[发明专利]大口径大视场望远镜粗对准方法、装置、设备及存储介质

权利要求书

1.一种大口径大视场望远镜粗对准方法，其特征在于，包括：

在望远镜的主镜和校正镜组的周边分别设置多个观测点作为连接接头，所述主镜的观测点与所述校正镜组的观测点依次首尾相连构成光学桁架；

利用单台激光跟踪仪对所述校正镜组进行测量，并以所述光学桁架的测量结果为输入，以所述单台激光跟踪仪的测量结果为输出，训练第一神经网络；

根据训练好的所述第一神经网络，确定所述校正镜组的初始姿态；

根据Stewart机构运动学模型，建立雅克比矩阵数从数学空间到机构空间的映射；

根据所述光学桁架的变化量和建立的所述雅克比矩阵映射，得到所述校正镜组的姿态变化量；

根据所述校正镜组的初始姿态与姿态变化量，计算所述校正镜组的绝对姿态；

将所述校正镜组的绝对姿态与目标姿态进行比较，根据比较结果控制驱动机构对所述主镜和所述校正镜组进行粗对准。

2.根据权利要求1所述的大口径大视场望远镜粗对准方法，其特征在于，所述主镜和所述校正镜组的观测点分别至少有三个。

3.根据权利要求1所述的大口径大视场望远镜粗对准方法，其特征在于，在训练第一神经网络之前，还包括：

在检测环境下，以单台激光跟踪仪对所述校正镜组的多次测量结果为输入，以多台激光跟踪仪对所述校正镜组的多次测量结果为输出，建立用于折光误差修正的第二神经网络；

通过建立的所述第二神经网络对所述单台激光跟踪仪进行校标。

4.根据权利要求3所述的大口径大视场望远镜粗对准方法，其特征在于，所述第一神经网络和/或所述第二神经网络中使用小波函数作为隐藏层激活函数。

5.根据权利要求1所述的大口径大视场望远镜粗对准方法，其特征在于，在训练第一神经网络的同时，还包括：

利用误差反向传播结合粒子群算法和遗传算法，优化所述第一神经网络的权值和尺寸因子、平移因子、节点之间的权重值与阈值。

6.一种大口径大视场望远镜粗对准装置，其特征在于，包括：

光学桁架构建模块，用于在望远镜的主镜和校正镜组的周边分别设置多个观测点作为连接接头，所述主镜的观测点与所述校正镜组的观测点依次首尾相连构成光学桁架；

神经网络训练模块，用于利用单台激光跟踪仪对所述校正镜组进行测量，并以所述光学桁架的测量结果为输入，以所述单台激光跟踪仪的测量结果为输出，训练第一神经网络；

初始姿态确定模块，用于根据训练好的所述第一神经网络，确定所述校正镜组的初始姿态；

姿态变化量得到模块，用于根据Stewart机构运动学模型，建立雅克比矩阵数从数学空间到机构空间的映射；根据所述光学桁架的变化量和建立的所述雅克比矩阵映射，得到所述校正镜组的姿态变化量；

绝对姿态计算模块，用于根据所述校正镜组的初始姿态与姿态变化量，计算所述校正镜组的绝对姿态；

粗对准控制模块，用于将所述校正镜组的绝对姿态与目标姿态进行比较，根据比较结果控制驱动机构对所述主镜和所述校正镜组进行粗对准。

7.一种大口径大视场望远镜粗对准设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至5任一项所述的大口径大视场望远镜粗对准方法。

8.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的大口径大视场望远镜粗对准方法。