[发明专利]一种优化曝光系统性能的方法

权利要求书

1.一种优化曝光系统性能的方法，包括：

步骤一、将不同照明模式下能量传感器的高度作为神经网络的输入，将该高度所对应的半影宽度作为神经网络输出；

步骤二、利用该输入输出拟合该曝光系统并输出一预测结果值；

步骤三、利用该预测结果值作为遗传算法极值寻优的个体适应度值以获得该曝光系统最优半影高度；

步骤四、根据该最优半影高度，通过物像关系以获得该曝光系统可变狭缝的最优高度；以及

步骤五，根据步骤四获得的该可变狭缝的最优高度调节该可变狭缝的高度。

2.根据权利要求1该的优化曝光系统性能的方法，其特征在于，该步骤一包括：神经网络构建步骤、神经网络训练步骤以及神经网络预测步骤。

3.根据权利要求2该的优化曝光系统性能的方法，其特征在于，该神经网络构建步骤包括：

根据输入的传感器高度X及输出的半影宽度Y确定该神经网络的输入层节点数n、隐含层节点数l，输出层节点数m，初始化该输入层、隐含层和输出层神经元之间的连接权值w_ij，w_ij，初始化该隐含层阈值a，输出层阈值b，给定学习速率和神经元激励函数。

4.根据权利要求3述的优化曝光系统性能的方法，其特征在于，该神经网络训练步骤以及神经网络预测步骤包括隐含层输入计算、输出层输出计算、误差计算、权值更新及阈值更新，该隐含层输入计算包括：根据该传感器高度X，输入层和隐含层间连接权值w_ij以及隐含层阈值a，计算隐含层输出H：

j＝1，2，...，l，l为隐含层节点数；f为隐含层激励函数，结合曝光系统特点，选取S形函数 

该输出层输出计算包括：根据隐含层输出H，连接权值w_jk和阈值b，计算BP神经网络的预测输出半影宽度O，O_k＝∑H_jw_jk-b_k k＝1，2，...，m；

该误差计算包括：根据网路预测输出半影宽度O和期望输出半影高度Y，计算神经 网络预测误差ee_k＝Y_k-O_k k＝1，2，...，m；

该权值更新包括根据神经网络预测误差e更新神经网络连接权值w_ij，w_jk

j＝1，2，...，l，k＝1，2，...，m

w_jk＝w_jk+ηH_je_k j＝1，2，...，l，k＝1，2，..，m，η为学习速率；

该阈值更新包括根据神经网络预测误差e更新网络节点阈值a，b，

j＝1，2，...，l，b_k＝b_k+e_k k＝1，2，...，m。

5.根据权利要求1述的优化曝光系统性能的方法，其特征在于，该步骤三包括：适应度函数步骤及遗传算法操作步骤。

6.根据权利要求5述的优化曝光系统性能的方法，其特征在于，该适应度函数步骤包括将该预测结果值作为个体适应度值，并判断是否符合优化准则，若符合，输出最佳个体及其代表的最优解，否则进入遗传算法操作步骤。

7.根据权利要求5述的优化曝光系统性能的方法，其特征在于，该遗传算法操作步骤包括：遗传选择操作步骤、遗传算法交叉步骤及遗传算法变异步骤。