敏感度分析：如何应对不确定性？

对于敏感度分析，将使用下面的法则对每个公差进行独立求值恢复临时镜头。将其公差要被评估的参数调整到极小值。例如，如果被评估的公差是TRAD，其名义值为100 mm，有一个为-0.1 的最小公差值，则这个半径被设为99.9。如果这个公差是一个倾斜或者偏心公差，则要按要求插入虚拟坐标断点来模拟这个波动。对于表面倾斜和偏心，如TSDX、TSDY、TSTX、TSTY、TIRX 或者TIRY，如果这个表面开始是一种标准类型，则将使用不规则表面类型调整补偿。使用的方法依赖于快速模式是否被打开。对于每个公差操作数来说，这个基本法则是重复的。

敏感度分析的评价是在增加评价函数值方面，太宽松的公差通常比其他公差要有更大的贡献。这个技巧允许设计者来识别对于某些误差，如倾斜或者偏心，有高敏感度的表面。通常对于不同的误差，不同的表面也将有不同的敏感度。

敏感度分析可以帮助识别哪个公差需要被加紧，哪个公差需要被放松。这对于寻找最佳（和最小）的补偿的数量和调整的要求范围也是有利的。实际上对于这个特性有更多的应用程序，如设计装配镜头来最佳化补偿杠杆。

通常在所有可能的公差范围内，公差敏感度的变化是非常大的。“显示最差”控制对于总结最差的事故是非常有用的，因为它可以根据对评价函数的贡献将公差分类，然后以递减的次序打印出来。如果只关心最差的事故，则“隐藏除最差外的其他所有”可以控制打印的大小。(www.xing528.com)

在计算完所有单独的公差以后，ZEMAX 将计算统计的变化，其中最重要的是在评价函数标准中可估计的变化和相应的可估计的结果。对于结果中可估计的变化的计算，ZEMAX 采用了一个与根的和的平方（RSS）的假设。

对于每个公差，结果相对于名义值的变化被平方，然后在最小和最大公差值之间取它们的平均值。然后将所有的公差的这个最后被平均的平方值加起来，再取这个结果的平方根。采用最小和最大公差值的平均值是因为最小和最大公差值不能同时出现，因此平方值的总和将导致一个非常讨厌的预报。而这个最后的RSS 是结果的可估计的变化。