温度是影响野外激光测距精度的关键参数。为定量评估其影响并提供测量不确定度分析依据，依托野外基线场传感器网络，以60个传感器平均温度为参考，采用传感器均匀增量加密温度补偿法，将传感器的数量从1个逐步增加到33个的平均温度代表全线温度对温度数据进行分析。结果显示：随传感器数量增加，测距误差均值减少98.2%，标准偏差降低93.7%；温度测量不确定度从0.89 ℃降至0.05 ℃，减少94.4%，测距测量不确定度从1 091 μm降至64 μm，减少94.2%。研究表明，在温度稳定时段作业基础上提高传感器采集密度，可提高温度数据准确性与稳定性、降低测距误差。研究结果可为经济布设温度传感器提供数据支撑。
在不确定度评定时，准确判断数据的分布类型至关重要，提出一种利用反向传播（BP）神经网络训练模型来判别数据分布类型的方法，并将其应用于平面水平度测量不确定度评定的过程中。为了从多个维度全面分析数据的分布特征，所提方法将原始数据转化为7个特征指标，再引入BP神经网络自动学习和提取这些指标之间的复杂非线性关系。通过训练，获得了一个能够准确判别数据分布类型的网络模型，经参数配置优化，该模型展现出优越性能，不仅训练速度快，而且判别准确率高达99.52%。与传统方法相比，该模型在各类分布判别中均表现优异。最后，通过对3路电容传感器测量平面水平度的测量评定实例，通过该模型判别并评定得到了该平面倾角的最佳估计值为7.041″，标准差为0.055″，比传统方法判别并评定的结果具有更小的标准差和更小的置信区间，进一步验证了该模型在蒙特卡洛测量不确定度评定过程中的实用性。
为适应显微标尺多样化检测需求并降低成本，设计了具备多种瞄准功能的光电显微镜，搭建显微标尺桌面型测量系统。为提高测量精度，基于低成本线性滚珠导轨，研究实现干涉比长的平滑运动方法和小行程干涉比长余弦误差的减小方法；提出光电信号和光电图像融合的测量方法，研究显微图像的处理方法，经计量比对，光电信号测量1 mm显微标尺刻线间距时，与参考值最大差异44 nm，标准不确定度69 nm，归一化偏差绝对值小于1；利用光电图像测量法测量线宽和线间距，结果与参考值一致，可完成光电信号测量法无法实现的测量，具备二维测量特性。研究表明，该显微标尺桌面型测量系统以较低成本发挥了两种测量方法的优势。
现有台阶仪校准方法为先用微纳米台阶高度标准样板测量示值误差，再用计量型扫描探针显微镜校准微纳米台阶高度标准样板。这一溯源链有标准样板和扫描探针显微镜2个环节，校准过程较为复杂。针对这一问题，研究了一种可直接溯源的台阶仪校准方法。校准平台通过压电陶瓷产生位移，带动台阶仪探针的运动，并通过内嵌激光干涉仪的方法实时测量位移量，达到将台阶仪探针位移结果直接溯源到激光波长的目的，解决现有校准方法复杂的问题。校准范围为0~13 μm，通过实验，可以得到台阶仪的重复性为1.48 nm，示值误差为2.78 nm，线性度为0.067%，验证了该校准平台的准确性，并对校准平台的不确定度进行了分析，其标准不确定度为0.97 nm。
齿轮样板作为齿轮测量中心的常见负载，可以通过影响齿轮测量中心回转系统的角位置误差源而引入角位置误差，从而导致样板测量误差。基于齿轮样板基本特征的分析，提取负载质量、质心位置和转动惯量描述一般齿轮样板负载特征，系统化设计工装与实验模拟齿轮样板在回转系统上的加载状态，并完成回转系统带载角位置误差采集实验；借助快速傅里叶变换进行数据分析，验证了该实验在时域和频域具有良好的重复性；分析对角位置误差影响显著的傅里叶阶次并拟合误差曲线，得到质心位置和负载质量单一特征变化引起的显著阶次拟合误差峰峰值变化在0.1″量级，且显示出一定的规律性。
建立了基于三坐标测量机（CMM）的接触式非球面透镜面形检测系统，对光轴方向与顶点确定、测球误差的模型建立与补偿等进行研究。采用微纳米CMM搭配三维谐振测头实现对非球面透镜的面形检测，为解决检测过程中光轴方向与顶点位置难以准确确定的问题，采用LM算法对光轴方向与顶点位置进行校正；其次，针对接触式检测中的测球球径的影响问题，建立误差修正模型以补偿检测过程中的测球误差。并通过实际检测公称面形误差 RMS为250 nm的非球面透镜面形来验证所提方法的有效性。 实验结果表明：经过光轴方向与顶点校正并补偿测球误差后，非球面透镜面形误差3次重复测量的结果分别为186 nm、184 nm、178 nm，重复性和一致性较好。克服了传统接触式测量方法中光轴方向与顶点难以确定和测球误差影响的问题，有效提高了非球面透镜面形测量的精度。
研制了基于光杠杆法的汽车电池气密性在线检测系统。探索了电池内部压强大小、焊缝处漏气口方向、检测高度等参数与焊缝处压强分布的关系。设计并优化弹性机构参数，建立了检测系统的灵敏度模型，并设计光学检测系统。通过纳米定位台和带有直径75 μm漏气孔的电池，对系统的性能进行测试。实验结果表明：该系统的分辨力为1 μm，当电池内部压强分别为2×105 Pa、3×105 Pa和4×105 Pa时，漏气口引起弹性机构的变化分别为（5.3 ± 0.8）μm、（18.5 ± 1.2）μm、（37.8 ± 1.3）μm，检测时间为10 s。该测量系统具有灵敏度高、成本低且检测效率高的特点，可用于汽车电池气密性的在线检测。
基于中国计量科学研究院的毫米级纳米几何结构样板标准装置，以及一维纳米栅格国家计量比对的100 nm与200 nm传递标准，开展了一维栅格测量方法研究，着重研究了栅格轮廓提取方法和基于重心法的栅格周期评价方法，经不确定度评定传递标准的不确定度小于1 nm。规范了栅格测量方法，有效地减少了测量过程中引入的人为误差，提升国内纳米栅格计量能力以及测量量值与测量结果的准确一致程度。
针对正弦表面粗糙度样板的参数标定，提出了一种模型化测量方法，以多周期总体最小二乘拟合方法给出总体幅度、周期、失真度等总体性指标参量，并进行偏差失真的规律总结分析，以及偏差失真的峰值定位；以单周波正弦最小二乘拟合方法给出局部幅度、周期、失真度等局部指标参量，并以滑动模型方式给出局部指标参量的变化情况，用于均匀度分析和统计特性分析。在正弦表面粗糙度样板上的一组真实实验结果，验证了所述方法的正确性和可行性，可用于正弦表面粗糙度样板的参量定标和质量改进评价。
针对电力通信光缆线路在复杂环境下难以实现弧垂实时精确测量问题，提出了一种基于参数优选的光缆弧垂预测方法。首先，采用倾角-弧垂计算模型拟合光缆弧垂曲线；其次，使用麻雀搜索算法优化的BP神经网络对弧垂误差进行估计以实现非线性修正；最后，结合理论值和修正值实现电力通信光缆弧垂的精确测量。同时，为提升BP神经网络的性能，利用Choquet积分评估环境参数和光缆参数对弧垂的影响，筛选出重要的特征参数作为BP神经网络的输入。实验结果表明：采用所提出方法预测光缆弧垂平均相对误差 在3%以内，大幅提高了预测精度。
为进一步提高转台的测角精度，通过多读数头优化布局对圆光栅测角误差辨识技术进行了研究。首先，对圆光栅测角误差进行了分析，建立了圆光栅测角误差数学表达模型；其次，分析了基于等分平均法及傅里叶法的圆光栅测角误差自校准辨识方法，构建了基于傅里叶法的多读数头误差辨识模型，提出了基于双读数头及3读数头优化布局的自校准方案；最后，进行了圆光栅误差辨识实验，搭建了多组读数头布局的实验平台，并进行了误差读数头自校准实验。实验结果表明双读数头傅里叶法和3读数头傅里叶法误差标定结果均为-2.7″~0.5″，误差差值范围为0″~0.015″，其中主要包含6阶傅里叶分量，3读数头傅里叶法能够辨识除40n阶以外的误差分量，误差辨识效果优于6读数头均匀分布傅里叶法。
对高能同步辐射光源储存环光子吸收器的轮廓度误差评定方法进行了研究，选取一种合适的数据配准方法来实现轮廓度误差的高精度求解。利用采样点归一化方法和模型匹配方法，对56个光子吸收器在三坐标测量机下的实测数据进行处理，实现设计基准与测量基准的统一，消除位置误差，得到轮廓度误差e p值，并对2种方法的可靠性进行了分析。结果表明模型匹配方法的轮廓度误差评定精度明显优于采样点归一化方法，且吸收器加工精度越差，2种方法下的轮廓度值差距越大；当吸收器加工精度较高时，即实测和理论点集间拟合偏差在0.1 mm之内，2种方法下的轮廓度值差值在0.02 mm之内。
环锻件的外部尺寸是保障其加工质量的关键因素。然而，三维激光扫描仪生成的环锻件点云模型存在数据量大、点云网格质量较低的问题，这可能导致环锻件在加工过程中出现形状与尺寸误差。为解决这一问题，提出一种基于Calabi流参数化和改进二次误差度量（quadric error metrics，QEM）的网格简化算法，该算法利用Calabi流参数化的保角保形特点，将三维模型映射到二维平面，获得点云的参数化坐标，并利用参数化坐标拓展顶点维度，改进QEM算法，实现了点云模型的简化。通过实验验证，在简化率为50%、75%和98%的情况下，所提算法仍能够有效保留高曲率区域的细节特征，且简化后的点云模型能够保持良好的边界特征。精度实验中，当简化比率达到98%时，测量尺寸误差的最大值为0.4 mm，能够满足工业制造的精度要求。
使用常规切片法进行三维点云体积测量时，点云投影至切平面的高度（切层厚度）固定会导致体积测量结果不准确。因此提出一种基于自适应切层厚度的非封闭三维体积测量方法。首先通过Ransac平面拟合将三维点云从相机坐标系转换为世界坐标系，确定切片位置后，通过迭代内边界法，搜索初始切层厚度下的切片点云内边界并计算其面积。随后引入面积比值作为自适应阈值条件，对切层厚度线性梯度增长，得到此处切片的最大切层厚度与最终内边界面积，实现切层厚度的自适应。最后累加各切片间台体体积得到非封闭三维点云总体积。采用2种类别的13组数据对比所提算法与基线算法的体积测量准确度，结果表明所提算法的测量准确度优于基线算法，相对误差最低为0.09%，最高为1.73%。
点云配准是三维建模工作中至关重要的一环。传统的正态分布变换（NDT）和迭代最近点（ICP）结合的配准算法对点云初始位姿要求严格且精度不足。为提高接触网腕臂三维建模的效率与准确度，提出了一种融合Harris特征与NDT-ICP的点云配准算法。该方法利用Harris特征点的尺度不变性和旋转不变性来优化点云数据结构并加快配准速度，并通过计算关键点间的距离信息，基于位置相似性建立关键点对对应关系，进一步提升配准精度。与传统NDT-ICP算法相比，新方法的配准精度提高了近99.98%，配准效率提高了近53.79%。
为实现对光电挠度仪的动态校准以确保动挠度测量的准确性，研究了一种基于显示器的非接触式动态校准方法。分析了通过显示器生成动态光斑替代传统使用LED作为光电挠度仪靶标并模拟动态位移的适用性，阐述了校准装置的结构组成、校准方法和原理。在此基础上开展了实验，从动挠度测量的最大值、振动频率以及X方向与Y方向挠度之间的映射关系对测量结果进行分析。实验结果表明，在10 m位置处光电挠度仪测量的最大挠度与标准最大挠度的相对误差最大不超过3%；在50 m位置处光电挠度仪测量的最大挠度与标准最大挠度的相对误差最大不超过4%。经傅里叶变换分析，测得的最大幅度对应的频率与实际振动频率一致，使用该方法可准确方便地实现对光电挠度仪的动态校准。
为了定量分析高斯光-单模光纤耦合效率的影响因素，基于高斯光束和单模光纤的耦合原理设计了一套光纤耦合光学系统方案。通过理论推导得到了单模光纤耦合效率的数学表达式，利用ZEMAX光学设计软件对所设计的光学耦合系统方案进行了详细的仿真分析，定量评估了透镜焦距、光束与透镜间的夹角、以及光纤端面与透镜焦点间的相对位置偏差等关键参数对耦合效率的影响。实验验证了仿真数据的准确性，在透镜理想焦距为11 mm的条件下，在理想焦距的0.28至1.67倍变化范围内，光纤耦合效率能够保持在一个较优的水平。角度误差对耦合效率的影响极为显著，轴向误差的容忍度比径向误差大一个数量级，为高斯光束与单模光纤耦合效率的优化提供了理论依据和实验支持。
为提高标准渐开线齿廓的拟合精度，提出一种基于最小二乘法的单圆弧最佳拟合方法。以标准渐开线二维方程为基础，推导出以拟合圆正交距离和渐开线正交距离2种表征拟合偏差的表达式，并提出无约束平方和最小准则与波峰波谷近似相等平方和最小准则2种判定方法。实验中将3点快速拟合法、无约束平方和最小拟合法及波峰波谷近似相等平方和最小拟合法进行对比发现：3点快速拟合法峰峰值23.0 µm，拟合精度较低；无约束平方和最小准则拟合法峰峰值为19.9 µm，拟合精度有所提升；波峰波谷近似相等平方和最小准则拟合法最优，峰峰值18.3 µm，且正负偏差分布最为均衡，适用于高精度且需控制偏差一致性的场景。
针对传统深度卷积生成对抗网络（DCGAN）在生成钢材表面缺陷图像中存在质量差和网络训练不稳定等问题，提出了一种改进DCGAN的钢材表面缺陷图像数据增强模型。首先，将残差模块和自注意力机制添加到DCGAN网络中，提高网络对缺陷图像的特征提取能力；其次，引入谱归一化和带梯度惩罚项的Wasserstein距离损失函数，提高网络训练的稳定性；最后，将所提模型在NEU-DET数据集上进行试验。试验结果表明，所提出的模型能够稳定地生成质量较高的钢材表面缺陷图像，相较于原始DCGAN网络，该模型生成图像在AlexNet网络上识别准确率提高了6.8%，FID值降低了61.3%，IS值提高了20.8%，且质量优于GAN、DCGAN、CGAN和WGAN四种主流模型所生成的图像，能够作为一种有效的策略解决钢材表面缺陷图像小样本问题。
针对交通标志的图像背景较复杂和小目标占比较大的问题，提出了一种基于MOMP-YOLOv8的交通标志检测改进算法。首先，在颈部网络引入混合局部通道注意力模块，其通过结合使用局部信息和全局信息以提高网络检测精度，增强特征提取网络的表达能力；其次，在主干网络使用全维动态卷积，以提升模型的目标特征提取能力；然后，提出一种多层次的自适应空间特征融合检测头，其在检测层增加一个160 160的小目标检测头来提高对小目标的检测能力；最后，通过使用PIoU改进损失函数，进一步提升模型收敛速度与检测性能。在中国交通标志检测数据集CCTSDB 2021进行实验验证，结果表明，改进算法相较于基线 YOLOv8n 算法检测精确率、召回率、mAP 值分别领先了 0.9%、1.8%和1.4%，总体检测性能优于其他主流目标检测算法。
数据的获取和应用是数字化转型的基础，深入探讨了从齿轮测量报告图像文件中提取测量数据所面临的挑战。此类文件数据无法直接编辑和复制，只能人工识别和记录，效率低且易出错，难以满足数据可访问、可互操作和可重用的要求。基于人工智能技术，提出了GearOCR数据识别提取模型，通过优化前处理、数据集扩充、网络模型和校验规则，将封闭式图像中的齿轮测量数据内容提取为机器可读取的数据。经过对50份数据报告进行测试，GearOCR模型总体识别准确率达到100%，显著提高了数据提取的效率和准确性，为后续大数据的机器交互和应用提供技术支撑。
