为了提高GMM-FBG电流传感器的电流响应灵敏度, 设计了一种新型杠杆式GMM-FBG光纤电流传感器。应用杠杆原理, 使布拉格光纤光栅受力增大, 从而提高GMM-FBG电流传感器的灵敏度。构建了传感器的理论模型, 对传感器性能进行了分析; 采用COMSOL有限元数值分析法, 建立了传感器三维模型, 针对传感器的关键参数进行仿真优化。仿真结果表明, 当设计传感器中GMM是半径为1mm, 高度为26mm的圆柱, 不锈钢条的尺寸为32mm×1.4mm×2mm时, 在0~100A输入电流范围内, 线性度为0.999, 灵敏度0.0406nm/A; 当FBG解调仪的分辨率为1.64pm时, 传感器最小可测的电流为0.04 A。

为了实现激光投影仪器或系统的自动聚焦, 研究搭建了激光动态聚焦系统。该系统可依据背向反射光强信号的变化调节聚焦系统的镜组间距, 使激光扫描投影系统能够在不同距离的投影面上聚焦出最小光斑, 从而提高系统的定位精度。根据激光动态自聚焦系统的原理, 设计了光学杠杆型和反远距型2种动态自聚焦方案, 并推导出相应的数学模型; 利用ZEMAX光学设计软件进行仿真实验, 通过比较得出响应更加灵敏、结构更加合理的自聚焦系统; 搭建新型自聚焦激光扫描投影系统对动态自聚焦性能进行了验证。实验结果表明: 反远距型动态自聚焦系统更加合理, 在4.5 m处的投影面上, 汇聚光斑直径最优可达0.2 mm, 可使激光扫描投影仪在进行辅助装配时的定位准确度提高至0.1 mm, 能够达到先进制造装配工程中零部件的精准定位要求。

校正样本选择以及奇异样本剔除对于近红外光谱定量和定性建模非常重要.现有的识别奇异样本的方法一般都基于数据重心估计,需要一个经验的判断阈值,在很大程度上限制了其识别准确性和实用性.针对现有方法奇异样本识别准确率低的问题,改进了一种现有度量尺度-杠杆值,构造出一种新的基于强影响度的奇异样本识别算法.这种度量尺度在一定程度上减少了对数据重心的依赖,使正常样本更加聚集,拉开了奇异样本与正常样本的距离;同时,为了避免人工根据经验设定阈值的不合理性,引入统计学领域中跳跃度的概念,提出了一种自动阈值设定方法判别奇异样本.为了验证该算法的有效性,利用马氏距离、杠杆值-光谱残差法与该算法分别对200个代表性校正集样本中的异常样品进行剔除,然后通过偏最小二乘法(PLS)对剩余的校正集样本(以烟碱为指标)定量建模,并对60个代表性测试集样本进行预测,以交互验证均方根误差(RMSECV)、相关系数(r)和预测均方根误差(RMSEP)为评价指标比较各算法的优劣.实验对比结果表明,基于强影响度的奇异样本识别算法较现有方法明显提高了奇异样本识别的准确率,具有较低的RMSECV(0.104),RMSEP(0.112)以及较高的R(0.983),提高了模型的稳定性和预测能力。