作者单位
摘要
1 南京理工大学 机械工程学院, 江苏 南京 210094
2 上海机电工程研究所, 上海 201100
为了验证实验室环境下红外导引头跟踪能力的精度, 设计了一套模拟飞行目标能量分布的目标源以及一款能够满足相应姿态条件的保障车。采用焦距为700 mm的离轴抛物面反射镜, 满足2′束散角的要求, 利用多个反射镜及离轴镜构成反射式平行光管, 模拟空间距离, 通过1%和10%两片衰减片与光阑孔调节, 实现三档能量的需要。采用微调升降机构实现0°~10°俯仰角的调节, 滚转机构用以满足0°~10°的滚转角调节, 运用液压升降机构达到0~1 000 mm升降指标。依靠力学计算和静力学分析, 得出升降臂的最大变形量为0.11 mm, 最大应力为111.6 MPa, 能够满足1 000 kg负载的要求, 同时车架的模态分析所得到的一阶振型的固有频率为25.355 Hz, 远大于产生共振的条件, 满足所设计的目标源和条件保障车指标要求。
目标源 光学设计 保障车 静力学分析 target source optical design guarantee vehicle static structural analysis 
应用光学
2018, 39(6): 785
作者单位
摘要
哈尔滨工业大学空间光学研究中心,黑龙江 哈尔滨 150001
低温红外目标源是测试和标定低温红外传感器的响应线性度和非均匀性的关键测试设备。对所研制的低温红外目标源设备的工作原理进行了论述,同时基于有限元分析方法,以ANSYS软件为载体对黑体面源控温方式及温度场分布进行模拟分析,并进行了测温实验。结果表明:所研制的低温红外目标源结构设计合理,仿真温度场与实测温度场分布规律一致,控温精度不大于0.5 K,黑体面源温度分布均匀,表面温差不大于0.2 K,稳定性好(≤0.1 K/min),可以满足低温红外系统的测试和检定要求。
低温目标源 黑体 控温 传热分析 cryogenic target source blackbody temperature control heat transfer analysis 
红外与激光工程
2015, 44(3): 0827
王素华 1,2,3,*沈湘衡 1叶露 1
作者单位
摘要
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院大学,北京 100039
3 长春职业技术学院,吉林 长春 130033
针对光电经纬仪室内检测作用距离问题,提出光电经纬仪作用距离指标的室内检测模型。从对目标进行跟踪捕获的实际工作过程中的4个边界点出发,检测光电经纬仪的目标对比度指标,并在此基础上结合天气条件参数对作用距离进行估算。由实验结果可知,该光电经纬仪目标对比度范围为5%~13%;在北纬45°,7月,白天的无云无雨天气条件下,作用距离为30.105 km,与实际外场跟飞结果相比,误差约为1 km。该方法适用于跟踪天空背景下的目标时的作用距离估算。
光电经纬仪 室内检测 对比度 作用距离 可调目标源 photoelectric theodolite indoor test contrast effect distance adjustable target source 
应用光学
2014, 35(5): 744
作者单位
摘要
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 中国白城兵器实验中心, 吉林 白城 137001
4 长春职业技术学院, 吉林 长春 130033
为了实现低对比度目标捕获能力检测装置静动态目标源对比度的标定,搭建了目标源对比度测量系统,对图像对比度和光学对比度的对应关系进行研究。对静态目标源图像对比度进行了分析和标定,采用最小二乘法得出标定的拟合曲线。借鉴国军标细则和静态标定方法,针对动态目标源特有的“形变效应”和“灰度渐变效应”而造成目标灰度缺少统一准确的提取方法,采用判别分析的数理统计方法对提取框尺寸进行归类分析,借助散点图将提取框尺寸和灰度分布的关系进行可视化处理,明确了提取框的合理尺寸,排除了效应对标定的不良影响。绘制出不同速率条件下动态目标源对比度标定曲线。实验结果表明,提取框选择的准确率在94%以上,静动态标定方程评价参数R2和R2adj均优于99%,标定精度S均优于0.006。满足了对检验装置中目标源对比度标定的需要。
测量 可调目标源 对比度标定 数理分析 判别分析 曲线拟合 
光学学报
2014, 34(11): 1123001
王素华 1,2,3,*沈湘衡 1叶露 1
作者单位
摘要
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院 研究生院,北京 100039
3 长春职业技术学院,吉林 长春 130033
搭建了可调对比度目标源装置,研究了图像对比度和光学对比度的关系,提出了用改进的BP神经网络标定对比度的方法。首先,设计了用于对比度标定的BP神经网络模型。然后,利用LM(Levenberg-Marquardt)算法结合缩放法改进神经网络以提高其收敛速度及泛化能力。最后,通过可调对比度目标源装置实验平台,由测量的辐照度得出了对应的图像对比度数据,使该装置可以通过调节辐照度实时获得规定的对比度。与传统BP神经网络方法相比,改进后的BP神经网络收敛速度快,泛化能力强。标定精度比经典BP算法提高了100倍,比最速下降法提高了10倍。训练次数仅需2 876次时,对比度的标定值与目标值的误差最大值是0.01%,训练均方误差收敛为0.000 459 441,测试误差收敛为0.000 467 003,满足了对检验装置中对比度标定的需要。
可调目标源 对比度标定 LM算法 缩放法 神经网络 adjustable target contrast calibration Levenberg-Marquart (LM) algorithm shrinking-magnifying approach neural network 
光学 精密工程
2012, 20(5): 949

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!