为突破高精度负温度系数（NTC）热敏电阻温度计的技术壁垒，研制了高稳定性NTC热敏电阻温度计并开展校准及稳定性评价技术研究。通过对比4~7校准点校准偏差及不确定度传播规律，提出5点（0.01，15，29.764 6，45，60 ℃）校准方案结合Hoge-4方程为最优方法，在0～60 ℃全温区实现校准不确定度优于0.8 mK（k=2）水平，在22 ℃关键区不确定度不超过0.6 mK（k=2）。基于固定点及比较法开展自研NTC热敏电阻温度计长期稳定性测试，结果表明，自研温度传感器稳定性可实现优于0.4 mK水平。自热效应与激励电流和环境温度强相关，为保障NTC热敏电阻温度计亚毫开尔文级测温精度，推荐工作电流不超过0.01 mA。该研究为国产高精度NTC热敏电阻温度计的工程化应用及标准器开发提供了关键技术支撑。
金刚石氮-空位（nitrogen vacancy，NV）色心测温技术是一种新兴的量子测温方法，具有超高灵敏与稳定物化性质，通过基态能级零场劈裂实现对温度测量，可用于芯片、生物体等多领域温度监测。一般使用激光激发电子自旋、期间施加微波进行操控，进而获得NV色心的光学探测磁共振（optically detected magnetic resonance， ODMR）谱，然而在进行ODMR谱线测量时，激光功率波动会引起荧光光子数波动。为从根源上抑制激光功率波动，基于液晶相位延迟器（liquid crystal variable retarder， LCVR）设计了一种适用于金刚石NV色心传感器的激发激光闭环稳定控制模块。长期稳定性测试显示，闭环控制后激光功率稳定性较原始光功率抑制倍数达到5.6倍。经优化LCVR设定电压，在室温下进行ODMR实验对比，开启闭环控制后，零场分裂能D值测量标准偏差从204.02 kHz降至47.03 kHz，证实该激光稳定闭环控制方法提升了荧光光功率及谱线测量稳定性。
燃烧器火焰状态的有效监测对燃煤电厂的安全生产和节能减排都具有重要作用。现有的火检系统主要以检测火焰是否存在为主要任务，不能对火焰状态进行准确判断。因此以实际条件下获取到的火焰图像为对象，以支持向量机作为基础分类器，提出了一种融合火焰图像颜色和轮廓特征且使用改进粒子群优化算法进行参数寻优的火焰状态识别方法。实验结果表明，在数据量充足的前提下，所提出的方法对3种不同负荷状态下的燃烧器火焰图像分类准确率达到99%以上，且改进后的参数寻优算法较之传统算法有更好的性能，同时在低数据集容量情况下表现更好。
在湿气计量标准装置上，使用长喉径文丘里管在管道压力2.0~3.0 MPa条件下进行了多组单气相与湿气测试。使用卷积神经网络算法解析多维时序信号，建立了识别管道中单相/多相流动状态的高准确度神经网络算法。针对湿气流动在长喉径文丘里中的信号特点，基于虚高理论分别建立了气相与液相流量的迭代预测算法。由此搭建可对工业湿气流动进行实时识别并准确分类计量的湿气流量模型。模型检测结果显示：单气相时模型可显著降低由于流态误判导致的计量偏差（气相准确度提升达9%，液相修正误判达0.6 m3/h），湿气条件下气相与液相流量预测的平均绝对百分比误差分别为4.9%与12.45%.
以TM80型涡轮流量计为研究对象，采用计算流体力学（CFD）模拟和多目标遗传算法对涡轮流量计的结构及性能进行优化研究。首先，通过实验测试对CFD方法进行验证，确保CFD方法用于研究涡轮流量计结构及性能的准确性和可靠性；然后，应用CFD方法对流量计内部的流场特征进行模拟分析，探索出流量计的关键部位叶轮、表芯支座以及后导流体的结构优化方案； 最后，利用CFD模拟和多目标遗传算法对流量计的性能进行评价。研究表明：结构优化后的流量计的压力损失显著降低、仪表系数更加稳定、线性度误差明显变小。当叶轮叶片切角参数为0.537、表芯支座坡度为14.263°、后导流体直径为61.255 mm时，流量计的压力损失降低约53%，仪表系数变小且趋向恒定，线性度误差减小约36%，涡轮流量计的计量性能明显提升。
提出了一种自注意力机制-变分自编码器-长短期记忆网络（SA-VAE-LSTM）模型，用于实现气液两相流中气含率与气相流速的测量。首先，采用16电极阵列电导传感器实时采集流动信号，通过变分自编码器（VAE）对采集信号进行特征提取；随后引入并行自注意力机制对关键流动特征进行自适应增强；最后，利用长短期记忆网络（LSTM）对提取的时序特征建模，实现气含率和气相流速的测量。测试结果表明：SA-VAE-LSTM模型在两项预测任务中均取得优异表现，预测值与实测值的决定系数均为0.999 9，平均绝对误差分别为0.000 5和0.000 4。与VAE-LSTM等基准模型相比，所提方法在特征表征与时序建模精度方面更具优势，显著提升了预测性能。
针对气体超声波流量计信号处理中难以找到稳定的测量特征点的问题，通过模型推导和实流验证，研究构建了一种基于回波波形积分的信号处理方法。该方法利用回波波形上半周期的各采样点求取回波波形能量，通过求取采样点累积能量找到最接近阈值的2个采样点，得到特征点，从而计算超声波渡越时间及气体流量。在基于STM32的双核心系统上实时完成该信号处理方法，并在国家认可的检测机构浙江迪元仪表有限公司进行标定实验，结果表明：基于回波波形积分的信号处理方法的超声波流量计达到1.0级准确度。
分析了浓密膏体管道流量测量装置的测量原理及公式，得出系统误差主要来自于滑移层误差的结论。为评价和提升该装置的准确度，综合运用极限思想、宾汉体层流速度分布替代法等来进行误差研究，并经实验验证提出了一种误差修正方法。实验结果显示，经过修正的测量装置相对误差可控制在±6%范围内，接近工业仪表最低准确度等级5.0（±5%）的要求；对于大于质量浓度63%的煤泥，测量准确度可达4.0等级。从而提出煤泥以质量浓度63%为界，质量浓度高于63%使用该装置，低于63%使用电磁流量计，以保证在全浓度谱浓密膏体流量的测量准确度符合国标要求。
提出一种基于低成本三维扫描仪的人脸深度图识别方法（FDMR），目的是提高低质量人脸深度图的鲁棒性特征表达能力以提高识别准确率，提高算法的实时性能以更好地满足实际应用需求。首先，针对单张深度数据提取特征有限的问题，将低质量人脸深度图像构建为对比图像对并输入到FDMR网络中。其次，在特征提取过程中，为减少低质量人脸深度数据中噪声的影响，引入连续归一化流模块进行特征去噪。最后，提出了一种面向图像对的对比损失函数，通过最小化图像对相似度分数分布与真实标签匹配分布之间的KL散度以简化计算过程，进一步提高了模型训练的效率。所提方法展现出较其他当前最优方法更高的实时性能，处理图像时的帧速率达到183帧/s，而当前最优方法仅为125帧/s。在Lock3DFace和Extended-Multi-Dim两个数据集上的实验结果显示，与当前最优方法相比，提出方法在平均识别率上分别提高了0.23%和0.67%。
针对遥感图像背景复杂、尺度多变等特点导致目标检测精度低的问题，提出一种基于改进YOLOv8的遥感图像目标检测算法。首先，基于YOLOv8网络框架，在骨干网络部分引入全局注意力机制，使模型更关注于重要区域，降低无用背景对模型的干扰；其次，采用一种明智的交并比作为新的边界框回归方式，减小低质量示例对模型的影响，提高模型的边界框回归水平；最后，在特征融合网络部分和头网络部分分别引入高效多尺度注意力模块和动态检测头模块，全面提升模型的尺度适应能力。实验结果表明，所提算法在公开遥感数据集DIOR和RSOD上均取得较高的检测精度，阈值为0.5的平均精度均值分别达到了72.0%和94.6%，并且改进后的算法具有较强的鲁棒性，当输入数据集改变时，仍能保持较好的检测性能。
数字图像相关法的计算效率和求解精度受搜索初值影响较大。提出一种基于距离约束D-ORB的初值估计方法，用于数字图像相关测量中。首先利用D-ORB算法提取特征点，并改进BRIEF描述子以描述特征；然后基于距离约束的网格运动统计算法对匹配点对进行筛选，以保证匹配点对的准确性和可靠性；接着，基于筛选后的匹配点对利用仿射变换求取初值；最后利用反向组合高斯牛顿法迭代求解得到精确的位移和形变信息。基于此方法，利用数字图像相关技术测量了平移、拉伸和旋转时的变形，实验中平移变形的测量误差小于0.003 px，旋转变形的测量误差小于0.05 °，拉伸变形的测量误差均小于1%。
对现行有效的动态力传感器检定规程和校准规范进行了研究，涵盖正弦力法、阶跃力法和冲击力法三种激励校准方法，以校准方法为主线，对各校准规范的计量校准项目、技术思想，以及计量技术特点进行了全面而系统的分析，从幅度量程范围、频率范围、力值方向、校准参数多少、溯源方式、校准工作量、适宜场景、对传感器的伤害等几个方面，进行了比较研究，讨论了每一校准方法各自的优点与不足，为上述各个规程规范的使用、修订、完善及后续计量技术研究提供了参考和借鉴。
为了测量智能音频设备的声音接收指向性，降低测试系统的成本与复杂度，使用矢量基振幅平移（VBAP）法形成虚拟声场，模拟测量系统所需的物理声场环境。通过仿真验证虚拟声源与实际声源辐射声场的差异，并分析影响导致声场差异的主要因素。在此基础上，使用平面声像仪对虚拟声源进行定位并采集图像，对采集的图像进行像素分析，得到实验测定声源与理想声源之间的位置误差，并对实验数据进行不确定度评估。实验结果表明：双扬声器系统夹角为45°，频率高于2.5 kHz情况下虚拟声源明显偏离预设位置；双扬声器系统夹角为22.5°时，声像仪对频率为500 Hz~2.0 kHz的虚拟声源的最大定位误差可控制在1°附近；对频率为2.6 kHz的虚拟声源，最大定位误差可控制在2.5°附近；当频率高于3.0 kHz后，虚拟声源最大定位误差将大于3°，明显偏离期望位置；频率达到4.0 kHz后，声像仪难以定位虚拟声源位置。
提出一种基于物联智控的数字化噪声测量分析仪远程智慧计量检测系统。基于智能物联技术，采用物联网远程协议、操作桌面集成和标准数据接口的方式，实现对数字化噪声测量分析仪计量检测的远程管控、数据采集、数据传输和数据展示。系统中远程控制及管理平台与远程检测装置的双向通信，可以实现对检测装备和被检仪器的控制、数据的采集、分析和传输；系统中的视频监控和环境监控设备，保证了仪器检测过程的可视性和公正性。实验结果显示：该系统满足GB/T 3785系列标准中的技术要求，具有数据采集自动化、操作规范化、检测智能化等优点，保障了检测结果的准确性和安全性，实现了仪器在频率范围10 Hz~20 kHz内声学性能的远程快速检测，检测周期时间缩短至4 h。
我国当前在交流磁感应强度计量校准方面面临挑战，尤其是存在校准范围受限，高频性能不足及传感器全频全域计量性能难以准确评估的问题。通过细致探究霍尔传感器的交流特性计量校准技术，利用霍尔效应中的输入输出互易原理，采用交流偏置技术来测定恒定磁场，旨在提升在宽频率与大磁场幅值条件下的计量校准能力。研究综合了理论解析、实验验证及不确定性评估，结果显示，交流偏置法能覆盖高达300 kHz的频率范围，幅值上则等同于直流标准磁场的最大值，校准不确定度优于0.14%，验证了该方法的有效性。
Zeta电位是表征颗粒表面电荷性质的核心参数，为科学、系统地评估我国检测实验室在Zeta电位测量方面的综合能力，全国新材料与纳米计量技术委员会协同中国新材料与标准计划组织，成功策划并组织了国内首次Zeta电位量值计量比对活动，并由中国计量科学研究院新材料计量研究室担任主导实验室。为确保比对的公正性和科学性，主导实验室确定了比对的基本框架、测量方法和实施方案，参比实验室严格执行。在此基础上，此次比对不仅评定了各实验室的测量不确定度，还全面分析了比对结果，揭示了Zeta电位测量过程中存在的关键技术问题及其对测量结果的影响，并提出了针对性的解决方案和优化建议。本次Zeta电位量值计量比对不仅评估了我国检测实验室的Zeta电位测量技术水平，还通过问题识别与解决方案的提出，促进了测量技术的优化与提升。同时，此次比对还实现了国内Zeta电位量值的相互认可，为我国新材料研发、生物科技及相关领域的创新发展提供了坚实的计量支撑。
为解决传统传感器步态识别存在维度局限、特征工程依赖强和模型复杂等问题，提出一种通道扩维技术和一维卷积神经网络相结合的模型进行步态识别。首先利用手机自带的加速度传感器采集行人在静坐、站立、行走、慢跑、下蹲、上楼梯和下楼梯7种状态下X轴、Y轴、Z轴的时间序列数据，并进行预处理；然后通过不同的通道扩维机制提升加速度传感器信号的特征表达能力，最后再利用一维卷积捕捉步态序列的时空模式进行分类。在包含6名志愿者实测7类步态数据的自测数据集以及福特汉姆大学无线数据挖掘实验室（wireless sensor data mining， WISDM） 公开6类人体步态数据集上对所提算法进行验证。WISDM数据集上一维卷积神经网络平均分类准确率为74.94%，差分扩维平均分类准确率为92.74%，物理扩维平均分类准确率为92.85%，滑动窗口扩维平均分类准确率为95.51%；在自测数据集上3种扩维平均分类准确率也明显优于其他算法。
火炮身管是保障火炮作战效能和安全性的关键部件，其寿命对武器装备可靠性至关重要。针对传统寿命预测方法精度较低、参数调整复杂的问题，提出了1种基于蝙蝠算法（BA）优化BP神经网络的组合预测模型。模型通过优化BP神经网络的权重和阈值，有效提高了预测精度。在分析火炮身管烧蚀磨损数据的基础上，实验比较了BA-BP模型与最小二乘法、支持向量机及传统BP神经网络的性能。结果显示，BA-BP模型的平均相对误差小于3%，显著优于其他方法。这表明，所提出模型在火炮身管寿命预测中具备较高的精度和可靠性，同时为武器装备寿命预测提供了新的技术路径和方法。
针对氯碱工业中贵金属基阳极材料成本高、活性位点利用率低等问题，通过构建镍-铱协同掺杂的IrO2/NiO-氮掺杂多孔碳材料（N-doped porous carbon，NPC）复合催化体系，显著提升了阳极析氯反应的催化效率与贵金属质量活性。采用浸渍和高温裂解方法制备了一系列IrO2/NiO-NPC催化剂。研究结果表明，在模拟工业条件下，IrO2/NiO-NPC-0.4电极的析氯电位低至1.466 V，较传统体系降低约120 mV，双电层电容值达到了24 mF/cm2，法拉第效率可高达84.73%，比商业IrO2高35.03%，且经30 000次循环后，呈现出优异的电化学稳定性。另外，IrO2/NiO-NPC的质量活性达商业IrO2的1.7倍，实现了其催化活性提升与铱负载量降低的双重优化。
