没有与参数列表匹配的 重载函数 strcpy_s 实例_Zemax光学设计实例(84)Ftheta扫描平场透镜的设计...

导论:F-theta透镜又叫激光扫描聚焦镜,是激光加工行业必不可少的光学元件之一。对于理想薄透镜,光束的偏转角度与轨迹位置的关系为Y=F*tan(θ),这种非线性关系会使得匀速偏转的振镜扫描速度与轨迹运动速度是不匹配的,导致扫描轨迹不均匀或者说点密度不一致。所以,F-theta透镜的作用是修正这种非线性关系,使其成为线性关系。实际应用时,要更加关注透镜的平场特性,即在振镜的不同偏转角度时,光束焦点处于同一平面。入射光束直径、透镜焦距、扫描角度、扫描长度是决定平场透镜的基本参数。本例设计一个F-theta扫描平场透镜,EFL150mm,扫描角度±28度,入射光束直径12mm,波长650nm(激光应用,单波长设计,不考虑色差的影响),距离振镜的距离是40mm。ZEMAX仿真:(1)系统参数设置和单个透镜的优化:在孔径类型中选择“Entrance Pupil Diameter”,并根据设计要求输入“12”,如下图:

be471d4f-6921-eb11-8da9-e4434bdf6706.png

由HFOV=28度,设置所需控制的视场角,在Field Data里输入5个视场(0,0.3,0.5,0.7,1),如下图:

c0471d4f-6921-eb11-8da9-e4434bdf6706.png

在波长设定对话框中,设定波长为0.65。将单透镜的初始参数输入到LDE中,如下图:

c1471d4f-6921-eb11-8da9-e4434bdf6706.png

查看2D Layout,如下图:

c2471d4f-6921-eb11-8da9-e4434bdf6706.png

打开MFE,选择“Tools-Default Merit Function”,在评价函数设置对话框中,选择默认的评价函数构成为“RMS+Wavefront+Centroid”。“Rings”选项为“4”,“Arms”选项为“8”。如下图:

c3471d4f-6921-eb11-8da9-e4434bdf6706.png

增加EFFL操作数,控制焦距为150mm,如下图:

c4471d4f-6921-eb11-8da9-e4434bdf6706.png

将单透镜的两个面的曲率,到像面的厚度设置为变量,如下图:

c5471d4f-6921-eb11-8da9-e4434bdf6706.png

点击优化。查看优化后的2D Layout,如下图:

c6471d4f-6921-eb11-8da9-e4434bdf6706.png

查看点列图,如下图:

c9471d4f-6921-eb11-8da9-e4434bdf6706.png

(2)增加透镜来优化然后,通过增加透镜的方式来继续优化系统的像差。我们是在第一个透镜的后面再增加一个透镜来优化,而不是使用透镜分裂或在第一个透镜前加透镜的方式,这样对上一节的结构干扰比较小。双透镜的LDE参数,如下图:

ca471d4f-6921-eb11-8da9-e4434bdf6706.png

按照相同的步骤,将第二个透镜两个面的曲率设置为变量,再次优化,得到优化后的LDE参数,如下图:

cc471d4f-6921-eb11-8da9-e4434bdf6706.png

查看2D Layout,如下图:

cd471d4f-6921-eb11-8da9-e4434bdf6706.png

查看点列图,如下图:

ce471d4f-6921-eb11-8da9-e4434bdf6706.png

从上图看出,光斑尺寸还是很大,那在两个透镜后面再增加第三个透镜,如下图:

d0471d4f-6921-eb11-8da9-e4434bdf6706.png

再次按照相同的步骤,将第三个透镜两个面的曲率设置为变量,再次优化,得到优化后的LDE参数,如下图:

d1471d4f-6921-eb11-8da9-e4434bdf6706.png

查看2D Layout,如下图:

d3471d4f-6921-eb11-8da9-e4434bdf6706.png

查看点列图,如下图:

d5471d4f-6921-eb11-8da9-e4434bdf6706.png

现在,系统里已经有三个透镜了,但是弥散斑的光斑尺寸还是比较大,还不能达到使用要求。下一步优化三个透镜的材料来进一步优化。(3)透镜材料的优化我们可以将三个透镜的材料设置为变量,在Model模式下,将折射率Index Nd、阿贝数AbbeVd、局部色散dPgF都设置为变量,如下图:

d7471d4f-6921-eb11-8da9-e4434bdf6706.png

然后,我们必须添加相应的操作数来限制折射率、阿贝数、局部色散的取值范围,避免出现不合常规的结果。折射率的取值范围设在1.4-2.5,阿贝数的取值范围设在25-90,局部色散的取值范围设在-0.01-0.01。MNIN操作数,控制最小折射率为1.4,权重为1;MXIN操作数,控制最大折射率为2.5,权重为1;MNAB操作数,控制最小阿贝色散系数为25,权重为1;MXAB操作数,控制最大阿贝色散系数为90,权重为1;MNPD操作数,控制最小局部色散系数为-0.01,权重为1;MXAB操作数,控制最大局部色散系数为0.01,权重为1;在MFE中添加操作数,如下图:

d8471d4f-6921-eb11-8da9-e4434bdf6706.png

再次优化。优化后的LDE,如下图:

d9471d4f-6921-eb11-8da9-e4434bdf6706.png

然后将玻璃材料的求解类型改为Fixed,Zemax会根据优化后的参数自动匹配最相似的玻璃材料,如下图:

da471d4f-6921-eb11-8da9-e4434bdf6706.png

然后再优化一次来修正下面形参数。查看2D Layout,如下图:

db471d4f-6921-eb11-8da9-e4434bdf6706.png

查看点列图,如下图:

dc471d4f-6921-eb11-8da9-e4434bdf6706.png

这时,弥散斑的光斑尺寸已经基本达到衍射极限了,可以满足使用要求了。查看场曲和畸变,如下图:

dd471d4f-6921-eb11-8da9-e4434bdf6706.png

de471d4f-6921-eb11-8da9-e4434bdf6706.png

如上图,畸变达到了8.5%,这个太大了,还需要进一步优化畸变,使其最好小于2%,本文不再赘述。综上,简单介绍了一种设计和优化F-theta平场透镜的一般思路。实际应用中,需要评估使用更适合生产的玻璃材料来优化,可以再增加透镜个数来优化,也可以再优化各个透镜的厚度与间隔来优化。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/260834.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MongoDB学习笔记(一)--基础

Insert MongoDB在执行插入时,首先会将插入的数据转换成BSON格式。然后MongoDB数据库会对BSON进行解剖,并检查是否存在_id建。 >doc {"_id" : 1…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波4 - 分段线性变换 - 对比度拉伸

目录分段线性变换对比度拉伸最大最小值拉伸分段线性变换 优点 形式可以任意复杂 缺点 要求用户输入很多参数 对比度拉伸 光照不足、成像传感器的动态范围偏小、图像获取过程中镜头孔径的设置错误 点(r1,s1)和点(r2,s2)(r_1, s_1)和点(r_2, s_2)(r1​,s1​)和点(r2​,s2​…

2017网易内推编程题(判断单词):解答代码

2019独角兽企业重金招聘Python工程师标准>>> 小易喜欢的单词具有以下特性: 1.单词每个字母都是大写字母 2.单词没有连续相等的字母 3.单词没有形如“xyxy”(这里的x,y指的都是字母,并且可以相同)这样的子序列,子序列可…

iphone查看删除的短信_想要恢复已经删除的的短信怎么办?

阅读本文前,请您先点击上面的蓝色字体,再点击“关注”,这样您就可以继续免费收到文章了。每天都有分享,完全是免费订阅,请放心关注。 …

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波5 - 分段线性变换 - 灰度级分层

目录灰度级分层灰度级分层 二值图像 将感兴趣范围内的所有灰显示为一个值(白色),而将其它灰度值显示为另一个值(黑色) 其他灰度级不变 使期望的灰度范围变量(或变暗),但保持图像中…

SQL Server聚集索引的选择

先声明文章非原创,摘自博客园:http://www.cnblogs.com/CareySon/archive/2012/03/06/2381582.html 简介 在SQL Server中,数据是按页进行存放的。而为表加上聚集索引后,SQL Server对于数据的查找就是按照聚集索引的列作为关键字进行…

c++突破网关屏蔽_为什么加了屏蔽罩,测试效果反而不好?

来自专治PCB疑难杂症微信群群友(群友突破1200人啦,文末添加杨老师微信号,可添加入群)的问题讨论:设计时我加了屏蔽罩,结果在测试的时候不加屏蔽罩的效果要比加了屏蔽罩的效果好,这是为何?跟PCB设计的屏蔽罩…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波6 - 分段线性变换 - 比特平面分层

目录比特平面分层比特平面分层 在一幅256级灰度图像中,图像的值是由8比特(1字节)组成的 def convert_bin(data, n):"""convert decimal to binary, return n th bit, 0 if bit value 0 else 1""" #---------…

iOS GCD

from:http://www.cnblogs.com/dsxniubility/p/4296937.html 一般: dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{// 耗时操作dispatch_async(dispatch_get_main_queue(), ^{// 更新UI});}); 本文是对以往学习的多线…

c++和java哪个难_2020 年 11 月编程语言排行榜,Python 超越 Java ?

来源:tiobe.com/tiobe-index/November-2020TIOBE 2020 年 11 月份的编程语言排行榜已经公布,官方的标题是:Python 势如破竹,超越 Java。题外话: 目前小哈正在个人博客(新搭建的网站,域名就是犬小哈的拼音) www.quanxia…

C# 温故而知新:Stream篇(七)

C# 温故而知新:Stream篇(七) NetworkStream 目录: NetworkStream的作用简单介绍下TCP/IP 协议和相关层次简单说明下 TCP和UDP的区别简单介绍下套接字(Socket)的概念简单介绍下TcpClient,TcpListener,IPEndP…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波7 - 直方图处理 - 直方图、归一化直方图

目录直方图处理直方图处理 令rk,k0,1,2,…,L−1r_k, k0, 1, 2, \dots, L-1rk​,k0,1,2,…,L−1表于一幅LLL级灰度数字图像f(x,y)f(x,y)f(x,y)的灰度。fff的非归一化直方图定义为: h(rk)nk,k0,1,2,…,L−1(3.6)h(r_{k}) n_{k}, \quad k 0, 1, 2, \dots, L-1 \tag{…

Xamarin Android提示找不到资源属性定义

为什么80%的码农都做不了架构师?>>> Xamarin Android提示找不到资源属性定义 错误信息:”Resource.Attribute”未包含”actonBarSize”的定义 Xamarin Android经常会出现找不到资源属性的错误。遇到这种问题,建议先清理解决方法和…

MAC OS X 1.1 El Capitan安装方法与步骤

2019独角兽企业重金招聘Python工程师标准>>> 苹果公司发布了最新的Mac系统El Capitan,我也跟风安装了, 昨天试了一天终于算是安装成功了. ###电脑配置: CPU: E3-1230 v2 主板: 技嘉B75M D3V 显卡: 微星6850 声卡: Realtek ALC887 键盘: Noppoo 84键机械键盘 ###下载…

vp与vs联合开发-网口通信(socket)

Socket通信是一种在网络中进行进程间通信的机制。它使用了一种称为套接字(Socket)的编程接口,通过该接口可以创建、连接、发送和接收数据等操作。 Socket通信中,有两个主要的角色:服务器和客户端。服务器负责监听指定…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波8 - 直方图处理 - 直方图均衡化(全局直方图均衡化)

直方图均衡化 灰度映射函数: sT(r),0≤r≤L−1(3.8)s T(r), \quad 0\leq r \leq L -1 \tag{3.8}sT(r),0≤r≤L−1(3.8) 假设: (1) T(r)T(r)T(r)在区间0≤r≤L−10 \leq{r} \leq{L-1}0≤r≤L−1 上是一个单调递增函数。 (2) 对于0≤r≤L−10 \leq{r} …

python 元组和列表区别_Python干货整理:一分钟了解元组与列表使用与区别

元组是 Python 对象的集合,跟列表十分相似。下面进行简单的对比。列表与元组1、python中的列表list是变量,而元组tuple是常量。列表:是使用方括号[],元组:则是使用圆括号()2、两者都可以使用索引读取值列表1.列表中的a…

Maven for Eclipse 第二章 ——安装 m2eclipse插件

m2eclipse 是一个提供了 Maven 与 Eclipse 整合的插件。它的意图是桥接上 Maven 和 Eclipse 之间的缺口。通过 Maven 原型提供的简单直白的接口创建项目,它使 Maven 在 IDE 中非常容易使用。下面是m2eclipse 提供的一些特性。 创建和导入 Maven 项目在 Eclipse 运行…

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波9 - 直方图处理 - 直方图匹配(规定化)灰度图像,彩色图像都适用

直方图匹配(规定化) 连续灰度 sT(r)(L−1)∫0rpr(w)dw(3.17)s T(r) (L-1) \int_{0}^{r} p_r(w) \text{d} w \tag{3.17} sT(r)(L−1)∫0r​pr​(w)dw(3.17) 定义关于变量zzz的一个函数GGG,它具有如下性质: G(z)(L−1)∫0zpz(v)d…

C#委托之就是跟委托过不去…

在上一篇博文当中,我们例举了一个机房自动化系统的逻辑控制程序,其中用到了Lambda表达式,因此方便了我们程序功能的实现.然而,我们不能仅仅为实现功能,完成任务而奋斗,应该知其然,知其所以然,也就是说,知道了Lambda表达式能够带来这样的方便,也应该知道为什么能够带来这样的方便…