本项目展示了如何结合 Zemax OpticStudio API (ZOS-API) 与 Python 进行自动化的光学系统热分析。我们不仅实现了自动化的数据采集，还利用机器学习（多项式回归）建立了光斑大小随温度变化的预测模型。
🌟 核心功能
- 1. 自动化连接：自动连接到正在运行的 Zemax OpticStudio 实例。
- • 支持标准的 3 点热分析（20°C, 50°C, 80°C）。
- • 支持自定义范围（如 0°C - 100°C）的全自动温度扫描。
- 3. 精准仿真：摒弃简单的评价函数（Merit Function）操作数，采用
StandardSpot Analysis 直接调用 Zemax 内核进行光斑分析，确保结果与 GUI 界面完全一致。 - 4. 数据采集 (The Harvest)：批量生成随机温度点，自动运行仿真并采集 RMS 光斑半径数据。
- 5. AI 建模与预测：基于采集的数据训练多项式回归模型（R2 Score > 0.99），实现对任意温度下光斑大小的毫秒级预测。
📂 项目结构
.├── 01_System_Connection.py # [基础] 测试 ZOS-API 连接├── 02_Thermal_Analysis_3Point.py # [仿真] 标准 3 点热分析 (20/50/80°C)├── 03_Thermal_Analysis_Sweep_Full.py# [仿真] 0-100°C 全范围迭代扫描├── 04_Debug_Material_Catalog.py # [工具] 验证内部材料库热数据读取├── 05_Data_Harvest_Random.py # [数据] 批量采集 200 组随机温度数据├── 06_Model_Training_Linear.py # [AI] 训练多项式回归模型并评估├── 07_Model_Prediction.py # [AI] 使用模型预测特定温度 (如 73.5°C) 的结果├── models/ # [资源] 透镜文件与数据集│ ├── Cooke_Triplet_Base.zmx # 基础柯克三片式镜头文件│ └── dataset_v1.csv # 采集到的温度-光斑数据集├── images/ # [资源] 结果图表│ └── model_v1_fit.png # AI 模型拟合曲线图└── README.md # 项目说明文档
🛠️ 环境要求
- • Zemax OpticStudio: Professional 或 Premium 版本（需支持 API）。
- • 依赖库:
pip install pythonnet pandas numpy scikit-learn matplotlib
🚀 快速开始
1. 准备工作
打开 Zemax OpticStudio 并确保处于交互模式（Interactive Mode）。
2. 运行仿真与采集
# 测试连接python 01_System_Connection.py# 运行基础热分析python 02_Thermal_Analysis_3Point.py# 批量采集数据 (生成 dataset_v1.csv)python 05_Data_Harvest_Random.py
3. AI 训练与预测
# 训练模型 (输出 R2 Score 和拟合曲线)python 06_Model_Training_Linear.py# 预测特定温度 (如 73.5°C)python 07_Model_Prediction.py
📊 关键成果
- • 仿真精度：通过迭代更新多重结构（MCE）的方法，解决了 API 调用中的状态更新问题，成功复现了 Zemax GUI 的热分析结果。
- • 模型性能：针对 Cooke Triplet 镜头的热离焦特性，二阶多项式回归模型达到了 R2 > 0.995 的精度，预测误差小于 0.1 微米。
📝 许可证
MIT License
Github链接：
https://github.com/guyuengineer-collab/Zemax-Temperature-Multi-Configuration
