Um den Anforderungen an Filterleistung und Mehrparameter-Optimierung für flüssigkristallbasierte abstimmbare Filter (Liquid Crystal Tunable Filter, LCTF) gerecht zu werden, schlägt dieser Artikel eine auf dem Immune Algorithm (IA) basierende Optimierungsmethode für den Lyot-Typ LCTF vor. Diese Methode verwendet als Bewertungsfunktion die grundlegenden spektralen Filterleistungskriterien des Lyot-LCTF, nämlich die Lichtdurchlässigkeit, die Halbwertsbreite (Full Width at Half Maximum, FWHM) des Haupttransmissionspeaks und die Nebenkeulenunterdrückung (Side Lobe Suppression, SLS). Die Optimierung erfolgt durch globale Suche nach der besten Kombination aus Flüssigkristallzellenstärke und Antriebsspannung unter Berücksichtigung der Bewertungsfunktionsbeschränkung. Simulationsergebnisse zeigen, dass der mittels IA optimierte LCTF im Vergleich zum herkömmlichen Lyot-LCTF die Nebenkeulenunterdrückung um 73,42 % und die Gesamtfilterleistung um 13,90 % verbessert, wobei intelligente Anpassungen der Bewertungsfunktionsgewichte eine flexible Steuerung der Filterleistung für verschiedene Anwendungsszenarien ermöglichen. Die Methode vermeidet die starke Abhängigkeit herkömmlicher Filter von der linearen Dickengenauigkeit des Geräts, bietet mehr Flexibilität bei der Auswahl der Zellenstärke und Anzahl der Stufen, verbessert die spektrale Ansprechzeit und Lichtdurchlässigkeit und eliminiert den Aufwand für umfassende experimentelle Einstellarbeiten, wodurch sie eine effiziente, praktische und wirtschaftliche Entwicklungsmethode darstellt.

Flüssigkristall; Lyot-Filter; Immune Algorithm; optimiertes Design; intelligente Steuerung