專利名稱：微觀樹枝狀的結構模型及其優化方法及其薄膜及其光柵的制作方法
技術領域：
本發明涉及光學領域，特別是一種微觀樹枝狀的結構模型及其優化方法及其薄膜及其光柵。
背景技術：
隨著數字電視技術的發展，液晶顯示器由于其小巧的外形、超薄的機體、低耗電量和較輕的重量，使其逐漸成為數字電視終端顯示設備的主流產品。但液晶顯示器視角狹窄卻成為其發展的一大障礙，造成該問題的根本原因在于液晶的物理特性和顯示器的物理結構。現在常用的廣視角技術有多疇垂直取向廣視角技術、連續焰火狀排列模式廣視角技術和OCB廣視角技術，但這些常用技術都相對復雜，而且只能是液晶顯示器在有限度范圍內加寬，并不能有效地從根本上解決液晶顯示器的視角問題。由于LED燈發光原理所造成的發光線路較狹窄，使光不能得到充分利用，且容易產生眩光作用。當前解決視域問題已經到了亟待解決的境地。如圖6為現有技術的LED燈的光路不意圖，光路狹窄。而自然界中許多生物的結構具有很大可視區域，如藍閃蝶不含有任何色素成分，但是其明亮的藍色可以從各個角度都觀察到，具有非常大可視區域。這種效果是由它的微觀結構界定的，通過對其圍觀結構進行觀察，并進行分析，可以建立一個模擬系統以達到相似的效果。將模擬的最佳結構模型進行薄膜生產應用于液晶顯示器、LED燈等需要廣視角的領域，將有望為其提供簡單廉價的解決方案，并達到非常好的技術效果。圖2為一種未經優化的微觀樹枝狀的結構模型；圖3為現有技術中另一種未經優化的微觀樹枝狀的結構模型。參見圖2和圖3，X1表示薄層厚度，X2表示層間距，Zy表示左右兩側枝狀結構的垂直偏差量，Y1表不脊寬，Y2表不列寬，Y3表不層長度差值，Y4表不層長度。圖2中，其中所有的Zy=IOOnm,其他參數分別為X1= 60nm, X2=HOnm, Y1= 90 nm,Y2= 30 nm, Y3= 10 nm, Y4= 330 nm，使用FDTD模擬，使用平面波入射，入射波長設置為450nm，在入射波方向采用吸收邊界條件，在垂直于入射方向采用周期性邊界條件。其反射光譜見圖5。由反射光譜可以發現，只有在+37度和-37度附近可以看見反射光，視域很狹窄。圖3 中，其中所有的 Zy=Onm,其他參數分別為 X1= 60nm, X2=140nm, Y1= 90 nm, Y2=30 nm，Y3= 10 nm，Y4= 330 nm，使用FDTD模擬，使用平面波入射，入射波長設置為450nm，在入射波方向采用吸收邊界條件，在垂直于入射方向采用周期性邊界條件，其反射光譜見圖
5。由反射光譜可以發現，只有在+37度和-37度附近以及0°附近可以看見反射光，視域很狹窄。

發明內容
本發明提供一種微觀樹枝狀的結構模型及其優化方法及其薄膜及其光柵，本發明結構模型簡單，具有此結構模型的光柵，薄膜等元件可以高效達到廣視角效果，具有此結構模型的薄膜設置于LED燈中，使光源得到充分利用，得到非常好的視域效果。為實現上述目的，本發明提供一種微觀樹枝狀的結構模型的優化方法，包括以下步驟
51:以一種寬視域蝶翅的微觀樹枝狀結構為最初模型，在橫向水平排列的y個所述微觀樹枝狀結構上設定一條基線，所述基線平行于所述微觀樹枝狀結構的枝狀，當基線位置不超過最上端的一根枝狀，設定離所述基線最近的上一根枝狀的上側與所述基線的距離為d，當基線位置超過最上端的一根枝狀，設定離所述基線最近的一根枝狀的上側與所述基線的距離為d (即最上端的一根枝狀的上側與所述基線的距離為d)，y大于等于I ;
52:設定d的取值范圍為-Im至lm，隨著基線的位置不同，d的取值不同，在此范圍內 取a組模擬變量，a為PSO算法的粒子數，每組所述模擬變量包括dl，d2,…，dn,其中任一所述模擬變量為隨機取值的d，每組所述模擬變量數為η個，η大于等于2，η等于2y，每組所述模擬變量數目相同；
53:每組所述模擬變量分別進行FTDT光學反射模擬，得到每組所述模擬變量相應的反射譜，將每組所述反射譜中i個最強的峰的峰強值記為Ip 12、…、Ii,其中i大于等于I ;
S4:在PSO算法中定義一個相關視域的評價函數M=f(Ii、12、…、Ii),將每組中Ip12>…、Ii代入所述評價函數中，得到a組對應的M值；
S5 :在PSO算法中設定一代數，代數大于等于2，通過a組對應的M值和代數進行PSO計算，直至完成設定的所述代數，得到一個最大的Mmax,以及與Mmax相對應的一組模擬變量
^maxlJ ^max2 J ^maxn °較佳地，所述寬視域蝶翅為藍閃蝶蝶翅。較佳地，評價函數為M = ΣΤ1-^■■■■■■■■,■■■■■■■；,。
((Ι +ι-1α)J較佳地，η取值為20。較佳地，a取值為100。較佳地，所述代數取值100。其中，在以藍閃蝶蝶翅的微觀樹枝狀結構為最初模型時，經過如下分析通過FDTD光學反射模擬確定決定視域的結構參數，參數包括微觀樹枝狀結構的X1JyZyJ1JyY3、Y4，X1表不薄層厚度，X2表不層間距，Zy表不左右兩側枝狀結構的垂直偏差量，Y1表不脊寬，Y2表示列寬，Y3表示層長度差值，Y4表示層長度，得出的結論是決定視域大小只是χ3，每個所述微觀樹枝狀結構的左右兩側的垂直偏差量Zy可以相同或者不同。X1,X2,Y1,Y2，Y3,Y4這些都不是決定視域大小的因素。為了模擬產生方便，可以設定Y1=O ,Y3=O，Xi、X2、Y2、Y4取定值。相應于上述優化方法所得的一組模擬變量dmaxl，dmayd_，為實現上述目的，本發明還提供一種PSO算法優化的微觀樹枝狀的結構模型，I個微觀樹枝狀結構橫向水平排列，y大于等于1，每個微觀樹枝狀結構的左右兩側的垂直偏差量設定為zy，Zy等于dmaxn減去，其中y、η、dmaxn與上述優化方法中的y、η、dmaxn相對應,從而
7 =H _H 7 =H _H 7 =H _H ··· 7 =H _H
zjI umax2 umaxl 匕2 umax4 umax3 umax6 umax5 ，umaxn umaxn-l °較佳地，n取值為20。較佳地，(Iniaxl=5Onm, dmax2=50nm, dmax3=-50nm, dmax4=-50nm, dmax5=50nm, dmax6=50nm,^ax7=-SOnm, 4,^8=-49.8nm, dmax9=50nm, dmaxlo=50nm, dmaxll=50nm, dmaxl2=9.6nm, d xl3=50nm，dmaxi4=2. 5nm, dmaxl5=-50nm, dmaxl6=50nm, dmaxl7=-50nm, dmaxl8=-36nm, dmaxl9=50nm,dmaX2o__50nm。將上述所得的結構模型應用于薄膜，為實現上述目的，本發明提供一種薄膜，所述薄膜具有微觀樹枝狀的結構模型。所述薄膜貼設于LED燈的出光路線范圍內的玻璃蓋板上貼有薄膜，薄膜對光進行光分散，經反射杯再次反射，可以將光路大幅度加大！具有所述薄膜的LED燈該制品可以應用于改善液晶顯示器和LED照明光源等的視域問題，簡單廉價地從根本上解決狹窄視域難題?！⑸鲜鏊玫慕Y構模型應用于光柵，為實現上述目的，本發明提供一種光柵，所述光柵具有微觀樹枝狀的結構模型。該光柵可以用于改善視域，有望用于液晶顯示器，為改善顯示器的視域問題提供新的思路。綜上所述，本發明公開了一種應用粒子群算法(PSO: particle swarmoptimization)，較佳地以藍閃蝶蝶翅結構為模型，優化微觀樹枝狀結構的方法，得到一種相對較優的交錯分層結構；利用該優化結構制備得到的薄膜或光柵具有分散反射光的作用，可以有效改善現在普遍的視域較窄的困難。該方法簡單有效，生產成本低，可以有效解決視域問題。與現有技術相比，本發明有如下優點
I、本發明應用PSO算法在具有微觀樹枝狀結構的寬視域蝶翅的優化結構模型中，可快速有效地尋找到最佳模型中，優化的交錯層狀結構模型，模型簡單，但可以高效達到廣視角效果。2、本發明具有的PSO算法優化的微觀樹枝狀的結構模型的薄膜等光柵制品，能應用于任何需要改善視角問題的設備產品中，實現簡單，成本低廉。


圖I為本發明微觀樹枝狀的結構模型的優化方法的流程示意 圖2為一種未經優化的微觀樹枝狀的結構模型；
圖3為另一種未經優化的微觀樹枝狀的結構模型；
圖4為本發明的微觀樹枝狀的結構模型；
圖5為圖I、圖2和圖3的結構模型的反射光譜 圖6為現有技術的LED燈的光路示意 圖7為本發明的薄膜應用于LED燈的光路示意圖。
具體實施例方式下面結合具體實施例，進一步闡述本發明。應該理解，這些實施例僅用于說明本發明，而不用于限定本發明的保護范圍。圖I為本發明微觀樹枝狀的結構模型的優化方法的流程示意圖。請參加圖1，一種微觀樹枝狀的結構模型的優化方法，包括以下步驟
SI :以一種藍閃蝶蝶翅的微觀樹枝狀結構為最初模型，在橫向水平排列的y個所述微觀樹枝狀結構上設定一條基線，所述基線平行于所述微觀樹枝狀結構的枝狀，當基線位置不超過最上端的一根枝狀，設定離所述基線最近的上一根枝狀的上側與所述基線的距離為d，當基線位置超過最上端的一根枝狀，設定離所述基線最近的一根枝狀的上側與所述基線的距離為d (即最上端的一根枝狀的上側與所述基線的距離為d)，y大于等于I ;
其中，在以藍閃蝶蝶翅的微觀樹枝狀結構為最初模型時，經過如下分析通過FDTD光學反射模擬確定決定視域的結構參數，參數包括微觀樹枝狀結構的Xp X2> Zy、Y1, Y2、Y3> Y4,X1表示薄層厚度，X2表示層間距，Zy表示左右兩側枝狀結構的垂直偏差量，Y1表示脊寬，Y2表示列寬，Y3表示層長度差值，Y4表示層長度，得出的結論是決定視域大小只是 Zy，每個 所述微觀樹枝狀結構的左右兩側的垂直偏差量Zy可以相同或者不同。S2 :設定d的取值范圍為-Im至lm，隨著基線的位置不同，d的取值不同，在此范圍內取a組模擬變量，a為PSO算法的粒子數，每組所述模擬變量包括dl，d2，…，dn，其中任一所述模擬變量為隨機取值的d，每組所述模擬變量數為η個，η大于等于2，η等于2y，即本實施列中η值為20，每組所述模擬變量數目相同；較佳地本實施列a取值為100。S3 :每組所述模擬變量分別進行FTDT光學反射模擬，得到每組所述模擬變量相應的反射譜，將每組所述反射譜中i個最強的峰的峰強值記為Ip 12、…、Ii, I大于等于I;
S4:在PSO算法中定義一個相關視域的評價函數M=f(Ii、12、…、Ii),將每組中Ip12>…、Ii代入所述評價函數中，得到a組對應的M值；
本實施列中評價函數為M 二 ΣΓ1-^°S5 :在PSO算法中設定一代數，所述代數大于等于2，通過a組對應的M值和代數進行PSO計算，直至完成設定的所述代數，得到一個最大的Mmax,以及與Mmax相對應的一組模擬變量dmaxl, dmax2,…，(!―#本實施列中代數取值100,則獲得dmaxl=50nm, dmax2=50nm,dmax3=-50nm, dmax4=-50nm, dmax5=50nm, dmax6=50nm, dmax7=-50nm, dmax8=-49.8nm, dmax9=50nm,dmaxio=50nm, dmaxll=50nm, dmaxl2=9.6nm, dmaxl3=50nm, dmaxl4=2. 5nm, dmaxl5=-50nm, dmaxl6=50nm,dmaxi7=-50nm, dmaxl8=-36nm, dmaxl9=50nm, (1Μχ2(ι=-50ηπι。圖4為本發明的微觀樹枝狀的結構模型；圖5為圖I、圖2和圖3的結構模型的反射光譜圖。請參見圖4，相應于上述優化方法所得的一組模擬變量dmaxl，dmay dmaxn，獲得一種PSO算法優化的微觀樹枝狀的結構模型，有10個微觀樹枝狀結構橫向水平排列，X1表示薄層厚度，X2表不層間距，Zy表不左右兩側枝狀結構的垂直偏差量,Y1表不脊寬，Y2表不列寬，Y3表示層長度差值，Y4表示層長度。本實施列中X1= 60nm, X2=140nm, Y1= 90 nm, Y2= 30nm, Y3= 10 nm, Y4= 330 nm，每個微觀樹枝狀結構的左右兩側的垂直偏差量設定為Zy，Zy等于dmaxn減去Clmaxlri，其中y、n、dmaxn與上述優化方法中的y、n、dmaxn相對應，因為
dmaxi=50nm, dmax2=50nm, dmax3=-50nm, dmax4=-50nm, dmax5=50nm, dmax6=50nm, d x7=-50nm，dmax8=_49. 8nm, dmax9=50nm, dmaxlo=50nm, dmaxll=50nm, dmaxl2=9. 6nm, dmaxl3=50nm,dmaxi4=2. 5nm, dmaxl5=-50nm, dmaxl6=50nm, dmaxl7=-50nm, dmaxl8=-36nm, dmaxl9=50nm,dmaX2o__50nm。參見圖5，本實施列微觀樹枝狀的結構模型使用FDTD模擬，使用平面波入射，入射波長設置為450nm，在入射波方向采用吸收邊界條件，在垂直于入射方向采用周期性邊界條件，其反射光譜見圖5。由反射光譜可以發現，光譜強度相對于圖I和圖2中的結構模型，各個峰強值相近，峰波變得非常均勻，可見視域得到了非常好的改善。圖6為現有技術的LED燈的光路示意圖；圖7為本發明的薄膜應用于LED燈的光路不意圖。參見圖6和圖7，其中I為LED發光燈，2為反射杯，3為玻璃蓋板，4為薄膜。一種具有結構模型的薄膜 4,即將具有 dmaxl=50nm, dmax2=50nm, dmax3=_50nm，dmax4=-50nm, dmax5=50nm, dmax6=50nm, dmax7=-50nm, dmax8=-49.8nm, dmax9=50nm, dmaxlo=50nm,dmaxii=50nm, dmaxl2=9. 6nm, dmaxl3=50nm, dmaxl4=2. 5nm, dmaxl5=-50nm, dmaxl6=50nm,·dmaxi7=_50nm. dmaxl8=-36nm, dmaxl9=50nm, dmax2(l=-50nm 的微觀樹枝狀的結構模型應用于薄膜4，將此薄膜4貼設于LED燈I的出光路線范圍內的玻璃蓋板3上貼有薄膜4，其中LED燈I的反射杯2的內表面經鍍膜或拋光，具有非常好的反射效果，經薄膜4對光的分散，相對于沒有薄膜4的LED燈I (參見圖6)，其光路得到很大的擴展，視域得到非常好的解決。薄膜4對光進行光分散，經反射杯2再次反射，可以將光路大幅度加大。具有所述薄膜4的LED燈I該制品可以應用于改善液晶顯示器和LED照明光源等的視域問題，簡單廉價地從根本上解決狹窄視域難題。綜上所述，本發明公開了一種應用粒子群算法(PSO: particle swarmoptimization)，以藍閃蝶為模型，優化微觀樹枝狀結構的方法，得到一種相對較優的交錯分層結構；利用該優化結構制備得到的薄膜或光柵具有分散反射光的作用，可以有效改善現在普遍的視域較窄的困難。該方法簡單有效，生產成本低，可以有效解決視域問題。所述幾個實施例僅是為了方便說明而舉例，本發明所主張的權利范圍應以申請專利范圍所述為準，而非僅限于所述實施例。凡依本發明權利要求所做的均等變化與修飾，皆應屬本發明的涵蓋范圍。
權利要求
1.一種微觀樹枝狀的結構模型的優化方法，其特征在于，包括以下步驟 S1:以一種寬視域蝶翅的微觀樹枝狀結構為最初模型，在橫向水平排列的y個所述微觀樹枝狀結構上設定一條基線，所述基線平行于所述微觀樹枝狀結構的枝狀，當基線位置不超過最上端的一根枝狀，設定離所述基線最近的上一根枝狀的上側與所述基線的距離為d，當基線位置超過最上端的一根枝狀，設定離所述基線最近的一根枝狀的上側與所述基線的距離為d，y大于等于I ; S2:設定d的取值范圍為-Im至lm，隨著基線的位置不同，d的取值不同，在此范圍內取a組模擬變量，a為PSO算法的粒子數，每組所述模擬變量包括dl，d2,…，dn,其中任一所述模擬變量為隨機取值的d，每組所述模擬變量數為η個，η大于等于2，η等于2y，每組所述模擬變量數目相同； S3:每組所述模擬變量分別進行FTDT光學反射模擬，得到每組所述模擬變量相應的反射譜，將每組所述反射譜中i個最強的峰的峰強值記為11、12、…、Ii，其中i大于等于I ; S4:在PSO算法中定義一個相關視域的評價函數M=f(Ii、12、…、Ii),將每組中Ip.12>…、Ii代入所述評價函數中，得到a組對應的M值； S5 :在PSO算法中設定一代數，代數大于等于2，通過a組對應的M值和代數進行PSO計算，直至完成設定的代數，得到一個最大的Mmax,以及與Mmax相對應的一組模擬變量dmaxl dmax2 dmaxn °
2.如權利要求I所述的微觀樹枝狀的結構模型的優化方法，其特征在于，所述寬視域蝶翅為藍閃蝶蝶翅。
3.如權利要求I所述的微觀樹枝狀的結構模型的優化方法，其特征在于，評價函數為
4.如權利要求I所述的微觀樹枝狀的結構模型的優化方法，其特征在于，η取值為20。
5.如權利要求I所述的微觀樹枝狀的結構模型的優化方法，其特征在于，a取值為100。
6.如權利要求I所述的微觀樹枝狀的結構模型的優化方法，其特征在于，所述代數取值 100。
7.一種相應于權項I至6的優化方法的微觀樹枝狀的結構模型，其特征在于，y個微觀樹枝狀結構橫向水平排列，y大于等于1，每個微觀樹枝狀結構的左右兩側的垂直偏差量設定為zy, Zy等于dmaxn減去Clmaxlri,其中y、n、dmaxn與權項I中的y、n、dmaxn相對應,從而Z1=Cl _H 7 =H —H rJ =H —r] ··· y =^] —max2 maxl> 2 ax 4 max3> 3 ^maxG max5, ， y maxn maxn-1 °
8.如權利要求7所述的微觀樹枝狀的結構模型，其特征在于，η取值為20。
9.如權利要求8所述的微觀樹枝狀的結構模型,其特征在于，(Jlliaxl=SOnm,dmax2=50nm,dmax3=-50nm, dmax4=-50nm, dmax5=50nm, dmax6=50nm, dmax7=-50nm, dmax8=-49.8nm,dmax9=50nm,^axio=SOnm, d眶n=50nm, dmaxl2=9.6nm, dmaxl3=50nm, dmaxl4=2. 5nm, (Jlliaxl5=-SOnm,dmaxl6=50nm,dmaxi7=-50nm, dmaxl8=-36nm, dmaxl9=50nm, (1Μχ2(ι=-50ηπι。
10.一種具有相應于權項7的結構模型的薄膜，其特征在于，所述薄膜具有權項7的微觀樹枝狀的結構模型。
11.一種具有相應于權項7的結構模型的光柵，其特征在于，所述光柵具有權項7的微觀樹枝狀的結構模型。
全文摘要
一種微觀樹枝狀的結構模型及其優化方法及其薄膜及其光柵，本發明方法為利用應用粒子群算法，較佳地以藍閃蝶蝶翅結構為模型，優化微觀樹枝狀結構，得到一種相對較優的交錯分層結構，本發明結構模型簡單，具有此結構模型的光柵，薄膜等元件可以高效達到廣視角效果，具有此結構模型的薄膜設置于LED燈中，使光源得到充分利用，得到非常好的視域效果。
文檔編號G02B5/18GK102722597SQ201210095208
公開日2012年10月10日 申請日期2012年3月31日 優先權日2012年3月31日
發明者何昭文, 張旺, 張荻, 汪萬林 申請人:上海交通大學