针对目前在检测商用砂石骨料的过程中,人工检测的效率低下且受到主观因素的影响较大以及检测的准确率不理想,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的砂石骨料图像分类模型CNN13,该分类模型参考经典卷积神经网络VGG16(Visual Geometry Group 16)模型进行网络结构的改进和参数优化,利用TensorFlow深度学习框架搭建一个13层的卷积神经网络结构。实验数据集采集于某商用混凝土生产企业日常生产中的砂石骨料,共5000幅数字图像,模型在训练过程中采用GPU进行高速计算。相比于VGG16模型,CNN13模型的卷积层和参数量较少,对GPU内存的要求更低,训练速度更快,分类的准确率更高,每个等级的砂石骨料的分类准确率都达到99%以上。

提出并通过实验验证了一种新颖的带内光信噪比(OSNR)监测技术，该技术利用商用的大带宽可调谐光带通滤波器进行采样，将得到的光功率测量值作为高斯过程回归(GPR)的输入特征值，能够准确地估计出大动态范围OSNR 值，并且不受光链路的配置影响，具有分布式低成本的特点。针对32 Gbaud PDM-16QAM 信号的实验结果表明，在-1dB~30 dB 的大OSNR 范围内，光信噪比监测的均方根误差(RMSE)为0.429 dB，平均绝对误差(MAE)为0.294 dB。此外，本文提出的技术被证明对色散、偏振模色散、非线性效应和级联滤波效应(CFE)均不敏感。实验表明，本文提出的技术有潜力被用于在传输信息未知的情况下对中间节点实施链路监控，且由于不需要校准而更易于操作。

传输质量(QoT)预测在光网络中日趋重要, 机器学习成为今后实现光网络中QoT预测的重要手段。提出一种基于机器学习分类器的QoT预测技术。通过传输方程生成所需的数据, 用于之后的分类器训练和性能测试, 并仿真验证了K最近邻(KNN)、逻辑回归(LR)和支持向量机 (SVM)这3种常用的分类器的性能。仿真结果表明: 相较于传统的QoT估计方法, 基于机器学习的方法在有效地降低计算复杂度的前提下, 还能提供相当高的预测精度, 是一种具有广阔应用前景的QoT估计新方案。

以聚十二内酰胺(PA12)和羟基磷灰石(HA)为实验材料,采用选择性激光烧结(SLS)技术成形具有优良力学性能的PA12/HA复合材料多孔支架。首先,利用响应面法得到最佳的工艺参数组合,并运用该参数组合成形PA12/HA复合材料多孔支架;然后,在L9(3 4)正交实验的基础上,研究了孔型、孔隙率和HA比例三因素对多孔支架力学性能的影响。结果表明:SLS最优工艺参数组合为激光功率27.5 W、扫描间距0.12 mm、扫描速率1500 mm/s;不同因素对PA12/HA多孔支架压缩强度的影响程度由大到小依次为孔隙率、孔型和HA比例;当孔隙率为60%、孔型为圆形、HA比例为15%时,压缩强度最大,为8.04 MPa;当孔隙率为80%、孔型为方形、HA比例为15%时,压缩强度最小,仅为0.26 MPa。

以聚苯乙烯粉末为实验材料,以尺寸精度作为评价指标,研究了激光功率、扫描间距、单层厚度、扫描速度及它们的交互作用对选择性激光烧结制件成型精度的影响,通过响应面法建立了工艺参数与尺寸精度之间的数学模型,得出了最优的工艺参数。研究结果表明,尺寸偏差率随激光功率与扫描速度的增大而减小,随单层厚度的增大先增大后减小,随扫描间距的增大而增大;激光功率和单层厚度及扫描间距和单层厚度的交互作用对尺寸偏差率影响较显著;响应面预测值与实际值最大误差低于7%。

设计了采用新型曲线阴极结构的W波段双阳极磁控注入电子枪,手动优化得到的电子注参数在速度比1.1时,纵向速度零散为1.84%.为了克服手动优化方法的繁琐和低效,引入了数值计算方法的优化策略,编制了基于MATLAB语言的遗传算法和模拟退火算法的优化程序,并结合二维电子光学软件EGUN对该W波段曲线阴极结构电子枪进行优化,优化得到的电子枪在保证电子注速度比1.1的情况下,纵向速度零散分别达到了0.81%和105%. 与手动优化方法相比,数值优化方法不需要设计者干预优化过程,具有自动高效的特点,且优化结果更好.

基于机器视觉的加工控制过程中，对工件上待加工点的定位是关键，其难点在于构建一种形状描述方法，既要能实现形状匹配，又要能完成定位，且满足加工过程中的精度和实时性要求。为解决上述问题，提出了一种基于多边形拟合的形状匹配和定位算法。该方法针对平面二维(2D)轮廓，通过对轮廓进行多边形拟合，获取轮廓上关键点，然后构建形状描述子用于形状匹配，再利用这些关键点坐标进行定位计算，获得模板轮廓到目标轮廓的变换关系。结果表明，通过运用所提出的旋转不变性形状描述算法，可获得高精度、高实时性的形状匹配和定位算法。

数字散斑相关方法有着测量环境简单、全场非接触等优点, 但算法效率一直是限制其发展的瓶颈之一。GPU有着天然的并行性, GPU高性能运算可以为计算机图形处理带来极大的效率提升。利用CUDA平台编程对传统的数字散斑逐点搜索算法、十字搜索算法及遗传算法进行GPU高性能并行处理, 并与传统方法比较分析。实验结果表明, 对于尺寸为150×150像素的散斑图像, 3种方法效率分别提升了20倍、8倍、31倍; 对于尺寸为500×500像素的散斑图像, 3种方法效率分别提升了183倍、33倍、44倍; 对于尺寸为1 000×1 000像素的散斑图像,3种方法效率分别提升了424倍、116倍、44倍。

针对目前经编布花边切割传统手工加工方式的效率低下和产品质量不稳定的问题，提出了一种基于特征识别的经编布花边实时识别算法，此方法对图片进行自适应阈值处理，直线特征提取，图像分割，干扰轮廓去除，最终能够准确识别经编布的花边形状特征和精确位置，并且可以在复杂的工厂光照环境中保证识别的稳定性，并且通过对算法优化，大幅提高计算效率，可以满足实时性的要求，基于此算法开发的经编布花边视觉自动切割系统可以大幅的提高生产效率，提高产品质量。

轧辊激光毛化技术作为一种最新的轧辊毛化方法，具有广泛的应用前景。但由于加工方法的限制，目前的激光毛化技术产生的轧辊表面毛化点分布成一个周期性各向异性的分布，导致最后轧制的毛化冷轧薄钢板效果不理想。提出了一种可以产生随机频率随机能量激光的光纤激光控制方法，此方法通过一个高效的随机数算法产生一个随机频率和随机占空比的脉冲宽度调制信号控制激光器输出特定波形的激光进行毛化加工，能够使得毛化轧辊表面产生随机无序分布的毛化花纹，最终轧制的毛化冷轧薄钢板能够满足表面各向同性亚光的要求，并且还能够提高加工效率，基于该方法的毛化加工设备已在实际生产中得到应用并且取得良好效果。