一种基于神经网络算法的主次镜校准方法

本发明涉及光学仪器智能精密校准技术领域，尤其涉及一种基于神经网络算法的主次镜校准方法，包括：步骤1：同步采集主次镜的多物理场耦合数据；步骤2：构建双模态神经网络模型，所述双模态神经网络模型包括；步骤3：对所述初始预测值进行运动学可行性验证及动态优化，包括采用李群空间参数化方法规避旋转自由度奇异点、通过雅可比矩阵验证调整平台可达工作空间；步骤4：基于优化后的调整参数驱动次镜调整平台，并依据实际波前残差触发神经网络模型的在线增量学习。本发明通过神经网络算法的创新应用，解决了传统光学系统校准方法在极端环境和高频动态情况下的多项技术难题，并通过自学习和自适应能力提升了校准精度、实时性和效率。