[发明专利]基于径向扫描结合环向扫描的摆臂轮廓面形检测方法

说明书

技术领域

本发明属于光学元件面形检测领域，具体涉及一种基于径向扫描结合环向扫描的摆臂轮廓面形检测方法。

背景技术

光学奇异面(如大梯度凸非球面、自由曲面、锥面、柱面等)的面形精密检测问题是制约该类元件制造和应用的关键瓶颈，已经成为世界光学领域的研究热点。这主要是因为光学奇异面面形具有表面形状自由复杂、梯度变化大、定义描述困难、光线追迹难等特点，给其面形的高精度检测带来了许多复杂且难以解决的科学问题。国内外测量的光学奇异面面形的方法主要分为轮廓仪法和干涉法。市场现有的轮廓仪只能检测元件表面某一条线的形状误差，无法得到全面形波长级误差信息。干涉法一般是针对特定面形进行方法设计，精度能达到波长级，但是其测量动态范围小、针对性强、通用性差，特别是无法检测大口径元件。目前世界上还没有成熟可靠的方法能完全解决光学奇异面三维面形数据高精度测试难题，特别是对于大口径元件的快速波长级测量手段更是空白。

美国的凯特.梅迪卡斯(Kate M.Medicus)等利用径向特征轮廓扫描解决了梯度变化小的自由曲面的面形检测问题，但其方法只适用于能够在泽戈(Zygo)干涉仪上进行检测的面形。因此，对于大多数梯度变化大的光学奇异面的检测是不适用的。

发明内容

本发明的目的在于提供一种基于径向扫描结合环向扫描的摆臂轮廓面形检测方法，能够提高现有轮廓扫描面形检测的测量精度，扩展其应用领域，适用于测量大口径、波长级的光学元件面形。

实现本发明目的的技术解决方案为：

一种基于径向扫描结合环向扫描的摆臂轮廓面形检测方法

第一步，利用基于福布斯(Forbes)多项式拟合的数学方法对被检元件表面特征进行科学描述，获得被检元件在非解析表达下的表面梯度分布。

第二步，根据被检元件在非解析表达下的表面梯度分布，建立表面梯度与被检元件特征轮廓的数学模型，提取被检元件特征轮廓线：

数学模型如下：

其中，n是圆周特征轮廓线的序号，θ_n是第n条特征轮廓线对应的极坐标角度，是由最大梯度系数决定的第n条特征轮廓线处的梯度系数，θ₀为初始位置对应的极坐标角度。

第三步，对上述提取的被检元件的特征轮廓线按照径向和环向分别进行测量路径的规划。

第四步，将被检元件放置在摆臂轮廓仪上，用摆臂轮廓仪的探针对被检元件按照上述规划的测量路径分别进行径向扫描和环向扫描，获得被检元件的一维特征轮廓数据。

第五步，利用面形偏差拟合重构算法将测量得到的被检元件的一维特征轮廓数据进行插值、拟合、重构，最终得到被检元件的二维全面形。

本发明与现有技术相比，其显著优点：(1)面形的重构精度达到波长级，提高了测量精度；(2)能按照被检元件的表面梯度分布自适应的规划路径以及扫描线的密度，提高了测量效率；(3)不受被测元件的表面梯度及旋转对称性影响，检测范围广。

附图说明

图1为摆臂轮廓径向扫描示意图。

图2为摆臂轮廓环向扫描示意图。

图3为部分面形拼接得到完整面形示意图。

图4为本发明的方法流程图。

图5为本发明的实施例设计面形图。

图6为本发明的实施例仿真面形图。

图7为本发明的实施例仿真面形与设计面形的偏差对比图，其中(a)为三维立体对比图，(b)为二维俯视对比图。

图8为本发明的实施例实验面形与设计面形的偏差对比图，其中(a)为三维立体对比图，(b)为二维俯视对比图。

具体实施方式

结合图4，一种基于径向扫描结合环向扫描的摆臂轮廓面形检测方法，方法步骤如下：

第一步，利用基于Forbes多项式拟合的数学方法对被检元件表面特征进行科学描述，获得被检元件在非解析表达下的表面梯度分布。

第二步，根据被检元件在非解析表达下的表面梯度分布，建立表面梯度与被检元件特征轮廓的数学模型，根据上述数学模型提取被检元件特征轮廓线：

数学模型如下：

其中，n是圆周特征轮廓线的序号，θ_n是第n条特征轮廓线对应的极坐标角度，是由最大梯度系数决定的第n条特征轮廓线处的梯度系数，θ₀为初始位置对应的极坐标角度。