为解决结构载荷反演标定方程的病态引起的解不唯一问题，提出了基于应变测点优化的行列式最优设计（DOD）与条件数最优设计（COD）的改进方法。首先，通过施密特正交化筛选，从诸多应变与载荷工况中筛选出应变基工况矩阵与载荷基工况矩阵；然后，以应变基工况矩阵的最大行列式和最小条件数为优化指标建立优化模型，逐次减少应变测点数量，得到载荷反演模型及其改进模型；最后，在襟翼结构的内部布置20组电阻式应变片，并设计6个加载点分布载荷开展加载验证实验。结果表明：DOD方法优化后减少6个应变测点，单点最大载荷平均识别误差从5.221%降至3.360%；COD方法优化后减少2个应变测点，单点最大载荷平均识别误差从2.423%降至1.099%；因此，DOD方法的优化效果更优。
基于流体静力学浮力测量原理，将浸泡介质法中的液体介质更换为空气介质，开展基于空气浮力原理的材料孔隙率测量方法研究。根据沪滇两地不同的气压差形成的空气密度差，采用静力称量方法重复称量同一多孔材料，揭示多孔材料质量随空气密度的变化规律。通过模型构建、函数分析和实验验证相结合的技术，建立质量差与空气密度差之间的数学模型，以获得多孔材料的骨架体积，再结合几何测量法测得的多孔材料总体积，从而精确测得多孔材料的孔隙率。以带孔金属球作为孔隙率测量标准进行验证，实验结果与几何测量法测得的标准孔隙率之差为0.9%，小于3%的最大允许误差。
为了解决六自由度振动校准因振动频率升高产生的幅值衰减和波形失真问题，提出了基于任务空间的迭代学习控制方法，以满足MEMS传感器的宽频带校准需求。根据六自由度振动校准系统微分运动学方程，推导了高频线性化的快速正解算法。设计P型迭代学习律，通过系统动力学模型推导了迭代学习控制的收敛条件。在六自由度振动校准系统上对宽频带控制方法进行了幅频响应、漂移误差、横向振动比和谐波失真度的实验测试。结果表明，在1~50 Hz频率范围幅值响应能够维持在0 dB；对比默认伺服控制，x轴作频率为20 Hz，幅值为0.12 mm的正弦振动时y轴和z轴的峰值漂移误差分别下降57.99%和58.46%，10 Hz以上对横向振动的抑制最高可达63.53%，各轴振动谐波失真度均有所改善。
针对砝码磁化率和极化强度测量过程中对质量测量结果产生影响的因素进行分析，根据砝码磁化率和极化强度测量原理分析磁性测量不确定度来源，建立测量模型进行评估计算，解决砝码磁化率和极化强度不确定度评估分析不够完善的问题。测量实验结果表明，500 g不锈钢材质砝码的磁化率为2.262×10-4，扩展不确定度为2.695×10-5（k=2），极化强度为1.078×10-2 µT，扩展不确定度为2.594×10-3 µT（k=2）。经分析发现，砝码磁性测量结果不确定度主要来源于磁化率计永久磁铁的磁矩m d和磁场梯度B E z。
基于动态光散射原理设计了一种变压器油颗粒度检测系统，用光纤代替传统空间光路实现了仪器结构的简化和体积的减小，设计了可变光程模块使系统适用于各类变压器油颗粒的检测场景。用该系统对标称粒径为82~1 000 nm的聚苯乙烯、SiO2和CuO标准颗粒进行粒径分析实验，最大测量相对误差为8.8%，且大部分样品的测量相对误差不超过3%。将系统与光阻法结合可将变压器油颗粒粒径测量下限从1.5 μm拓展至80 nm，实现对变压器油中80 nm~100 μm颗粒的测量分析。实验表明：设计的动态光散射变压器油颗粒度检测系统可以有效监测变压器油老化过程中产生的微米和亚微米级颗粒污染物，为变压器油提供一种更早期的老化监测方法，满足了对变压器油亚微米级颗粒污染物的检测需求。
半潜油是隐匿在海面之下并呈悬浮状态的溢油。目前，针对半潜油探测还没有形成有效的监测手段和处理方式，致使其污染的突发性和危害性更甚于海面溢油。激光诱导时间分辨荧光光谱技术不仅具有高灵敏度、表征能力强等优点，还具备实时探测半潜油的能力。为获取半潜油的时间分辨荧光光谱（TRFS）数据，研发了一款半潜油水下探测装置，该装置主要由脉冲激光器、固定光栅光谱仪和增强型电荷耦合器件等部件组成。通过研究探测装置的组成结构及其工作原理，建立了荧光强度与半潜油浓度的回归方程。最后，选用柴油、白油以及原油的TRFS数据，验证了油品浓度量化模型的有效性，其决定性系数分别为0.960、0.983和0.996。
针对如何准确有效提取电梯井角点特征问题，通过分析电梯井半结构化室内环境、水泥墙面凸起或凹坑缺陷等特征，提出了以Douglas-Peukcer算法为预处理，利用聚类算法去除干扰因素获得电梯井数据集，从数据集中进行角点的判断和分类进而提取特征的方法。同时设计了线轮传动机构，搭建了基于二维激光雷达的测量系统，依据电梯行业测量标准对电梯井现场做了测试实验。实验结果表明，该算法测量误差绝对值小于2 cm，均值采样和随机采样值均符合行业标准。
超稳激光系统在科学研究和精密测量中具有广泛的应用，然而传统的实验室型超稳激光无法满足可搬运和输出频率连续可调的要求。因此开展了光通信波段可搬运超稳激光系统研究，设计了对振动和应力不敏感的5 cm立方体参考腔以及满足可搬运要求的真空物理系统，采用多边带调制的锁定方案和集成化的锁定控制系统，实现了集成的单机柜可搬运超稳激光系统，锁定后的输出激光频率在激光器调谐范围内连续可调（100 GHz， 0.8 nm），不受参考腔的透射模式频率限制。经测试，该系统输出的超稳激光的频率稳定度在30 s内优于2×10-15，洛伦兹拟合线宽约为0.96 Hz。
提出了基于双三次插值与Zernike矩的图像亚像素边缘检测算法。首先，采用中值滤波降低图像噪声；然后，通过双三次插值细分图像边缘；最后，应用7×7模板的Zernike矩和最大化类间方差算法获取的最优判定阈值提取到轮廓图像。以棋盘格、标准圆图像为对象进行实验，实验结果表明：该算法能较好地检测和高精度定位图像边缘，其平均边缘定位误差为0.41 pixel，精度优于Canny、Zernike矩和Canny-Zernike矩边缘检测算法。该算法能更好地满足零件机器视觉高精度尺寸测量的要求。
针对三色坐标中从颜色三刺激值重建光谱反射率的问题进行了研究，提出采用由多个异质项构成的优化函数来实现光谱反射率重建的方法。首先对测量训练反射率采用降维技术来获得它们的线性基和重建光谱的初始估计值；然后计算出重建光谱与测量光谱之间的光谱残差，并应用拟合系数优度（G FC）来测量光谱的初始估计值与训练集的每个元素之间的似然值，从而得到1个由比色误差项、2个形状可行性项和光谱误差项构成的优化函数，并基于这个优化函数运行优化程序来得到最终的反射率估计值；基于5个不同的光谱数据集上的仿真实验结果表明，在所考虑的全部误差指标方面，所提出的算法比现有的基准方法能够以更高的精度重建光谱反射率。
针对现有的湿天然气含水率测量仪器易受介质流型以及安装环境影响的问题，提出一种基于微波法的非接触式测量方法，该方法以电极阵列各端口的散射参数为基础，反演得出湿天然气的含水率。首先分析了基于电极阵列的湿天然气含水率测量原理，其次设计了一种由柔性材料制作而成的微波传感器，可缠绕在管道外实现湿天然气含水率的非接触式测量。利用HFSS电磁软件设计了湿天然气含水率测量传感器，结合最小二乘法验证了含水率测量方法的可行性。实验室模拟结果表明，所研制的微波传感器可用于湿天然气含水率的测量，含水率在0%~5%范围内变化时的平均引用误差为3.98%。
目前，航空发动机燃烧室的内部状态尚无有效的监测方法。为此，探索利用电容层析成像技术（ECT）实现对航空发动机燃烧室内部状态进行监测这一难题。针对燃烧室环形空间，设计了内外置电极ECT传感器，提出了6种激励测量方式，以灵敏场的均匀性等5个指标作为评价标准，寻求最佳激励策略的同时研究了双电极激励中激励电极间距对测量过程和成像结果的影响。实验结果表明，间隔1电极激励方式图像相关系数最高可达0.964 5，整体效果最优，为下一步传感器激励方式的选择提供了依据。
探讨了超声显微成像技术中的图像恢复策略，旨在通过图像恢复技术提高图像质量。构建了超声探头声束宽度模型，并探究了多种图像恢复算法的应用效果，引入无参考图像质量评价方法对传统超声图像质量评价方法进行补充，验证了图像恢复能力。使用焦平面声压扫描实验验证了超声探头声束宽度模型的有效性。图像恢复实验表明，超声探头声束宽度的准确量化能有效提升图像恢复质量。其中Lucy-Richardson方法在Lucy-Richardson、维纳滤波、Tikhonov正则化3种方法中表现最佳，所恢复图像在传统超声图像质量评价方法下相比原始图像提升了1.72倍，在无参考图像质量评价方法下相比原始图像增加了2.6评分（约5.7%）。
随着数字制造化产业的发展，数据安全检测、系统监控分析等应用场景中数据量的不断增加，对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络（GAN）的异常检测（MdtGAN）算法。首先通过生成对抗网络的设计策略构建其基本结构；其次在全局和局部时间卷积网络（GaL-TCN）生成器中通过设计双重时间卷积网络对时间序列进行历史信息处理，其中的注意力机制和单层 Transformer编码器使其能够快速地执行知识推理，实现对于时间序列的分布预测使其能够生成符合真实数据分布的时间序列；最后提出基于极值理论的动态阈值设定方法，减少了需要手动调节的参数量以及对于先验知识的需要。实验结果表明，在4个公开数据集上MdtGAN与近几年优秀的基准方法相比，将F 1分数平均提高了1.27％，训练时间减少了70.69%，为无监督异常检测提供了一种新的解决方案。
针对燃煤电厂锅炉燃烧工况复杂多变和脱硫系统惯性大，影响因素多，导致的出口SO2浓度频繁大范围波动且难以预测的问题，提出一种基于浣熊优化算法（coati optimization algorithm，COA）优化变分模态分解（variational mode decomposition，VMD）算法与融合卷积神经网络（convolutional neural network，CNN），双向长短期记忆网络（bidirectional long short-term memory networks，BiLSTM）和注意力机制的出口SO2浓度预测模型。首先使用k-近邻互信息法筛选出与出口SO2浓度相关性高的辅助变量，求取出各个辅助变量对应的时延补偿，然后对补偿后的变量用COA-VMD算法进行分解，保留分解结果中与输出变量相关性最大的变量子集进行重构，并将其作为模型的输入，最后使用CNN-BiLSTM-Attention建立出口SO2浓度预测模型。仿真结果表明，相比其他模型该模型的均方根误差、平均绝对百分比误差最小，预测精度最高，分别为0.577 7 mg/m3，0.270 5%，0.973 2。
氟化氢（HF）作为高毒性工业气体，其低浓度标准物质的研制长期受制于气瓶吸附效应、痕量水分干扰及分析方法等关键技术瓶颈。基于称量法原理，以高纯度HF和氮气为原料，成功研制了摩尔分数为（50~100）μmol/mol的氮中HF气体标准物质，并解决了以下3个技术问题：①通过气瓶筛选、内壁钝化及预处理工艺的优化，显著降低气瓶内壁吸附导致的量值衰减；②开发基于高温傅里叶红外光谱的分析方法，实现了10-6mol/mol量级HF的定量检测（重复性小于0.6%）；③通过稀释气的纯化和制备过程中对水分的严格控制，有效解决了痕量水分对HF稳定性的的干扰。依据气体标准物质研制规范，系统考察了HF在气瓶内随压力和时间变化的稳定性。经12个月跟踪验证，研制的氮中HF气体标准物质量值的相对扩展不确定度小于3%（k=2）。同时探讨了气瓶预处理及分析过程中水分对HF的潜在影响，以及稀释气中HF检出限的测量方法等，为易吸附性、易水解类气体标准物质的研制提供了较为完整的技术解决方案。
心肺音数据含有大量噪声影响诊断的准确率，为了保留有效信息同时提高信噪比，提出一种基于麻雀算法优化（sparrow search algorithm， SSA）变分模态分解（variational mode decomposition， VMD）的心肺音信号去噪方法。首先，对心肺音信号进行VMD分解得到固有本征模态函数（intrinsic mode functions， IMFs）；然后对各个IMF进行小波去噪，将去噪后的IMF进行重构，以最优信噪比为目标使用麻雀优化算法进行优化；最后，将麻雀优化算法的最优参数输入VMD对心肺音信号进行分解去噪，得到最终去噪信号。为了验证此法的有效性，以信噪比、均方误差和噪声抑制比作为评价指标，将该方法与小波去噪法、经验模态分解去噪法、VMD去噪法进行比较，结果表明，SSA-VMD去噪后的信噪比高于其它方法，均方根误差于其它方法，噪声抑制比高于其它方法，综合分析该方法能更好地消除噪声。
基于心律失常的人工智能识别算法在心血管疾病的诊断中至关重要。由于算法的测量不确定度评定是实现心律失常识别算法可靠性评估的关键，因此提出一种针对此类算法的测量不确定度评定方法。采用MIT-BIH心律失常数据库作为参考数据集，将DNN模型与CNN等3个模型进行对比试验。使用独立数据集十折交叉实验，通过不确定度合成的评定方法，分析算法输出结果的可靠性。4个模型在主要类型心律失常识别中分别达到97.2% （95% CI： 96.8%~97.6%），92.8% （95% CI： 91.0%~94.6%），89.5% （95% CI： 87.4%~91.6%）和93.2% （95% CI： 91.6%~94.8%）的总体准确率。不确定度传播分析发现，十折交叉实验不确定度（0.18%）、设备系统误差（0.03%）和数据量化误差（0.01%）是影响测量结果可靠性的主要因素，为医疗人工智能算法的质量评估提供了参考。
传统的多参数监护仪检定方法依赖人工读数和测量，效率低下。亟待研究一种基于人工智能的目标检测算法，实现多参数监护仪中生命体征参数的智能化识别，推动多参数监护仪自动化检定技术的发展。针对上述问题，提出一种基于FPN和Faster R-CNN的神经网络模型自动识别和分类生命体征参数，为后续实现多参数监护仪自动检定提供支持。为克服传统Faster R-CNN在中小目标识别任务上的不足，结合了ResNet50和FPN提取网络，以提升中小目标识别率。在实际临床采集的图像数据集上验证ResNet50+FPN的有效性，并与VGG16、MobileNetV2、EfficientNetB0、ResNet50等网络进行对比。结果表明，ResNet50+FPN识别的均值平均精度达到了83.32%，比VGG16提升了3.88%，在中小目标识别均值平均精度上分别提升了4.05%和9.60%。
