焊缝跟踪是实现自动化焊接的关键，针对激光焊接下的近无间隙焊缝轨迹，提出了基于线阵相机和特征识别算法的焊缝追踪方法。通过线阵相机获取工件表面图像，使用均值滤波对图像进行降噪处理。通过分析图像的灰度值、图像灰度值变化、图像的灰度值梯度、焊缝区域宽度识别焊缝轨迹，实现了无间隙焊缝的识别和跟踪。通过焊接试验测试得到基于线阵相机的焊缝识别方法误差小于0.05 mm。通过对不同间隙的焊缝进行焊缝追踪试验证明了该方法对于间隙小于0.3 mm的焊缝具有良好的识别效果。

利用简易的“一锅法”制备了正丁硫醇修饰的MoS2纳米片(MoS2-C4), 并对其结构、组分、形貌及电双稳性能进行了研究。正丁硫醇在反应过程中既作为硫源, 又作为表面活性剂。X射线衍射(XRD)测试表明制备的样品为六方晶系的MoS2。从透射电镜(TEM)和原子力显微镜(AFM)可以看出样品的形貌为片状, 较大的纳米片是由较小的纳米片自组装而成。测试了样品的吸收光谱, 由吸收峰的位置证明了合成的样品为2H-MoS2纳米片。利用旋涂法将所制备的纳米片与聚乙烯基咔唑(PVK)的混合物制备了电双稳器件, 通过电流-电压(I-V)测试证明了该器件具有很好的电双稳性能。

特征提取和分类是太赫兹光谱识别的关键。 部分物质在太赫兹波段内没有明显的吸收峰, 难以人工定义、 提取特征及分类识别, 为此, 结合深度信念网络(deep belief network, DBN)和K-Nearest Neighbors (KNN)分类器的优点, 提出了一种基于DBN的太赫兹光谱识别方法。 首先利用S-G滤波和三次样条插值对ATP, acetylcholine_bromide, bifenthrin, buprofezin, carbazole, bleomycin, buckminster和cylotriphosphazene在0.9～6 THz内的太赫兹透射光谱进行归一化处理; 然后由两层受限波尔兹曼机(restricted Boltzmann machine, RBM)构建DBN模型, 并采用逐层无监督的方法训练模型, 以自动提取太赫兹光谱特征; 最后用KNN分类器对8种物质的太赫兹透射光谱进行分类。 结果表明, 使用DBN自动提取的光谱特征, KNN分类器、 BP神经网络、 SOM神经网络和RBF神经网络的分类准确率达到了90%以上, 且KNN分类器的识别率优于其他三种分类器; 采用DBN自动提取物质的太赫兹光谱特征大大减少了工作量, 在海量光谱数据识别中具有广阔的应用前景。

物质的太赫兹光谱包含着非常丰富的物理和化学信息.它对化合物晶体具有高的灵敏度、单光子能量低等特点.但受到检测人员知识背景、背景噪声、识别算法精度等因素的影响,光谱样本识别准确率和效率较低.为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的support vector machines(SVM)对化合物的THz脉冲透射谱进行分类.在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、波谷位置特征和term frequency-inverse document frequency(TF-IDF) 最大间隔特征.TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征.针对太赫兹透射谱特征相似、维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型.并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数.当最优凸组合参数被确定时,构建分类模型进行分类和预测.相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来.对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度.使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高.