(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110485869.X (22)申请日 2021.04.3 0 (65)同一申请的已公布的文献号 申请公布号 CN 113283162 A (43)申请公布日 2021.08.20 (73)专利权人 晋城鸿智纳米光机电研究院有限 公司 地址 048000 山西省晋城市开发区金匠工 业园区金鼎路以东， 规划顺安街以南 （双创园6号楼） (72)发明人 王云飞　焦孟科　孙少伟　汪丰林　 袁晓波　李军旗　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 孙哲 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) G06Q 10/04(2012.01)G06F 113/22(2020.01) G06F 119/08(2020.01) (56)对比文件 CN 111008945 A,2020.04.14 CN 110705040 A,2020.01.17 CN 10808932 2 A,2018.0 5.29 CN 106873152 A,2017.0 6.20 CN 110188321 A,2019.08.3 0 CN 110715619 A,2020.01.21 CN 111209689 A,2020.0 5.29 US 2015120216 A1,2015.04.3 0 TW 200942394 A,20 09.10.16 CN 109642876 A,2019.04.16 US 2011157545 A1,201 1.06.30 US 20132 97015 A1,2013.1 1.07 王毅 等.基 于泽尼克多 项式系数的大相对 孔径表面超精密车削误差的补偿方法. 《红外与 激光工程》 .2012,第41卷(第3期), (续) 审查员 陈琪蒙 (54)发明名称 塑料光学镜片面形误差预测方法、 电子装置 及存储介质 (57)摘要 本发明提出一种塑料光学镜片面形误差预 测方法、 电子装置及存储介质， 该预测方法包括： 获取注塑成型机的成型参数及其对应的若干第 一水平值； 预生产塑料光学镜片并获得实测面形 数据， 将预设面形数据与实测面形数据进行计算 得到面形误差； 将面形误差量化为泽尼克多项式 系数并进行特征筛选； 将成型参数对应的若干第 一水平值及经过特征筛选的泽尼克多项式系数 进行机器学习， 得到机器学习模型； 将成型参数 对应的若干第二水平值输入到机器学习模型中, 并输出预测的泽尼克多项式系数； 将预测的泽尼 克多项式系数经过还原处理得到预测的面形误 差； 本发明通过机器学习预测面形误差， 为优化加工塑料光学镜片的成型参数提供依据， 以指导 生产， 提高产品良率。 [转续页] 权利要求书2页 说明书11页 附图11页 CN 113283162 B 2022.10.28 CN 113283162 B (56)对比文件 高洪涛 等.评价任意 面型微光学元件制作 误差的方法. 《微细加工技 术》 .2007,(第4期), Radhika Rampat 等.Usi ng Artifcial Intelligence and N ovel Polynomials to Predict Subjective Refracti on. 《Scientific Reports》 .2020, Diego Rodr íguez Iba ñez 等.Robust fitting of Zern ike polynomials to n oisy point clouds defi ned over co nnected domains of arbitrary shape. 《OPTICS EXPRESS》 .2016,第24卷(第6期),2/2 页 2[接上页] CN 113283162 B1.一种塑料光学镜片面形误差预测方法， 其特 征在于， 所述方法包括： 步骤S11， 获取注塑成型机的成型参数及其对应的若干第 一水平值， 根据 所述成型参数 及其对应的若干第一水平值建立 正交表， 以获得若干成型 条件； 步骤S12， 依据 所述若干成型条件预生产塑料光学镜片， 并获得所述塑料光学镜片的实 测面形数据， 将所述 塑料光学镜片的预设面形数据与所述实测面形数据作差计算得到所述 塑料光学镜片的若干组面形误差； 步骤S13， 将所述若干组面形误差分别量化为若干泽尼克多项式系数， 并对所述若干泽 尼克多项式系数进行 特征筛选； 步骤S14， 将所述成型参数对应的若干第一水平值及经过所述特征筛选的泽尼克多项 式系数作为训练数据进 行机器学习， 得到机器学习模型； 其中， 所述机器学习模 型通过采用 线性回归数 学模型或二次模型训练得到； 步骤S15， 将所述注塑成型机的成型参数对应的若干第二水平值作为输入数据输入到 所述机器学习模型中,并输出预测的泽尼克多项式系 数， 所述第二水平值用于在所述机器 学习模型运用阶段使用， 区别于在所述机器学习模型训练阶段 所使用的所述第一水平值； 步骤S16， 将所述预测的泽尼克多 项式系数 经过还原处 理得到预测的面形误差 。 2.如权利要求1所述的塑料光学镜片面形误差预测方法， 其特征在于， 所述成型参数包 括模具温度及V ‑P切换压力。 3.如权利要求2所述的塑料光学镜片面形误差预测方法， 其特征在于， 所述模具温度设 置有5个所述第一水平值， 所述V ‑P切换压力设置有5个所述第一水平值， 所述模具温度的5 个所述第一水平值作为所述正交表的列， 所述V ‑P切换压力的5个所述第一水平值作为所述 正交表的栏， 建立具有25组成型条件的所述正交表， 所述模 具温度设置的5个若干第一水平 值分别为： 124℃、 127℃、 130℃、 133℃及137℃， 所述V ‑P切换压力的5个若干第一水平值分 别为： 600kg·F/cm2、 700kg·F/cm2、 800kg·F/cm2、 900kg·F/cm2及1000kg·F/cm2。 4.如权利要求1所述的塑料光学镜片面形误差预测方法， 其特征在于， 将所述若干组面 形误差分别量化为若干泽尼克多项式系数的步骤包括： 将所述若干组面形误差按组分别量 化为若干泽尼克多项式系数， 在每组量化过程中， 以所述泽尼克多项式作为基底函数， 对所 述若干组面形误差进行拟合得到所述若干泽尼克多 项式系数。 5.如权利要求1所述的塑料光学镜片面形误差预测方法， 其特征在于， 所述特征筛选包 括： 计算所述若干泽尼克多项式系数的标准差， 并对所述标准差进 行降序排序， 筛选所述标 准差由大到小排列的靠前的若干个泽尼克多 项式项次。 6.如权利要求1所述的塑料光学镜片面形误差预测方法， 其特征在于， 在步骤S16后， 所 述预测方法包括步骤S17： 判断所述预测的面形误差是否在第一目标范围内， 若 所述预测的 面形误差在所述第一 目标范围内， 利用所述第二水平值量产所述塑料光学镜片， 若所述预 测的面形误差不在所述第一目标范围内， 则 返回步骤S15更换所述第二水平值并重新执行 所述步骤S15及步骤S16， 直到所述预测的面形误差在第一目标范围内， 再执行步骤S18： 采 用所述第二水平值量产所述塑料光学镜片； 其中， 所述第一 目标范围为所述塑料光学镜片 的预测面形的峰谷值PV值的范围， 即0.43 μm≤预测面形的PV值≤ 0.48 μm。 7.如权利要求1所述的塑料光学镜片面形误差预测方法， 其特征在于， 在步骤S14后， 所 述预测方法包括步骤S100： 校验所述机器学习模型的精度， 若所述机器学习模型的精度在权　利　要　求　书 1/2 页 2 CN 113283162 B 3