2. 光学系统公差分析基础
做光学设计的人，大多都有过这种经历：设计时MTF曲线漂亮得像教科书插图，结果打样回来一测，成像质量直接「腰斩」。我第一次遇到这种情况时，还以为是加工厂搞错了图纸。后来才明白——不是图纸错了，是我压根没把公差当回事。
这一章，我们就来聊聊公差分析背后的那些基础理论。说白了，就是搞清楚三件事：误差到底从哪冒出来的？它们怎么在系统里传递？我们又如何用数学工具去预测最终结果？
2.1 误差来源：三大「元凶」
我习惯把光学系统的误差来源分成三类：制造误差、装配误差、材料误差。你想想看，一个镜头从设计图纸到最终成像，要经历加工、组装、材料准备三个环节，每个环节都会往里「掺沙子」。
2.1.1 制造误差
制造误差，就是零件加工时偏离了设计值。最常见的包括：
- 曲率半径误差：镜片表面的弯曲程度没磨到位
- 厚度误差：镜片中心厚度或边缘厚度偏了
- 面形误差：表面不是完美的球面或非球面，有局部起伏
- 偏心误差：镜片的光轴与机械轴不重合
我在项目中遇到过一款手机镜头，设计时曲率半径公差给了±0.05mm，结果加工厂反馈说只能做到±0.1mm。当时我还不信，觉得是工厂能力不行。后来自己跑了一遍公差分析才发现——±0.1mm下，良率直接掉到30%。嗯，从那以后我学乖了，公差分析一定要在发图前做完。
2.1.2 装配误差
装配误差，是零件装到一起时产生的偏差。这部分往往比制造误差更隐蔽，也更难控制。
- 镜片间隔误差：镜片之间的空气间隔没装准
- 倾斜误差：镜片装歪了，光轴不垂直
- 平移误差：镜片中心没对准，产生横向偏移
- 镜筒变形：压圈拧太紧或温度变化导致镜筒形变
我记得有一次做投影镜头，单颗镜片的公差都合格，装起来就是分辨率不过。折腾了两周，最后发现是镜筒内径加工偏大，镜片在里面「晃荡」。这就是典型的装配误差——单个零件没问题，组合起来就出事了。
2.1.3 材料误差
材料误差，是光学材料本身的特性波动。这部分很多人容易忽略，其实影响很大。
| 误差类型 | 典型参数 | 常见影响 |
|---|---|---|
| 折射率误差 | nd 偏差 ±0.001 | 焦距偏移、色差变化 |
| 阿贝数误差 | Vd 偏差 ±0.8% | 二级光谱恶化 |
| 均匀性误差 | 折射率梯度 | 波前畸变、像散 |
| 双折射误差 | 应力双折射 | 偏振相关像差 |
我曾经踩过的坑：做一款红外镜头时，材料选了锗。设计时按标准折射率算的，结果来料批次折射率偏了0.002。跑完公差分析才发现，这个偏差导致后焦偏移了0.15mm，整个调焦机构白设计了。从那以后，我每次选材料都会跟供应商要批次折射率实测数据，而不是只看手册标称值。
2.2 误差传递理论：一根链条的脆弱之处
单个误差可能不大，但多个误差叠加起来，效果就吓人了。这就是误差传递理论要解决的问题。
我习惯用一个简单的比喻：光学系统就像一根链条，每个零件都是链环。单个链环的强度偏差可能只有5%，但十个链环串在一起，最弱的那一环决定了整根链条的强度。
2.2.1 线性误差传递
对于大多数光学系统，在公差范围不大的情况下，误差传递可以近似为线性关系：
ΔF = Σ (∂F/∂xi) × Δxi其中：
- ΔF：最终性能的变化量（比如MTF下降值）
- ∂F/∂xi：第i个参数对性能的敏感度（偏导数）
- Δxi：第i个参数的误差量
说白了，就是每个误差按「敏感度」加权求和。敏感度高的参数，稍微偏一点就完蛋；敏感度低的，误差大点也无所谓。
2.2.2 平方和根（RSS）方法
实际工程中，各个误差源往往是相互独立的。这时候用平方和根（RSS）方法更合理：
σ_F = sqrt( Σ (∂F/∂xi)² × σ_xi² )RSS方法假设误差是随机且独立的，不会所有误差都往坏的方向叠加。我个人习惯在初步评估时先用RSS算一遍，如果RSS结果都超标，那就不用做蒙特卡洛了——肯定没戏。
一个小技巧：在Code V中，你可以用SENS功能先算敏感度，再用TOR功能做RSS预估。这两个功能配合使用，能快速判断哪些公差是「关键少数」。
2.3 蒙特卡洛方法简介：用随机模拟对抗不确定性
RSS方法虽然快，但它假设误差是线性的、独立的。现实世界哪有这么理想？
这时候，蒙特卡洛方法就派上用场了。说白了，就是让计算机模拟「生产一万套镜头」，每套镜头的每个参数都在公差范围内随机取值，然后统计这一万套镜头的性能分布。
2.3.1 蒙特卡洛的基本流程
- 定义输入分布：每个公差参数服从什么分布？正态分布？均匀分布？
- 随机抽样：按分布规律生成一组随机公差值
- 计算性能：把这组公差代入系统，计算MTF或波前等指标
- 重复N次：一般N=500~2000次，次数越多统计越准
- 统计分析：看性能的均值、标准差、良率（比如MTF≥0.3的比例）
你想想看，这比RSS方法真实多了。RSS只能给你一个「预估的3σ值」，蒙特卡洛能告诉你「良率是多少」。
2.3.2 为什么我推荐蒙特卡洛
我在项目中遇到过这种情况：RSS算出来MTF下降0.05，感觉还行。结果蒙特卡洛一跑，良率只有60%。为什么差这么多？因为RSS忽略了误差之间的交互效应——比如曲率误差和间隔误差同时出现时，对像质的影响不是简单的加法，而是乘法。
所以我的建议是：初步筛选用RSS，最终判定用蒙特卡洛。两个方法不冲突，是互补关系。
核心要点：
- 制造误差、装配误差、材料误差是三大来源，一个都不能漏
- 误差传递可以用线性叠加或RSS方法预估
- 蒙特卡洛模拟是公差分析的「金标准」，能直接给出良率
- Code V中SENS+TOR+MC三个功能配合使用，效率最高
这张图把本章的知识体系串起来了。从左到右看：三大误差来源 → 误差传递理论 → 三种分析方法 → 最终输出结果。你可以在学完本章后，对照这张图检查自己是否每个环节都理解了。