惯性约束聚变终端光学元件损伤在线检测技术研究

摘要

终端光学组件(Final Optics Module, FOM)是惯性约束核聚变(Inertial Confinement Fusion, ICF)系统的关键部件之一，集成了多种大口径终端光学元件。由于光束自聚焦等原因，终端光学元件在长期的高能量激光辐射下其表面及内部会产生激光损伤，损伤的尺寸与激光辐照次数基本呈指数增长关系。因此，需要在损伤形成的初始阶段就对其进行检测和跟踪，在损伤尺寸达到一定阈值前及时维修，否则将造成不可修复的损伤并带来巨大的经济损失。本课题主要研究终端光学元件在线检测技术。
　　ICF终端光学元件具有口径大、数量多、工作距长等特点，为保证 ICF系统正常运行，每次打靶前均需要对终端光学元件的健康情况进行评估。如何在短时间内迅速完成全部光学元件的高质量图像获取，以及在检测图像中剔除干扰信号，实现对损伤区域的准确识别、定位及精确测量，是终端光学元件在线检测(Final optics online inspection, FOOI)需要解决的关键技术问题。
　　针对上述问题，本文以神光 III主机装置为研究对象，对ICF终端光学元件在线检测技术进行了研究，主要研究内容如下：
　　对适用于ICF系统终端光学元件的在线检测方法进行了研究，设计了相应的检测系统并给出了完整的检测流程。针对神光 III主机装置中终端光学元件的排布特点，采用变焦成像技术设计了一套高分辨率光学成像系统，实现了对终端光学元件的高分辨率成像。针对神光III主机装置中FOM的分布情况设计了姿态调整系统，该系统可以快速实现光学成像系统的球空间姿态调整，完成对神光III主机装置中432块光学元件的自动图像获取。
　　针对照明不均及“亮背景”对于损伤区域准确识别的影响，对适用于终端光学元件在线检测图像的损伤区域自动识别、定位方法进行了研究。根据在线检测图像中损伤区域中心峰值的信号强度高于局部背景的信号强度这一特点，提出了一种基于局部信号强度比(Local Area Signal Strength ratio, LASS)及改进二维直方图的损伤检测算法，解决了图像中“亮背景”对检测的干扰。针对检测结果中的虚假损伤问题，提出了一种基于AdaBoost的剔除方法，进一步提高了损伤检测的识别率。
　　针对跨像素成像、灰度饱和以及电荷溢出等问题对于损伤高精度定量检测的影响，提出了一种通过回归实现损伤尺寸高精度定量测量的方法。将像素级在线检测结果与离线检测平台下的高精度亚像素检测结果相结合，通过最小二乘支持向量机(Least squares support vector machine, LSSVM)建立回归模型。采用随机抽样一致性(Random sample consensus, RANSAC)算法对建模样本中的离群样本进行剔除，保证回归模型的准确性。
　　基于本文设计的在线检测系统，对通过图像拼接方式提高检测分辨率的可行性及方案进行了研究。针对传统配准算法不适用于终端光学元件在线检测图像的问题，结合检测系统的运动信息，采用基于多特征归一化的损伤区域相似性评价方法，实现在线检测子图像的配准。提出了一种基于4邻域的全局配准方式，减少了拼接的串行级数以及由其带来的累积误差。通过泊松融合解决了由在线检测子图像间的曝光差异所引起的“拼接线”问题。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究的目的和意义

1.2 ICF光学元件损伤检测技术国内外研究现状

1.3 课题来源及主要研究内容

第2章 终端光学组件损伤在线检测系统设计

2.1 引言

2.2 神光Ⅲ主机光学元件损伤在线检测系统设计

2.3 照明系统

2.4 检测系统工作流程

2.5 本章小结

第3章 损伤识别及提取技术研究

3.1 引言

3.2 基于LASS及区域生长（ LASS-RG）的损伤检测

3.3 基于LASS及改进二维直方图（LASS-2DH）的损伤检测

3.4 虚假损伤剔除技术研究

3.5 实验及分析

3.6 本章小结

第4章 损伤定量检测技术研究

4.1 引言

4.2 基于回归的损伤亚像素检测原理

4.3 最小二乘支持向量机回归

4.4 基于RANSAC-LSSVM回归的损伤检测模型

4.5 检测流程

4.6 实验及分析

4.7 本章小结

第5章 基于图像拼接的在线检测图像获取技术

5.1 引言

5.2 FOOI子图像获取

5.3 FOOI图像配准技术

5.4 FOOI图像融合技术

5.5 实验及分析

5.6 本章小结

结论

参考文献

攻读学位期间发表的学术论文与其他成果

声明

致谢

个人简历