光电所提出一种自适应光学系统深度学习控制模型。在传统自适应光学控制系统中,由于对准误差、驱动器非线性等因素的影响,变形镜会偏离预期的运行状态。传统的离线建模方法采用了变形镜的稳态数据,缺乏对非线性和时变因素的感知,导致模型估计不足,不利于充分发挥变形镜的校正能力。
中国科学院光电技术研究所自适应光学技术研究室提出一种深度学习控制模型,考虑了时变因素的影响,实现了系统的在线辨识,降低了对光学系统调整精度的要求。
该研究发表于近期的光学期刊Applied Optics。
光电所提出一种自适应光学系统深度学习控制模型。在传统自适应光学控制系统中,由于对准误差、驱动器非线性等因素的影响,变形镜会偏离预期的运行状态。传统的离线建模方法采用了变形镜的稳态数据,缺乏对非线性和时变因素的感知,导致模型估计不足,不利于充分发挥变形镜的校正能力。
中国科学院光电技术研究所自适应光学技术研究室提出一种深度学习控制模型,考虑了时变因素的影响,实现了系统的在线辨识,降低了对光学系统调整精度的要求。
该研究发表于近期的光学期刊Applied Optics。
声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!