公差分析与实际模拟的出入

学习公差分析的时间不长，其实很多时候真的感到很疑惑，好像有时候在最差的十项里面未必就是最差的，好像有时候会出现比这里面其中的一些还敏感的却没有出现在最差的十项里面，最近一直不求甚解，但今天遇到一问题实在不得不让我去求甚解。事情是这样的，我对一个镜头进行分析，公差分析结果贴在下面，其中第10到11面的空气间隔就是L5-L6的间隔，按照最差的十项来说，应该是变化这个间距MTF会下降比较大，可实际上MTF却没有什么下降，而4到6面的间距（L2和L3之间的空气间隔）变化MTF下降的确比较明显，真不明白这是为什么，镜头的镜片排序大致如下面所示。还有，我请教了前辈，前辈说公差模拟是随机的，不一定正确的，只是有参考价值而已，而且他还说假如公差分析设置的操作数一样，那每次公差分析的结果也不一定相同，这让我有点疑惑，好像我印象中不是这样的，我好像这么做过，但分析的结果是一样的，当然这个我自己去试试就知道了，只是现在太晚了，不想去试一试，想睡觉了，所以对于其他问题，希望各位不吝赐教，谢谢！还有，希望各位看看我公差分析的结果，看看里面是否有设置不对的地方，有的话请指正，再次谢过。

[attachment=48103]

L3前面两竖线是光阑

公差分析结果：

Units are Millimeters.

Paraxial Focus compensation is on. In this mode, all
compensators are ignored, except paraxial back focus change.

WARNING: Boundary constraints on compensators are ignored when
         using fast mode or user-defined merit functions.

Criteria            : Diffraction MTF average S&T at 180.0000 lp/mm
Mode                : Sensitivities
Sampling            : 3
Optimization Cycles : Automatic mode
Nominal Criteria    : 0.38686619
Test Wavelength     : 0.5460

Fields: User Defined Real Image height in Millimeters
#      X-Field      Y-Field       Weight    VDX    VDY    VCX    VCY
1   0.000E+000   0.000E+000   1.000E+000  0.000  0.000  0.000  0.000
2   0.000E+000   1.151E+000   1.000E+000  0.000  0.000  0.000  0.000
3   0.000E+000   1.918E+000   1.000E+000  0.000  0.000  0.000  0.000
4   0.000E+000   2.685E+000   1.000E+000  0.000  0.000  0.000  0.000
5   0.000E+000   3.452E+000   1.000E+000  0.000 -0.105  0.002  0.105
6   0.000E+000   3.836E+000   1.000E+000  0.000 -0.217  0.014  0.217

Sensitivity Analysis:

                 |------------ Minimum ------------| |------------ Maximum ------------|
Type                   Value    Criteria      Change       Value    Criteria      Change
TTHI   2   3       -0.010000    0.386393   -0.000473    0.010000    0.380196   -0.006670
TTHI   4   6       -0.010000    0.380717   -0.006149    0.010000    0.378999   -0.007867
TTHI   7   8       -0.010000    0.380585   -0.006282    0.010000    0.386480   -0.000386
TTHI  10  11       -0.010000    0.375901   -0.010965    0.010000    0.385879   -0.000987
TTHI  12  13       -0.010000    0.386971    0.000105    0.010000    0.386709   -0.000158
TTHI  14  15       -0.010000    0.386958    0.000092    0.010000    0.386722   -0.000144

Worst offenders:
Type                   Value    Criteria      Change
TTHI  10  11       -0.010000    0.375901   -0.010965
TTHI   4   6        0.010000    0.378999   -0.007867
TTHI   2   3        0.010000    0.380196   -0.006670
TTHI   7   8       -0.010000    0.380585   -0.006282
TTHI   4   6       -0.010000    0.380717   -0.006149
TTHI  10  11        0.010000    0.385879   -0.000987
TTHI   2   3       -0.010000    0.386393   -0.000473
TTHI   7   8        0.010000    0.386480   -0.000386
TTHI  12  13        0.010000    0.386709   -0.000158
TTHI  14  15        0.010000    0.386722   -0.000144

Estimated Performance Changes based upon Root-Sum-Square method:
Nominal MTF              :     0.3869
Estimated change         :    -0.0124
Estimated MTF            :     0.3745

Compensator Statistics:
Change in back focus:
Minimum            :        -0.008974
Maximum            :         0.008997
Mean               :         0.000002
Standard Deviation :         0.004372

Monte Carlo Analysis:
Number of trials: 20

Initial Statistics: Normal Distribution

  Trial    Criteria      Change
      1    0.381931   -0.004936
      2    0.386597   -0.000269
      3    0.380763   -0.006103
      4    0.385898   -0.000968
      5    0.379542   -0.007324
      6    0.386121   -0.000745
      7    0.388123    0.001257
      8    0.385172   -0.001695
      9    0.386426   -0.000440
     10    0.387614    0.000748
     11    0.375242   -0.011624
     12    0.386008   -0.000859
     13    0.388606    0.001740
     14    0.383519   -0.003347
     15    0.381154   -0.005712
     16    0.382717   -0.004149
     17    0.388328    0.001462
     18    0.386187   -0.000679
     19    0.385583   -0.001283
     20    0.383495   -0.003371

Nominal    0.386866
Best       0.388606
Worst      0.375242
Mean       0.384451
Std Dev    0.003324

Compensator Statistics:
Change in back focus:
Minimum            :        -0.011827
Maximum            :         0.006609
Mean               :         0.000099
Standard Deviation :         0.004182

90% >=     0.379542
50% >=     0.385583
10% >=     0.388123

End of Run

遥远的路	2013-04-24 22:19
唉，都一天过去了，怎么就没人回复啊，各位，指导指导我这个新手吧。

sansummer	2013-05-03 14:20
你是怎么验证：“第10到11面的空气间隔就是L5-L6的间隔”的实际影响的呢通过实际调整间隔来看MTF的变化吗？调整时是否做了补偿？

gaozhenyang	2013-05-03 20:02
这么简单地计算zemax不会算错吧

遥远的路

2013-05-03 23:38

sansummer:你是怎么验证：“第10到11面的空气间隔就是L5-L6的间隔”的实际影响的呢通过实际调整间隔来看MTF的变化吗？调整时是否做了补偿？ (2013-05-03 14:20) c"Ddw'?e

对，就是通过实际调整间隔来看MTF的变化，调整时是没有做补偿。请问要做补偿的吗？用什么来补偿，后截距吗，还是其他空气间隔？
这个的模拟的初衷是为了单纯考虑温度升高空气间隔对后截距的影响的（不考虑其它膨胀，和折射率跟阿贝数的变化），也就是看看会不会产生离焦，所以，应该不能用空气间隔补偿吧？事后我发现如果要是Change 能达到绝对值0.0X，也就是达到小数点后第二位数就不会出现这种的情况，不过说到这里，好像我这帖子里的公差分析是吧第11面的玻璃的厚度作为补偿，那之所以出现这种“出入”是否是因为我在实际模拟的时候没把第11面的厚度变化输入进去才出现这种错误呢，如果输入就不会出现这种“公差分析与实际模拟有出入”情况吗，比如按照这个公差分析结果，那第10面空气间隔变化-0.01，那么第11面的玻璃厚度那是要变化多少，+0.01吗，才会出现
TTHI 的Change -0.010965，才不会出现这种“公差分析与实际模拟有出入”的现象吗？

遥远的路	2013-05-03 23:39
sansummer:你是怎么验证：“第10到11面的空气间隔就是L5-L6的间隔”的实际影响的呢通过实际调整间隔来看MTF的变化吗？调整时是否做了补偿？ (2013-05-03 14:20) 3L}eFg,d *\Z9=8yK 大神请指导指导啊，刚接触公差分析，有太多不懂的地方了。

sansummer	2013-05-05 01:53
就像你说的 “TTHI 10 11”这个公差操作数的含义就是 Zemax会在你第10面你减少了0.01时，第11面就应该+0.01 然后来看你的MTF变化。你要是想实际模拟就应该做好相应的调整。Zemax之所以这么设定，是从实际装配的角度出发的 x*>@knP<- : EA-L 蒙特卡洛分析是会用后截距来补偿像质的

遥远的路

2013-05-05 12:07

sansummer:就像你说的 “TTHI 10 11”这个公差操作数的含义就是 Zemax会在你第10面你减少了0.01时，第11面就应该+0.01 然后来看你的MTF变化。你要是想实际模拟就应该做好相应的调整。Zemax之所以这么设定，是从实际装配的角度出发的 u@]rR&h`
蒙特卡洛分析是会用后截距来补偿像质的 (2013-05-05 01:53) w{8O$4 w

我算明白了，谢谢

sansummer	2013-05-05 21:40
遥远的路:我算明白了，谢谢 (2013-05-05 12:07) ki'<qa au E8 ^\| 看你研究的这么细，等你研究透了再教教我

moth	2013-06-01 14:38
捡了个便宜，刚好在研究公差，学习了········

顺轮	2013-07-31 22:51
学习一下 =)#<u9 qqL

sharmoon	2014-01-17 20:07
正好在学习公差，学习了！

邻家百合	2019-07-16 09:07
学习了

制程工程师	2023-06-28 22:54
看不懂

查看本帖完整版本: [-- 公差分析与实际模拟的出入 --] [-- top --]