透镜系统建模：单透镜、双胶合透镜、多透镜组的参数化建模与像差分析

透镜建模这件事，说难不难，说简单也不简单。我刚开始做光学设计那会儿，总觉得把几个透镜参数输进去就能跑出好结果——后来发现，真正麻烦的是像差分析。你想想看，一个单透镜可能就几个参数，但到了双胶合、多透镜组，参数一多，问题就全冒出来了。

今天咱们就聊聊透镜系统的参数化建模。我会从最简单的单透镜开始，一步步讲到多透镜组。每个环节我都会带上代码，毕竟光说不练假把式。

单透镜的参数化建模

单透镜是所有透镜系统的基础。说白了，就是一个球面折射面，前后两个曲率半径，加上厚度和材料。我习惯用这样的数据结构来表示：

class SingleLens:
    def __init__(self, R1, R2, thickness, n_d, v_d):
        self.R1 = R1          # 前表面曲率半径 (mm)
        self.R2 = R2          # 后表面曲率半径 (mm)
        self.t = thickness    # 中心厚度 (mm)
        self.n_d = n_d        # d光折射率
        self.v_d = v_d        # 阿贝数

这里有个坑，我踩过好几次。曲率半径的正负号，不同软件定义不一样。我个人习惯用「光线从左侧入射，凸面朝左为正」的约定。嗯，这个一定要统一，不然算出来的焦距符号都是反的。

单透镜的焦距公式很简单：

def focal_length(self):
    # 薄透镜公式近似
    return 1 / ((self.n_d - 1) * (1/self.R1 - 1/self.R2))

但实际项目中，薄透镜近似往往不够用。我记得有一次做激光聚焦系统，用薄透镜公式算出来焦距50mm，实际仿真差了将近3mm。后来改用厚透镜公式才对上。所以，厚透镜公式才是工程上的底线。

双胶合透镜：消色差的关键

双胶合透镜，说白了就是把两个不同材料的透镜粘在一起。为什么要这么做？因为单透镜有色差——不同颜色的光聚焦点不一样。我见过一个项目，用单透镜做成像，结果蓝光和红光焦点差了0.5mm，整个图像都是糊的。

双胶合透镜的参数化建模，我一般这样写：

class Doublet:
    def __init__(self, lens1, lens2, cement_radius=None):
        self.lens1 = lens1    # 第一个透镜 (SingleLens对象)
        self.lens2 = lens2    # 第二个透镜 (SingleLens对象)
        self.R_cement = cement_radius  # 胶合面曲率半径

注意，双胶合透镜的胶合面是两个透镜共享的。也就是说，第一个透镜的R2等于第二个透镜的R1。这个细节我当年就搞错过，结果算出来的光路完全不对。

消色差的条件是：

def achromatic_condition(self, target_focal):
    # 两个透镜的光焦度分配
    phi1 = 1 / self.lens1.focal_length()
    phi2 = 1 / self.lens2.focal_length()
    # 消色差条件: phi1/v1 + phi2/v2 = 0
    # 总光焦度: phi1 + phi2 = 1/target_focal
    # 解这个方程组...

多透镜组的参数化建模

多透镜组，就是多个透镜的组合。我做过一个变焦镜头，里面有8个透镜，分成了4个组。参数化建模的时候，最头疼的是管理这么多参数。

我的做法是用列表来管理：

class LensSystem:
    def __init__(self):
        self.surfaces = []  # 所有光学面
        self.lenses = []    # 所有透镜
        
    def add_lens(self, lens, position):
        # 在指定位置添加透镜
        self.lenses.append((lens, position))
        # 更新表面列表
        self._update_surfaces()

多透镜组的像差分析，比单透镜复杂得多。每个透镜都会引入像差，而且它们之间会互相补偿或叠加。我一般用赛德尔像差系数来分析：

def seidel_aberrations(self, field_angle, aperture):
    # 计算各阶像差
    S1 = 0  # 球差
    S2 = 0  # 彗差
    S3 = 0  # 像散
    S4 = 0  # 场曲
    S5 = 0  # 畸变
    
    for surface in self.surfaces:
        # 对每个面计算像差贡献
        s1, s2, s3, s4, s5 = surface.seidel_terms(field_angle, aperture)
        S1 += s1
        S2 += s2
        S3 += s3
        S4 += s4
        S5 += s5
    
    return S1, S2, S3, S4, S5

像差分析的实战案例

咱们来看一个实际案例。我曾经设计过一个4倍扩束镜，用了两个双胶合透镜。初始参数是这样的：

透镜	R1 (mm)	R2 (mm)	厚度 (mm)	材料
双胶合1 (前组)	50.0	-30.0	8.0	N-BK7 / N-SF5
双胶合2 (后组)	-40.0	80.0	6.0	N-SF5 / N-BK7

跑完像差分析，结果是这样的：

# 像差分析结果
球差 (S1): 0.0023 mm
彗差 (S2): 0.0011 mm  
像散 (S3): 0.0045 mm
场曲 (S4): 0.0032 mm
畸变 (S5): 0.15%

嗯，这里要注意。畸变0.15%看起来很小，但对于精密测量系统来说，这个值还是偏大。我当时花了三天时间，调整了两个透镜之间的空气间隔，才把畸变压到0.05%以下。

参数化建模的自动化流程

在实际工程中，手动调参效率太低。我一般会写一个自动化脚本，用优化算法来找最佳参数。这里给个简单的例子：

def optimize_lens_system(initial_params, target_aberrations):
    # 使用梯度下降法优化
    params = initial_params.copy()
    learning_rate = 0.01
    
    for iteration in range(1000):
        # 计算当前像差
        system = build_system(params)
        aberrations = system.seidel_aberrations(0.5, 0.8)
        
        # 计算损失
        loss = sum((a - t)**2 for a, t in zip(aberrations, target_aberrations))
        
        if loss < 1e-6:
            break
            
        # 梯度下降更新参数
        gradients = compute_gradients(params, system)
        params -= learning_rate * gradients
    
    return params

这个脚本看起来简单，但实际用的时候要注意收敛速度。我试过用固定学习率，结果要么收敛太慢，要么直接发散。后来改用自适应学习率，效果好了很多。

总结一下

透镜系统建模，说白了就是三件事：参数化、像差分析、优化。单透镜是基础，双胶合透镜解决色差，多透镜组处理复杂像差。每一步都有坑，但踩过了就记住了。

我个人觉得，做光学系统集成，最重要的不是会多少公式，而是能快速把问题转化成代码。你想想看，一个复杂的多透镜组，手动算像差要算到猴年马月？但用代码，几秒钟就出结果了。

最后提醒一句：仿真结果永远要和实际测试对比。我见过太多人，仿真跑得漂漂亮亮，一装到机器上就露馅。原因往往是忽略了加工公差和装配误差。所以，建模的时候一定要留出公差裕量。

好了，这一章就到这里。下一章咱们聊聊非球面透镜的建模，那个更有意思。