//Logo Image
作者:王耀東(2004-07-22);推薦:徐業良(2004-09-14)
附註:本文為九十三學年度元智大學機械工程研究所王耀東碩士論文「液晶顯示器之直下型背光光學效能最佳化之研究」第六章。

第六章 結論與未來展望

6.1 結論

本研究完成了利用SNA法來進行「液晶顯示器之直下型背光光學效能最佳化之研究」,改善了以往使用“batch-mode”或是實驗的方式,以較有效率的方式來進行背光光學模擬,以前面章節的2變數問題為例,其迭代的次數為10次,若以“batch-mode”的方式模擬,則需要模擬9×9=81次,再以前面章節的4變數的問題為例,其迭代的次數為43次,若改以“batch-mode”的方式模擬,則需要模擬94 = 6561次,所以當變數增加的情況下,本研究的方法就更顯的有效率。

Hsu等人發表[2001, 2003]SNA法中,將目標函數假設是一個外顯式函數(explicit function),本研究中目標函數為內隱式函數(implicit function),以另一個類神經網路模擬其函數值,使得SNA法更為完整,對於外顯式函數及內隱式函數均能處理的特性,未來將可更廣泛的運用於工程上最佳化問題的處理。

本研究利用Speos光學模擬軟體來處理內隱式函數,並結合SNA法來處理最佳化的設計問題,這代表著除了Speos光學模擬軟體外,像類似SpeosTraceproLighttools等知名光學軟體亦可使用此方法處理液晶顯示器之直下型背光光學效能的最佳化問題。但使用此方法需考慮、證實模擬軟體的精確度與重複模擬的再現性,才可確保本研究方法的實用性。

6.2 未來展望

本研究以2變數及4變數為例,利用SNA法來解液晶顯示器之直下型背光光學效能最佳化的問題,只以hblpa變數來進行研究,這些變數均為尺寸上的變數,在未來直下型背光光學效能最佳化問題的研究上,可將尺寸及光學材料這二種類型的變數同時進行最佳化求解,更可加強SNA法在解工程最佳化問題的實用性。

除了基本形狀及材料性質外,在未來實際的應用上,可以增加反射面結構的複雜性,用來提升光學的利用率,進一步發展出效率更佳的直下型背光。

參考資料

Hsu, Y. L., Dong, Y. H., Hsu, M. S., “A Sequential Approximation Method Using Neural Networks for Nonlinear Discrete Variable Optimization with Implicit Constraints,” JSME International Journal, Series C, Vol. 44, No. 1, April 2001, p.103~112.

 Hsu, Y. L., Wang, S. G., and Yu, C. C., “A Sequential Approximation Method Using Neural Networks for Engineering Design Optimization Problems,” Engineering Optimization, Vol. 35, No. 5, October 2003, p. 489 ~ 511.