Model-based wavefront sensorless control with magnetic fluid deformable mirror for large aberration corrections
Notice bibliographique
Résumé
Adaptive optics (AO) systems are used to enhance the performance of optical systems. A classical AO system consists of the wavefront corrector with the wavefront sensor (WFS). Wavefront correctors are able to compensate for aberrations in real-time with the measured aberrations. Compared with traditional wavefront correctors, the major advantage of the magnetic fluid deformable mirror (MFDM) features large deformation strokes that can be easily up to more than 100μm both for the single actuator or inter-actuators. However, the measuring range of WFS is normally small, which could limit its usage in the applications with large aberrations. Considering the idea of taking full advantages of the MFDM’s stroke strengths and the limitations of the AO system with the WFS, this paper proposes a model-based wavefront sensorless control algorithm for the adaptive optics systems with magnetic fluid deformable mirror. Compared with the model-free wavefront sensorless AO systems, the model-based control algorithm for the wavefront sensorless AO systems features faster convergence without dropping into the local optima. The model-based control approach is developed based on a relationship between the second moments of the wavefront gradients and the far-field intensity distribution by taking Zernike polynomials as the predetermined bias functions, therefore, the unknown aberrations can be corrected without the wavefront measurement in the closed-loop AO control system. The control algorithm is evaluated in a wavefront sensorless AO system setup with a prototype MFDM, where a parallel laser beam with unknown aberrations is supposed to produce a focused spot on the CCD. Experimental results show that the model-based control method can effectively make the MFDM to compensate for unknown aberrations in an imaging system
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».