4. 参数优化目标函数：建立以杂散光抑制比最大化为目标的数学模型

好，咱们进入第四章。前面几章我们把消光螺纹的几何参数拆了个七七八八，也聊了杂散光是怎么来的。现在问题来了：怎么才算“好”的螺纹？

说白了，我们需要一个数学上的标尺。没有这把尺子，你调参数就是瞎蒙。我早年刚入行时吃过这个亏——凭感觉选了一组参数，加工出来一测，杂散光抑制比还不如普通光管。嗯，从那以后我学乖了，必须先建目标函数。

4.1 杂散光抑制比的定义

先给个直观定义：

我个人习惯用对数形式，因为动态范围大：

SLSR_dB = -10 * log10( I_stray_with_thread / I_stray_without_thread )

举个例子：如果加了螺纹后杂散光只剩原来的1%，那SLSR就是20 dB。数值越大，抑制效果越好。

4.2 目标函数的数学表达

好，现在我们把SLSR写成几何参数的函数。设螺纹参数向量为：

X = [α, β, h, p, w, r, N]

其中：

• α — 螺纹顶角（°）
• β — 螺纹侧壁倾角（°）
• h — 螺纹深度（mm）
• p — 螺距（mm）
• w — 牙顶宽度（mm）
• r — 牙顶圆角半径（mm）
• N — 螺纹圈数

那么优化目标函数就是：

maximize  SLSR(X) = -10 * log10( Φ_stray(X) / Φ_0 )

约束条件：

• 加工可行性：h ≤ 0.8 * p（防止崩刃）
• 结构空间：N * p ≤ L_max（遮光罩长度限制）
• 材料强度：h ≤ 0.3 * D（D为基体壁厚）
• 刀具可达：r ≥ r_tool_min

4.3 杂散光能量的计算方法

Φ_stray(X)怎么算？这里我给出一个工程近似模型，适合快速优化迭代：

Φ_stray(X) = Φ_in * R_eff(X) * F_geom(X)

其中：

• Φ_in — 入射杂散光总能量
• R_eff(X) — 螺纹表面的有效反射率（考虑多次反射后的衰减）
• F_geom(X) — 几何遮挡因子（螺纹对光线的拦截效率）

对于V型螺纹，R_eff可以近似为：

R_eff = R_0 ^ (2 * h / (p * tan(α/2)))

R_0是材料本身的反射率。这个公式的物理意义是：光线在螺纹间每反射一次，能量就乘以R_0。反射次数越多，衰减越厉害。

4.4 多目标优化的权衡

实际工程中，我们往往不是只优化SLSR。我列个表，你看看：

优化目标	与SLSR的关系	常见冲突
SLSR最大化	—	加工成本↑、加工时间↑
加工成本最小化	负相关	螺纹变浅、圈数减少 → SLSR↓
重量最小化	弱负相关	壁厚减薄 → 螺纹深度受限
热稳定性	弱正相关	深螺纹散热好，但应力集中

所以，我建议用加权和法构建综合目标函数：

F_total = w1 * SLSR_norm - w2 * Cost_norm - w3 * Weight_norm

权重w1、w2、w3根据项目优先级定。做航天项目时，我通常设w1=0.6, w2=0.2, w3=0.2。

4.5 优化流程框架

下面这张图是我自己项目里用的优化流程，你拿去可以直接套：

4.6 实际项目中的目标函数设定

最后，我分享一个真实案例。去年做某型号红外探测器的遮光罩，初始螺纹参数是：

• 顶角α=60°，深度h=0.3 mm，螺距p=0.5 mm，圈数N=8
• 实测SLSR只有12 dB，完全不够

我重新设定了目标函数：

maximize  SLSR(α, h, p, N) = -10·log10(Φ_stray / Φ₀)
subject to:
  30° ≤ α ≤ 90°
  0.1 ≤ h ≤ 0.6 mm
  0.3 ≤ p ≤ 1.0 mm
  5 ≤ N ≤ 15
  h ≤ 0.7·p
  N·p ≤ 8 mm

用遗传算法跑了200代，最优解是：α=45°, h=0.35 mm, p=0.5 mm, N=12。最终SLSR达到28 dB，加工成本只增加了15%。