由于无法对调整架各维调节自由度之间的坐标耦合关系进行量化和补偿校正,一般在光学系统装调中通常忽略坐标耦合情况,造成光学调整的误差。本文通过数学建模与仿真,详细分析了多维精密光学调整架各维运动自由度之间的耦合关系,对多维光学调整架的各维调整量进行分解变换,对各维调整量之间的坐标耦合进行了补偿校正,测试结果表明,该方法可以有效减小实际机械调整量和期望的光学调整量之间存在差异,从而实现更加准确的光学调整。

介绍了一种卡塞格林红外光学系统的装调方法。利用中心偏测量仪完成主次镜的装调,利用定心车的工艺完成红外目镜组的定心车削,然后在中心偏测量仪上完成主次镜和目镜组的组合装调。由于该系统采用的是线列探测器,因此采用一个外置摆镜,使摆镜以固定频率摆动,使目标源在探测器上形成了一幅完整的图像,从而可以很方便的完成探测器的装调。采用本方法,完成了一台该光学系统的装调,并测量了光学系统的等效噪声温差和最小可分辨温差,均达到了技术指标要求。

地平式光电成像跟踪测量设备进行目标观测时,由于物像空间旋转而产生像旋,使目标提取和测量出错。为消除像旋,先建立了以球面三角和坐标变换为基础的像旋模型,对像旋模型中各个变量的关系进行了分析,并简介了目前几种常用的消像旋的方法,提出一种采用CCD相机旋转消像旋的设计思路,详细地描述了消像旋指标、单元结构和控制流程的设计过程,并在某光测设备上实现应用。厂内检测数据和在外场运行试验结果证明,采用CCD相机旋转消像旋的设计达到设计指标,满足设计要求,保证了光电跟踪测量设备对目标的准确提取和稳定跟踪。

以往联合变换相关器的光学系统结构是一支光路反馈，实时性差且体积大。针对其缺点，设计了一种具有双光路的联合变换相关器。其中，最主要的特点是傅里叶透镜组与准直扩束系统共用同一片正透镜。改进后的装置可以清晰地探测到相关点，并具有体积小的特点。

为解决超低频、微小振动的高精度测量与装调间的矛盾,提出了一种新型的激光多普勒信号检波系统.该系统通过一运动光栅的衍射,得到约40.5%的测量光强,用另一光栅的衍射消除两束差动光间的夹角以及光波长对测量精度的影响;频移﹑混频分开进行,保证系统装调更方便准确;用1/4波片﹑渥拉斯顿棱镜等得到相位差90°的正余弦信号,实现位移方向识别.实验得出,该系统振动频率和振幅测量精度均为1%,可测频率范围可达到0.5-500Hz,可测振幅范围1μm-5mm.

研制了一种大扫描范围原子力显微镜(AFM).设计了新的扫描驱动电路,使单幅图像的扫描范围大幅度提高;用步进电机和扫描器配合扫描,得到序列图像,序列图像拼接后获得大范围样品图像.实验结果表明,采用这一方法,在±150V的电压驱动下,AFM的扫描范围可增大到10 μm-1 mm的量级,同时保持1 nm量级的测试分辨力.

本文对R-C望远镜系统的结构作了深入的研究，完成R-C望远镜系统的结构设计，并对整体结构进行有限元分析。通过模态分析得到总体结构的第一阶频率为183．39Hz，高于系统要求的100Hz，在热分析中得到因温度变化导致主、次镜同轴度的偏差为1．15μm，也小于光学要求值0．01mm。望远镜系统实物的实测结果与仿真结果基本相符，验证了R-C望远镜系统结构设计的合理性。

为了得到数码望远镜开发的最优技术方案,对其设计进行了系统分析,找出了图像传感器类型、有效像素数、光敏面尺寸和结构形式等4个关键因素,并由此给出了4个备选技术方案.采用层次分析法(AHP) 对备选方案进行了优选决策,通过实例计算,确定出当前最优技术方案,即采用组合式结构和CMOS图像传感器,图像传感器的光敏面尺寸为1/2英寸、有效像素数为1300k.制作出样机,其望远镜视角放大率8倍,视场角7.2°,照相镜头焦距50mm.进行了对比实验,实验结果与理论分析相符.

准确地从试验数据计算输出信号相位差、振幅比及基线位置是AFVISAR数据处理程序所要解决的一项关键问题.通过对AFVISAR输出信号利萨如图形的深入研究,提出了一种自动拟合数据处理参数的算法.在借鉴传统速度干涉仪(VISAR)数据处理方法的基础之上,开发了AFVISAR数据处理程序.运用该程序对Hopkinson压杆加载下的试验数据进行了处理,实测自由面速度的上升前沿和阻抗匹配法得到的结果相当一致.实测的速度最大值为12.8m/s,与理论值13m/s非常接近,表明该处理程序可以准确地、自动地拟合AFVISAR输出信号参数.

利用广义惠更斯-菲涅耳衍射积分公式,研究了平顶多高斯光束通过球差透镜的聚焦特性.推导出轴上光强分布的表达式,并对轴上光强进行大量的数值计算及分析.研究结果表明,当平顶多高斯光束的阶数N一定时,透镜的球差将在很大程度上影响光束的聚焦特性;当透镜的球差一定时,N值的改变将影响轴上最佳聚焦点的位置;当无球差时,轴上最佳聚焦点并不在几何焦点处,轴上最佳聚焦点位置随着N值增加向几何焦点靠近,例如当阶数N由0增大为1时,则归一化最佳聚焦点由0.91增大到0.98.