要方法:
- 建议建立一个混合人工神经网络,将Resnet和BP网络结合起来.
- Resnet学习了焦平面图像和活塞误差指示器之间的关系.
- BP网络学习了调制转移函数 (MTF) 和活塞误差大小之间的关系.
主要成果:
- 混合网络只使用点源的焦平面图像来准确检测活塞错误.
- 实现了10nm的高检测精度.
- 展示了广泛的检测范围,覆盖了宽带照明的整个连贯长度.
结论:
- 拟议的混合神经网络方法为活塞误差测量提供了强大的解决方案.
- 该方法提供了高精度,广泛的检测范围,并且具有成本效益.
- 这种方法简化了活塞误差检测,有利于细分望远镜校准和性能.
