Para uma montagem mais eficiente de telescópios segmentados, foi proposta uma metodologia de correção compensatória baseada em rede neural perceptron multicamada (MLP). Primeiramente, utilizou-se a teoria de aberração vetorial para analisar a relação de acoplamento entre a excentricidade e a inclinação dos elementos do sistema óptico, confirmando a característica de compensação mútua entre eles. Em seguida, foi construído um modelo do sistema óptico do telescópio segmentado, considerando cada subespelho e espelho secundário como um subsistema, utilizando os coeficientes de Zernike de 1 a 9 para três campos de visão sob condições de desalinhamento como entrada do modelo, sendo treinados 18 modelos de subsistema com dados de diferentes faixas de desalinhamento. Por fim, na simulação da montagem, foram introduzidos desalinhamentos excêntricos adicionais de 5 dimensões para o subespelho, mas a compensação foi realizada apenas utilizando as 3 dimensões treinadas de pistão, tip/tilt. Os resultados experimentais mostram que o modelo de rede MLP treinado pode prever bem as quantidades de compensação para os elementos desalinhados, restaurando o sistema ao estado de projeto após duas iterações, com média RMS de 0,0107λ em 100 análises de Monte Carlo. Mesmo na simulação com erros reais de medição, a correção eficaz foi alcançada dentro de duas iterações, com média RMS de 0,0269λ em 100 análises de Monte Carlo. O método pode reduzir eficientemente a dimensão de ajuste do subespelho durante a montagem do telescópio segmentado, fornecendo um método viável para ajuste de alta precisão.

Telescópio segmentado;Perceptron multicamada;Cálculo de desalinhamento;Aberração vetorial;Rede neural