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极限学习机构建非线性影响函数的波前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：CN121232443B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511803414.2，技术领域涉及：G02B27/00；该发明授权一种基于极限学习机构建非线性影响函数的波前校正方法是由陈艺;何星;林海奇;宁默;孙文翰;钱贻顺设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本一种基于极限学习机构建非线性影响函数的波前校正方法在说明书摘要公布了：本发明公开了一种基于极限学习机构建非线性影响函数的波前校正方法，属于自适应光学技术领域。所述方法包括：构建哈特曼波前传感器斜率向量与变形镜电压向量的非线性训练集；采用极限学习机神经网络进行训练，优化激活函数和隐藏层神经元数目；训练完成后，采集待校正波前斜率向量，输入训练好的神经网络模型得到误差电压向量；将该误差电压通过比例‑积分控制器处理得到校正电压，驱动变形镜产生补偿面型，实现波前校正，并形成闭环控制。本发明突破了传统线性复原矩阵的局限，能够更精确地计算误差电压，显著降低校正残差，提高收敛速度，在静态场景下表现出优异的适应性与校正效果。

本发明授权一种基于极限学习机构建非线性影响函数的波前校正方法在权利要求书中公布了：1.一种基于极限学习机构建非线性影响函数的波前校正方法，其特征在于，包括： 步骤1、生成波前传感器斜率向量与变形镜电压向量的对应关系数据，构建非线性映射训练集； 步骤2、将所述训练集输入至极限学习机神经网络进行训练，以建立从斜率向量到电压向量的非线性影响函数模型； 步骤3、实时采集待校正波前的斜率向量，并将其输入至训练完成的非线性影响函数模型中，直接输出得到高精度的误差电压向量； 步骤4、将所述误差电压向量通过比例-积分控制器处理，生成驱动变形镜的校正电压，产生补偿波前面型；同时，波前传感器检测校正残差，反馈至步骤3进行下一轮校正，形成闭环控制回路； 其中，所述步骤1包括： 步骤1.1、生成随机电压向量； 步骤1.2、根据变形镜影响函数模型计算所述随机电压向量对应的变形镜表面面型；变形镜表面面型的计算公式为： ； 其中，M为变形镜驱动器数目，为第m个驱动器的坐标，d为相邻驱动器间距，为驱动器交连值，为高斯函数指数，为第m个驱动器的电压值； 步骤1.3、获取由所述表面面型引起的斜率向量，所述斜率向量为2N维向量，其中N为哈特曼波前传感器的子孔径数； 步骤1.4、将所述斜率向量的负值作为神经网络输入，所述随机电压向量作为输出，构成训练数据对； 步骤1.5、重复步骤1.1-步骤1.4生成多组训练数据对，形成完整的非线性映射训练集。

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：610041 四川省成都市人民南路四段九号；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”。

以上内容由龙图腾AI智能生成。