MEMS微镜扫描激光雷达发射光学系统参数优化方法与流程

本发明属于发射光学系统参数优化设计领域，特别涉及mems微镜扫描激光雷达发射光学系统参数优化方法。
背景技术：
：随着mems微镜的提出和发展，为激光雷达的光束扫描提供了一种全新的技术方案，酝酿了一种全新的激光雷达成像体制，为成像激光雷达向小型化方向发展提供了一个新方向。美国国家标准和技术研究院(nist)将采用mems微镜扫描的成像激光雷达定义为下一代激光雷达。mems微镜实现光束扫描虽然克服了传统振镜扫描体积大、功耗高、速度慢等局限，但是微镜反射镜面尺寸小，这给激光发射光学系统的设计带来了很大的困难。专利申请号201710774431.7(申请公布号cn107422473a)公开了一种用于激光雷达的mems微镜二维扫描准直发射光学系统，包括脉冲激光二极管、消像散镜组、光束变换镜组、mems微镜、像点位置补偿镜组、准直物镜组和mems微镜驱动电路，巧妙解决了激光二极管作为成像光源时激光光束的高效率准直与大视场扫描问题，但是其发射光路的各组成部件的光学参数组件相互纠缠，导致发射光学系统的发射效率、光束发散角和视场扫描范围相互制约，且通常的约束条件也会少于光学部件参数变量的个数，因此各组成部件光学参数的最优化设计是一个不适定数学求解问题，迫切需要一种最优化求解方法。技术实现要素：本发明的目的在于提供一种mems微镜扫描激光雷达发射光学系统参数优化方法。实现本发明目的的技术解决方案为：一种mems微镜扫描激光雷达发射光学系统参数优化方法，包括以下步骤：步骤1、确定激光雷达发射光学系统的待优化参数；步骤2、确定激光雷达发射光学系统光路约束方程；步骤3、根据光路约束方程构建目标优化方程，并根据激光雷达发射光学系统的待优化参数，利用遗传算法对参数进行初始化，生成遗传算法的初代种群p0(t)，种群中的个体为待优化参数；步骤4、选取遗传算法的适应度函数，利用该函数对从初代种群中随机选择的部分个体进行交叉和变异处理，以得到新一代种群；步骤5、选取新一代种群以及其母代种群中满足适应度函数的个体进行重组获得新的种群，继续执行步骤4的选择、交叉和变异；重复步骤4至步骤5直至达到优化目标，输出目标优化方程的最优解。本发明与现有技术相比，其显著优点为：本发明在建立光路约束方程和优化目标方程的基础上，引入基于遗传算法的求解方法，将影响mems激光雷达发散角、扫描范围与发射效率的参数作为优化变量，最终确定优化变量的最优值，与现有的系统参数相比，优化后的系统参数减小了发散角，提高了扫描范围与发射效率，解决了光路参数最优化求解的适定性问题和计算效率问题。下面结合附图对本发明作进一步详细描述。附图说明图1为本发明mems微镜扫描激光雷达发射光学系统参数优化方法的流程图。图2为mems激光雷达发射系统的光束变换镜组示意图。图3为mems激光雷达发射系统工作原理示意图。具体实施方式结合图1，一种mems微镜扫描激光雷达发射光学系统参数优化方法，包括以下步骤：步骤1、确定激光雷达发射光学系统的待优化参数；待优化参数包括：光束变换透镜组焦距f1、像点补偿透镜组焦距f2、准直透镜组焦距f3、光束变换镜组物距x1、mems微镜中心与光束汇聚点的距离r、光束变换透镜组孔径d1、像点补偿透镜组物距x2、像点补偿透镜组孔径d2、准直透镜组的物距x3、准直透镜组的孔径d3。步骤2、确定激光雷达发射光学系统光路约束方程。步骤3、根据光路约束方程构建目标优化方程，并根据激光雷达发射光学系统的待优化参数，利用遗传算法对参数进行初始化，生成遗传算法的初代种群p0(t)，种群中的个体为待优化参数。步骤4、选取遗传算法的适应度函数，利用该函数对从初代种群中随机选择的部分个体进行交叉和变异处理，以得到新一代种群。步骤5、选取新一代种群以及其母代种群中满足适应度函数的个体进行重组获得新的种群，继续执行步骤4的选择、交叉和变异；重复步骤4至步骤5直至达到优化目标，输出目标优化方程的最优解。进一步地，步骤2中激光雷达发射光学系统光路约束方程包括：发散角方程为：式中，c为半导体激光器出射激光光斑宽度；f3为准直透镜组的焦距；x为光束变换透镜组的物距；f1为光束变换透镜组的焦距；f2为像点补偿透镜组的焦距；r为mems微镜中心与经过光束变换透镜组后光束汇聚点的距离。扫描视场角方程为：式中，θout为激光雷达系统光束出射角；θi为mems扫描角度；f2为像点补偿透镜组的焦距；f3为准直透镜组的焦距。发射效率方程为：η＝η1×η2×η3式中，p、q是与波导结构有关的参数；k＝2πn/λ；μ0为常数,η1为光束变换透镜组耦合效率，η2为像点补偿透镜组耦合效率，η3为准直透镜组耦合效率，η为激光雷达发射效率，θ1、θ2、θ3分别为光束变换镜组、补偿镜组、准直镜组的光入射角，z1、z2、z3分别为光束变换镜组、补偿镜组、准直镜组与激光器之间的距离；光路结构约束方程为：进一步地，步骤3中根据光路约束方程构建目标优化方程为：f(x)＝-w1(δθ-δθ0)+w2(θout-θout0)+w3(η-η0)式中w1，w2,，w3为权重系数，w1+w2+w3＝1；δθ为发散角；δθ0为发散角的目标值；θout为扫描角度；θout0为扫描角的目标值；η为发射效率；η0为发射效率目标值。进一步地，步骤4中选取的遗传算法的适应度函数为：求取所述目标优化方程最大值的适应度函数为：式中，f(x)为目标优化方程；mmin为种群中目标优化方程f(x)的最小值。示例性优选地，步骤4中对从初代种群中随机选择的部分个体进行交叉和变异处理，具体采用的交叉率pc＝0.9，变异率pm＝0.1。下面结合实施例对本发明进行详细的描述。实施例本实施例中以专利申请号201710774431.7报道的用于激光雷达的mems微镜二维扫描准直发射光学系统为例对本发明的参数优化方法进行验证。本发明mems微镜扫描激光雷达发射光学系统参数优化方法，包括如下内容：1、确定激光雷达发射系统的优化参数变量，结合图2、图3，包括：光束变换透镜组焦距f1、像点补偿透镜组焦距f2、准直透镜组焦距f3、光束变换镜组物距x1、mems微镜中心与光束汇聚点的距离r、光束变换透镜组孔径d1、像点补偿透镜组物距x2、像点补偿透镜组孔径d2、准直透镜组的物距x3、准直透镜组的孔径d3。2、确定激光雷达发射光学系统光路约束方程。本实施例激光雷达系统中半导体激光器的主要参数如下表1所示：表1半导体激光器主要参数参数名称参数值波长(nm)905nmp-n结发光面尺寸(um2)200×10uμm2(激光孔径)w·h束散角(deg)垂直：30°；水平：15°激光雷达发射光学系统光路约束方程包括：(1)激光雷达发散角方程为：由图3可得xx′＝f12，将激光光斑c＝0.2mm2代入激光雷达发散角方程可得：(2)激光雷达扫描视场方程为：本实施例中设定的扫描视场目标值为30°，由扫描视场θout≥30°与光学转角θi＝18°获得：(3)激光雷达发射效率方程为：η＝η1×η2×η3本实施例中，令η1≥80％、η2≥80％、η3≥80％解得η≥51.2％，获得：(3)激光雷达光路结构约束方程：3、根据光路约束方程构建目标优化方程为：f(x)＝-0.6(δθ-0.3)+0.3(θout-30)+0.1(η-0.5)并根据激光雷达发射光学系统的待优化参数，利用遗传算法对参数进行初始化，生成遗传算法的初代种群p0(t)，种群中的个体为待优化参数。4、选取遗传算法的适应度函数为：式中，f(x)为目标优化方程；mmin为种群中目标优化方程f(x)的最小值。根据该函数对从初代种群中随机选择的部分个体以交叉率pc＝0.9，变异率pm＝0.1进行交叉和变异处理，以得到新一代种群。5、计算种群中每个个体的适应度，同时淘汰不符合约束的个体，从子代与母代中选择较优的个体组成新的种群，继续进行交叉、变异、重组直到得到最优解。计算新一代种群p1(t)中每个参数变量的适应度值，去除其中低适应度的参数变量，保留高适应度的参数变量，进行交叉、变异得到新的子代设计参数组直到所有参数变量的适应度值满足要求，下表2为最终的优化结果：表2优化结果本发明给出了mems微镜扫描发射光路的约束方程和目标优化方程，并引入基于遗传算法的求解方法求解mems微镜扫描光路约束方程和目标优化方程，得到发射光学系统的最优化设计参数，解决了光路参数最优化求解的适定性问题，具有结果稳定可靠和效率高等突出优势。当前第1页12