简介：面向光学系统设计与研发人员的一份实战型技术文档，围绕M型Czerny-Turner光谱仪的结构优化，系统讲解反二次衍射条件的理论推导、Python数值计算与Zemax OpticStudio联合仿真验证方法。压缩包仅含1个docx文档，大小29KB，内容密度较高，适合追求高效学习的工程师。文档给出可运行的Python代码，包括计算光栅与准直镜、聚焦镜之间二次衍射条件的核心函数，并进一步提供基于scipy.optimize.fsolve的改进版本，用于联立圆方程与直线方程求解交点坐标，同时详细解释每个参数的含义和推导思路；Zemax部分则梳理了完整仿真流程，从创建狭缝、准直镜、衍射光栅、聚焦镜和探测器，到设置200-500nm复色光源、进行光线追迹、分析点列图，再到以探测器位置和离轴角一致性为目标进行优化，帮助读者逐项复现论文中的性能评估。已有309人学习下载，适合希望深入理解光谱仪原理并改善分辨率与像质的科研人员和开发者。

1. M型Czerny-Turner光谱仪不是单纯改线：一点折返，换一套像差逻辑

我在做小型化光谱仪方案选型的时候，第一次看到 M 型 Czerny-Turner 光谱仪的结构图，第一反应是“这不就是把 Czerny-Turner 的光路折了一下吗，有什么好优化的”。后来自己把初始结构丢进 Zemax 跑了一轮才发现，多出来的那块平面反射镜不只是把光路“压扁”，它会让准直镜和聚焦镜的像差方向发生一次转置，整个调像散的逻辑跟经典 C-T 完全不同。这个结构解决的核心问题是：在焦距不变的前提下把光谱仪的光轴方向缩短，同时保留 Czerny-Turner 离轴反射结构天然的无色差优势。它适合光学方案工程师、光谱仪器结构工程师，也适合刚入手 Zemax 光学设计的同学作为第一个“真刀真枪”的仿真练手项目。本文会从 Python 算初始结构参数讲起，再落到 Zemax 非序列建模、结构优化和最终验收，尽量把参数和带符号约定都交代清楚。

2. 用 Python 把 M 型 C-T 结构设计算到能进 Zemax：初值计算与可调参数扫描（含代码）

2.1 三个设计关系：光栅方程、离轴角和谱面倾斜

M 型 Czerny-Turner 光谱仪本质上是 Czerny-Turner 光栅光谱仪的折叠变体。光栅把入射光按波长衍射，准直镜把狭缝来的光变成平行光，聚焦镜再把不同波长的衍射光分别会聚到探测器不同位置。和经典 C-T 相比，M 型只在准直镜之后、光栅之前或光栅之后插入一块平面反射镜，让光束形成“M”形折返。结构变了，光栅方程的物理不变，但优化时多了一组变量：平面镜的方位角、两臂的折叠比例，以及两条反射臂各自的离轴角。

设计 M 型 C-T 之前必须先定死三个关系。第一是光栅方程，衍射角 β 由刻线密度、入射角 α 和波长决定；第二是离轴角分配，准直镜和聚焦镜的离轴角直接决定慧差和像散的正负方向；第三是谱面倾斜，探测器平面通常不垂直于出射光束，而是按一个角度摆放，否则离焦量在谱面两端不对称。Python 在这里的价值就是把这三个关系写成一个可扫描的参数模型，在 Zemax 之前先把量级搞对。

2.2 初始结构计算：一个可运行的 Python 脚本

我习惯先算一套“能不报错跑起来”的初始结构。下面这个脚本计算给定焦距、口径、光栅参数和波长范围下的衍射角、谱面位置、线色散和探测器上的像素分辨率。它不替代 Zemax，但能把 Zemax 建模时的初始坐标和视场范围定得八九不离十。

import numpy as np # M 型 Czerny-Turner 光谱仪初始结构参数 F_COLL = 100.0 # 准直镜焦距 mm F_FOC = 100.0 # 聚焦镜焦距 mm D_APER = 25.0 # 通光口径 mm LINES = 600.0 # 光栅刻线密度 lp/mm ALPHA = 15.0 # 光栅入射角 deg（与光栅法线夹角） M_ORDER = -1 # 常用 -1 级衍射 WL_BEGIN = 400.0 # 起始波长 nm WL_END = 800.0 # 截止波长 nm # 光栅方程：m*lambda = d*(sin(alpha) + sin(beta)) # 这里 alpha、beta 均是与光栅法线的夹角，入射和衍射在法线同一侧时 beta 取正 d_um = 1.0 / LINES * 1000.0 # 光栅周期，单位 um wl_nm = np.linspace(WL_BEGIN, WL_END, 5) def diffraction_angle(wl_nm): # wl_nm 转成 um，代入光栅方程 rhs = (M_ORDER * wl_nm / 1000.0) / d_um - np.sin(np.radians(ALPHA)) return np.degrees(np.arcsin(np.clip(rhs, -1, 1))) beta_deg = diffraction_angle(wl_nm) print("波长(nm) 衍射角(deg)") for wl, b in zip(wl_nm, beta_deg): print(f"{wl:6.1f} {b:8.3f}") # 谱面横向位置：聚焦镜焦平面上，离轴角 theta 对应的像高近似 f*sin(theta) # 以中心波长 600nm 作为探测器中心参考 theta_center = diffraction_angle(600.0) y_pos = F_FOC * np.sin(np.radians(beta_deg - theta_center)) print("\n相对探测器中心的位置(mm)") for wl, y in zip(wl_nm, y_pos): print(f"{wl:6.1f} {y:8.4f}") # 线色散 dlambda/dy，单位 nm/mm diff_beta = np.radians(np.diff(beta_deg) / np.diff(wl_nm)) dldy = 1.0 / (F_FOC * abs(diff_beta[0] * np.cos(np.radians(beta_deg[1])))) print(f"\n线色散约: {dldy:.3f} nm/mm")

这个脚本里最关键的是光栅方程的符号约定。我把 α 和 β 都定义为与光栅法线的夹角，且入射、衍射在法线同一侧时 β 为正。Zemax 非序列里光栅的衍射方向也遵循类似的符号约定，但很多人在这里栽跟头：Python 里算的 β 和 Zemax 里光栅面法线方向不一致，结果波长标定全错。我的做法是先把输出的小数点后的角度值打印出来，对照 Zemax 里光线的出射方向余弦，确保两个环境里“同一侧”的判断一致。

另一个要注意的是像高公式，这里用的是 f·sin(θ) 而不是 f·tan(θ)。离轴量比较大的时候两者差几个毫米，直接影响探测器尺寸选择。如果后续 Zemax 里聚焦镜是球面镜，实际像面位置会介于两者之间，所以在搭建 Zemax 模型时我会把探测器 Z 方向留出 ±2mm 的调节余量。

2.3 用参数扫描找 M 型结构优化的初始方向

M 型 C-T 的优化自由度主要是准直镜离轴角 θ1、聚焦镜离轴角 θ2、光栅入射角 α、平面镜方位角。直接进 Zemax 做多变量优化很容易陷到局部最小值，尤其是平面镜方位角这个变量，对 Zemax 新手来说基本是“黑匣子”。我一般先用 Python 做一轮粗糙的网格扫描，把目标函数定义得尽量简单，比如“谱面两端离焦量平衡 + 像散光斑半径最小”。下面代码用网格搜索说明过程。

import numpy as np # 简化目标函数：离轴反射镜像散粗估 # 球面反射镜离轴角 theta 时，像散在两个焦线之间的分离约为 d*sin^2(theta) # 这里用 d=f 近似，只看量级，不做最终优化 F = 100.0 angles = np.linspace(5, 20, 16) # 离轴角扫描范围 deg def astigmatism_separation(theta_deg): return F * np.sin(np.radians(theta_deg))**2 for th in [8, 10, 12, 15]: print(f"离轴角 {th:5.1f} deg -> 像散分离 {astigmatism_separation(th):.2f} mm") # 参数扫描：在给定 alpha 下看谱面两端离焦方向 ALPHA_SCAN = np.linspace(10, 30, 5) WL = np.array([400.0, 800.0]) def meridian_angle(wl): d_um = 1000.0 / 600.0 rhs = (-1 * wl / 1000.0) / d_um - np.sin(np.radians(ALPHA)) return np.degrees(np.arcsin(np.clip(rhs, -1, 1))) print("\nalpha(deg) beta短波 beta长波 beta差") for a in ALPHA_SCAN: beta_wl = meridian_angle(WL) print(f"{a:6.2f} {beta_wl[0]:8.3f} {beta_wl[1]:8.3f} {beta_wl[1]-beta_wl[0]:8.3f}")

网格扫描的核心逻辑不是找精确最优解，而是看各变量对目标影响的单调性。比如发现谱面两端离焦量始终偏向一侧，说明 θ1 和 θ2 的比值需要往反方向调。这种“一个变量一个变量地动”的方法看起来很笨，但它能帮你在进 Zemax 之前建立对结构的直觉。我见过不少同学直接把 θ1、θ2、α、平面镜四个变量同时丢给 Zemax 优化，最后得到的光谱仪结构光谱线歪得没法看。先扫一遍再让 Zemax 微调，才是 M 型结构优化的正常节奏。

2.4 从 Python 到 Zemax：变量边界和坐标基准

Python 阶段最后要输出一组“可进 Zemax 的参数包”：准直镜焦点位置、两反射镜离轴角、光栅入射角、平面镜位置和角度、探测器大致倾斜角。这里我给一个我自己常用的参数表格式。

给 Zemax 的变量范围最好比物理合理范围再窄一点。反射镜离轴角超过 20° 时像散会大到光谱线展宽到无法接受，那就不是优化能解决的问题，而是初始结构选错了。同时强调：Python 算出来的像散分离是纯几何估计，Zemax 才会用真实光线追迹给出准确光斑，所以不要纠结 Python 数值的精度，只把它的趋势当参考。

3. 在 Zemax 非序列环境里搭 M 型 C-T 光谱仪：从坐标断点到衍射级次

3.1 序列还是非序列：先想清楚再动手

M 型 C-T 光谱仪在 Zemax 里可以用序列模式加坐标断点，也可以用非序列模式直接摆放物体。序列模式的优点是优化和公差分析完备，适合最终出工程图纸；缺点是需要手动处理多个坐标断点面，平面镜转一角，后面所有面的坐标都要跟着旋转，很容易把 Z 轴方向搞混。非序列模式的优点是每个元件独立摆放，平面镜、光栅、探测器都可以像搭积木一样挪位置，适合验证结构合理性。

我的做法是：结构验证阶段用非序列，锁定参数后再在序列模式里重建一遍做公差分析。如果目标是学习 M 型 C-T 的像差行为，直接非序列就好。下面章节以非序列模式的搭建过程为准，涉及的操作符合 Zemax 非序列组件的常见用法。

3.2 搭建 M 型光路元件的顺序与坐标设置

非序列建模从定义光源开始。光谱仪的光源实际上是狭缝被照明后的发散光，我会用一个矩形光源面放在准直镜的焦平面位置，光源面的 X 方向尺寸对应狭缝宽度（比如 0.2mm），Y 方向对应狭缝高度（比如 5mm），发射角度设为半角约 3.5°，匹配 F/8 的准直镜接收角。接下来放置准直镜，非序列里用“Standard Lens”，曲率半径设为 -2×F，反射膜层设置为 Mirror，这样它就是一个凹面反射镜。离轴角通过对准直镜的 X 轴旋转实现。

常见坐标关系如下： 1) 光源面位于全局坐标原点，法线沿 +Z 2) 准直镜位于 Z=100mm，绕 Y 轴旋转 8°（使镜面朝向光源） 3) 平面反射镜位于准直镜反射光束的中点，绕 Y 轴旋转使光束折向 M 型结构的一侧 4) 光栅位于平面镜反射后的光路上，旋转到入射角 α 5) 聚焦镜位于光栅衍射中心波长光束方向上，离轴角 θ2 6) 探测器位于聚焦镜焦点附近，允许绕 Y 轴旋转以补偿谱面倾斜

这里每个元件的坐标都不能“看着差不多就行”。非序列里元件位置差 1mm，光线追迹结果可能完全是另一回事。我通常会先把准直镜和聚焦镜的焦点位置在文本计算器里算好，再逐个元件放上去，每放一个就追一束单波长光线看是否落在预期位置。一次放全部元件再回头查错，效率极低。

3.3 光栅的衍射设置与探测器上的谱面验证

非序列中的光栅选择“Diffraction Grating”物体类型。关键参数有三个：刻线密度、衍射级次、膜层。刻线密度要和 Python 计算时一致；衍射级次在 M 型 C-T 里通常取 1 或 -1，具体取决于入射角和出射角在法线的哪一侧；膜层设置为反射膜，但不勾选“全反射”，因为光栅会把能量分配到多个级次。

光栅放置完毕后，用中心波长单色光追迹。应在探测器上看到一个集中的光斑，位置和 Python 里算出的 f·sin(β) 对比。如果偏差超过 5%，优先检查光栅法线方向是否与入射光线夹角等于 α。接着把波长设为多波长，用探测器查看器观察光谱线是否落在同一水平线上。M 型结构里最常见的现象是谱线在探测器上不是直线，而是倾斜的，这是因为聚焦镜聚焦后不同波长的离轴量不同，再加上平面镜的折叠，谱面会绕 Z 轴转一个小角度。这个倾斜靠探测器绕 Z 轴旋转补偿，能接受的范围是两端偏差小于一个像素尺寸。

探测器设置建议： - 像素尺寸：0.05mm × 0.05mm（看光谱仪分辨率需求） - 像素数：200 × 200 - 光线数：从 500k 起，逐级增加 - 追迹停止阈值：相对功率 1e-5，避免无效长追迹

3.4 用评价函数做一轮结构优化：变量与停止条件

Zemax 非序列优化需要通过探测器数据操作数构造评价函数。常见做法是使用 NSC 数据操作数读取探测器上光斑的质心和半径，把目标设为“光斑 RMS 半径最小”。优化变量选聚焦镜离轴角 θ2、平面镜绕两个方向的倾角、探测器沿 Z 方向的位置。光栅入射角 α 在首轮优化里固定，因为它直接影响波长标定，最好等结构稳定后再放开。

优化里最容易犯的错误是让探测器位置自由浮动。探测器一旦移动，系统会自动用“重新对焦”来抵消其他变量带来的离焦，结果就是评价函数数值很漂亮，但是平面镜角度和聚焦镜离轴角被推到不合理的位置。我的习惯是把探测器 Z 方向的权重提高，或者在变量之外先手动调焦，让探测器始终保持在焦点上再交给优化。停止条件方面，我一般看到光斑 RMS 半径连续 20 轮变化小于 0.5% 就手动停止，继续跑下去只是在小数点后第三位挣扎。

4. M 型 C-T 结构优化避坑清单：五个让仿真翻车的常见原因与排查方法

4.1 现象：Python 算的衍射角和 Zemax 里光谱位置差了十万八千里

原因大概率是光栅方程的符号约定不统一。Python 里我用入射光和衍射光在法线同一侧时 β 取正，Zemax 非序列光栅的方向判定取决于光栅面的局部 Z 轴朝向。如果光栅物体在插入时被转了 180°，光线实际上是从背面入射，衍射方向完全反过来。

解决方法是每次建模后用单波长验证：追迹一束中心波长光线，记录从光栅出射的方向余弦，再和 Python 计算的 β 做对比。如果符号相反，把光栅绕法线轴转 180°，或者修改 Python 里的符号约定。记住，两个环境必须使用同一套约定，否则后面所有标定都白做。

4.2 现象：光线数加到几百万，探测器上还是只有零星几点

这是非序列建模里最常见的翻车现场。通常不是光线数不够，而是准直镜口径和光源发射角不匹配。光源发射半角太大，大量光线直接越过准直镜飞出系统；或者准直镜口径设成通光孔径，但离轴角之后有效口径变小，边缘光线被镜筒遮挡。

排查方法是先不追光，用非序列的三维布局图从侧视方向看光线路径，确认所有元件的口径都覆盖了光束截面。然后把光源发射半角按准直镜口径和焦距重新计算：半角 = arctan(口径/2 / 焦距)。记住，Zemax 非序列里光源发射角常常是半角而不是全角，设错一半，光就直接飞出系统。

4.3 现象：探测器上光谱线明显倾斜，两端聚焦情况不一致

M 型结构里这个现象几乎是必然出现的，只是严重程度不同。原因是聚焦镜离轴角不对称时，不同波长的实际像面不在同一平面内，而是绕着一个轴旋转。如果倾斜角度在可接受范围内，可以通过旋转探测器补偿；如果倾斜大到你需要把探测器旋转 10° 以上才能补偿，说明 θ1 和 θ2 的离轴角分配不合理。

解决方法是回到 Python 扫描代码里重新扫描 θ1/θ2 的比例，找到谱面倾角最小的组合，再回 Zemax 验证。我见过有人试图靠 Zemax 优化硬压谱面倾角，结果把聚焦镜离轴角压到 3°，像散又开始爆炸。这类问题应该回到结构级去调整，而不是靠优化硬抗。

4.4 现象：谱线光斑呈竖椭圆或横椭圆，狭缝像被拉宽

这是像散没补偿好的典型表现。M 型结构里平面反射镜的方位会改变像散方向，如果你把它当作普通折叠镜随便转，聚焦镜的像散会和准直镜的像散叠加而不是抵消。

排查顺序是：先固定平面镜，只优化 θ2，看光斑椭圆度是否改善；如果没改善，手动扫描平面镜绕快轴的倾角。注意，平面镜绕不同的轴转，对谱线方向的影响完全不一样。我的血泪经验是：每次只动一个轴，记录光斑的长轴方向变化，不要同时改两个方向，否则根本不知道是谁把像散带偏了。

4.5 现象：优化迭代不收敛，评价函数在小数点后四位来回跳

这种情况一般不是 Zemax 坏了，而是优化变量之间强相关。最常见的是平面镜倾斜角和聚焦镜离轴角同时作为变量，两者对谱面位置的影响几乎相同。Zemax 会在这两个参数形成的长山谷里来回震荡。

我的做法是强约束变量范围，同时把目标函数改成“光斑 RMS 半径 + 谱面倾斜惩罚项”。非序列优化中可以通过添加约束操作数据实现：限制质心位置在探测器中心附近，限制光斑在长波长端的 Y 坐标和短波长端对称。优化跑不动时先检查变量相关性，比调优化算法权重有用得多。

5. 优化前后怎么验收：谱线标定、公差评估与敏度分析

5.1 谱线标定：用两条已知波长把像素位置变成波长

Zemax 仿真里看到的谱线位置是丝毫无差的几何结果，但实物上镜片位置、光栅角度必然有偏差，所以不管仿真做得多完美，谱面标定始终是必须做的一步。常见做法是用汞灯或氦氖激光器作为标准光源，汞灯的 435.8nm、546.1nm 和 579.0nm 三条谱线足够做线性拟合。假设探测器像素位置 p 和波长满足一次关系：

import numpy as np # 实测像素位置和已知波长 pixel = np.array([120.0, 430.0, 720.0]) wavelength = np.array([435.8, 546.1, 579.0]) # 一次线性拟合 coeff = np.polyfit(pixel, wavelength, 1) pred = np.polyval(coeff, pixel) residual = pred - wavelength print(f"斜率: {coeff[0]:.6f} nm/pixel, 截距: {coeff[1]:.3f} nm") print("拟合残差(nm):", np.round(residual, 3))

这一步是验收结构优化好坏的黄金标准。如果标定残差小于半个像素对应的波长宽度，说明光谱仪结构在公差范围内是合格的；如果残差随像素位置呈弯曲状，说明谱面倾斜没有完全补偿，需要回到结构优化阶段调整。不要试图在标定阶段用多项式去拟合掉结构误差，那样只能掩盖问题。

5.2 敏度分析：找那个让你翻车的参数

M 型 C-T 的几个关键参数里，对装调误差最敏感的一般是聚焦镜离轴角和平面镜倾斜角。我每次在 Zemax 里做公差分析时都会把这两个参数单独挑出来看：把离轴角从名义值偏移 ±0.1°，记录探测器上中心波长的光斑移动量。移动量如果超过一个像素宽度，装调时就必须用精密转台而不是普通镜架。

敏度分析的输出不是单个数字，而是一张“参数-光斑偏移”表。这张表决定了实物装调时哪些环节要加调整垫片、哪些环节可以放宽。很多项目卡在实物阶段调试不出来，问题不在设计，而在没有对仿真模型做过敏度分析，导致装调顺序是错的。

5.3 进阶技巧：把 Python 参数扫描和 Zemax 做半自动联动

到这一步，你已经有了 Python 的结构扫描脚本和 Zemax 的仿真模型。剩下的优化工作可以用 Zemax 的 ZPL 宏实现批量扫描：在宏里修改聚焦镜离轴角、追迹光线、读取探测器数据、把结果写入文本文件，最后用 Python 处理这批数据。

这个半自动联动的工作流适合做“参数-分辨率”热图，比如同时扫描 θ1 和 θ2，看哪个组合的像散最小。它能彻底摆脱评价函数优化容易陷入局部极小值的问题，比单纯依赖 Zemax 的优化器可靠得多。我自己做 M 型 C-T 项目时，最常用的反而是这个笨办法：网格扫描、大海捞针、再用 Zemax 精确确认。结构优化做到最后，你会发现最容易被平面镜方位这种细节坑到，所以仿真阶段宁可多花时间做敏度分析，也不要等到打样后再去后悔。希望这套从 Python 到 Zemax 的通行做法能帮到你，先把初始结构算稳，再去追求优化器的“一键最优”。

本文还有配套的精品资源，点击获取