买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院光电技术研究所申请的专利一种基于深度学习的自适应光学波前预测与前馈校正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115598980B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211311663.6，技术领域涉及：G05B13/04；该发明授权一种基于深度学习的自适应光学波前预测与前馈校正方法是由朱里程;王宁;杨平;高泽宇;葛欣兰设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于深度学习的自适应光学波前预测与前馈校正方法在说明书摘要公布了：本发明公开了一种基于深度学习的自适应光学波前预测与前馈校正方法。首先利用一套像差模拟系统，可模拟生成具有不同时间和空间频率的大气湍流畸变波前，使得畸变光束首先经过哈特曼波前传感器1进行波前探测，再经过计算机搭载的神经网络模型进行波前的前向预测，最后将输出预测波前转换成控制电压加载到变形镜上，通过哈特曼波前传感器2进行校正性能分析，同时实现AO的波前预测与前馈校正。本发明采用神经网络预测加前馈校正的方式，利用实时探测的畸变波前开展前向预测，并将输出的预测波前转换成变形镜的校正面形，可以有效克服AO系统固有的控制时延问题；采用前馈校正的方式，可以有效简化网络预测模型，更利于实际系统中的部署应用。

本发明授权一种基于深度学习的自适应光学波前预测与前馈校正方法在权利要求书中公布了：1.一种基于深度学习的自适应光学波前预测与前馈校正方法，其特征在于：该方法利用模拟生成具有不同时间和空间频率的大气湍流畸变波前，使得畸变光束首先经过哈特曼波前传感器1进行波前探测，再经过计算机搭载的神经网络模型进行波前预测，最后将输出预测波前转换成控制电压加载到变形镜上，通过哈特曼波前传感器2观察校正残余波前，进行校正性能分析，同时实现AO的波前预测与前馈校正，该方法包括如下步骤： 步骤S1：根据大气冻结流假设，基于Kolmogorov湍流统计理论、HV-57折射率结构常数模型和Bufton风速模型经过傅里叶级数方法时间演化仿真模拟获得大气湍流畸变波前；Kolmogorov湍流统计理论即为在惯性区域内大气折射率结构函数满足“三分之二定律”； 步骤S2：将模拟生成的固定时间频率的大气湍流畸变波前加载到像差模拟系统中，并采用基于固定采样帧频的哈特曼波前传感器1进行波前数据采集； 步骤S3：对步骤S2中采集的波前数据进行预处理，并将处理好的数据按预测模型要求分为训练集与测试集两组，训练集数据通过事先搭建好的神经网络结构进行迭代再训练，使网络适应哈特曼波前传感器1重构后的波前特征信息；训练集和测试集中的数据需满足样本与标签相对应，以便网络正确学习历史波前与预测波前的映射关系，其残差分析的评价指标为残余波前的均方根（RMS）值，选取该RMS值最小的模型为最优模型结构； 步骤S4：利用测试集数据进行预测模型测试，对输出的预测波前与待校正实际标签波前进行残差分析，根据残差分析结果选取最优模型，并将最优模型部署于控制器中； 步骤S5：将网络模型输出的预测波前转换成控制电压加载到变形镜上产生校正面形，通过哈特曼波前传感器2观察校正残余波前，用于评估校正性能；哈特曼波前传感器1用于探测畸变波前信息，带有预测模型的控制器进行波前预测处理输出预测波前，变形镜对预测波前进行校正，哈特曼波前传感器2用于观测残余波前来分析校正效果； 步骤S6：模拟生成时间频率逐渐增大的大气湍流畸变波前加载到像差模拟系统中，开展波前预测与前馈校正，获取不同时间频率大气湍流下的校正性能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院光电技术研究所，其通讯地址为：610209 四川省成都市双流350信箱；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。