We investigated the relationship between chromophore concentrations in two-layered scattering media and the apparent chromophore concentrations measured with broadband optical spectroscopy in conjunction with commonly used homogeneous medium inverse models. We used diffusion theory to generate optical data from a two-layered distribution of relevant tissue absorbers, namely, oxyhemoglobin, deoxyhemoglobin, water, and lipids, with a top-layer thickness in the range 1–15 mm. The generated data consisted of broadband continuous-wave (CW) diffuse reflectance in the wavelength range 650–1024 nm, and frequency-domain (FD) diffuse reflectance at 690 and 830 nm; two source-detector distances of 25 and 35mm were used to simulate a dual-slope technique. The data were inverted using diffusion theory for a semi-infinite homogeneous medium to generate reduced scattering coe±cients at 690 and 830nm (from FD data) and effective absorption spectra in the range 650–1024nm (from CW data). The absorption spectra were then converted into effective total concentration and oxygen saturation of hemoglobin, as well as water and lipid concentrations. For absolute values, it was found that the effective hemoglobin parameters are typically representative of the bottom layer, whereas water and lipid represent some average of the respective concentrations in the two layers. For concentration changes, lipid showed a significant cross-talk with other absorber concentrations, thus indicating that lipid dynamics obtained in these conditions may not be reliable. These systematic simulations of broadband spectroscopy of two-layered media provide guidance on how to interpret effective optical properties measured with similar instrumental setups under the assumption of medium homogeneity.

纳米级精度微位移驱动与控制通常使用压电陶瓷驱动器驱动柔性机构来实现。但是压电陶瓷驱动器行程较小，需要使用柔性放大机构对其位移进行放大，并且压电陶瓷驱动器存在蠕变和迟滞等非线性特性，而这些非线性特性极大影响了其输出位移经放大机构放大后的运动精度。针对以上两点，将传统桥式机构的4条桥臂用Scott-Russell机构代替，设计了一种新型柔性放大机构。同时,采用基于动力学逆模型前馈控制与PID反馈控制相结合的复合控制策略，提升放大机构的控制带宽和运动精度。实验结果表明，复合控制策略在1 Hz输入频率下的均方根跟踪误差相较传统PID反馈控制降低了33%，在10 Hz下降低了73%，说明了基于动力学逆模型前馈控制同PID反馈控制相结合的复合控制能够大幅度提高放大机构的跟踪精度。

压电陶瓷驱动的快速反射镜具有优良的动态性能, 能够满足高精度定位的任务需求, 但其固有的迟滞特性严重影响了其性能的进一步提高。基于PLAY算子的迟滞数学模型具有结构简单、便于数学求解、模型精度较高的优点, 但模型参数需要通过系统辨识得到, 并且其逆模型参数辨识存在物理量不易获得、误差较大的不利条件。利用几何法, 提出了一种求解PI逆模型参数的算法。实验证明该算法动态性能好、模型精度较高, 同时基于该算法的PI逆模型前馈控制较好地解决了压电陶瓷驱动的快反镜迟滞效应补偿问题。

生物柴油光学常数在其成分的定量定性分析、与柴油的混合水平判断以及辐射吸热机理研究等方面具有重要应用。基于射线踪迹法推导得到光学玻璃-生物柴油-光学玻璃三层平板结构的双光程法透射率模型，实验测量了300~2500 nm 波段内生物柴油光学常数随温度的变化规律。实验结果表明，在20 ℃~60 ℃温度范围内，生物柴油折射率随温度的升高而线性减小，吸收指数受温度影响较弱；吸收光谱在1200、1390、1750、2150 和2300 nm 处出现明显的吸收峰，其形成原因主要为C—H 键的倍频以及各原子团伸缩振动的和频作用；生物柴油吸收峰与普通植物油吸收峰的峰值位置基本相同，但数值大小有所区别。

针对超磁致伸缩驱动器(GMA)存在复杂的磁滞非线性易降低系统性能,导致系统不稳定的问题,建立了可以精确描述磁滞现象的模型并提出了合适的驱动控制方法。首先,基于Prandtl-Ishlinskii(PI)模型对GMA磁滞建模, 并采用最小均方法(LMS)进行模型参数辨识, 模型预测误差为0.037 9 μm。接着, 通过对PI模型解析求逆进行实时补偿控制, 从而有效减小磁滞误差, 补偿控制误差为0.309 μm。实验结果证明, PI模型可以精确描述GMA磁滞现象, 且具有计算简单, 磁滞跟踪能力强的优点。基于该模型的实时磁滞补偿控制方法可以有效减小磁滞误差, 提高GMA实时驱动定位控制精度, 是实现GMA精密驱动控制的一种有效方法。

为了提高精密定位系统中压电陶瓷的控制精度, 研究了压电执行器的动态模型及逆模型。根据Weierstrass第一逼近定理, 提出了以多项式函数逼近Duhem模型中的分段连续函数f(·)和g(·), 并应用递推最小二乘算法辨识Duhem模型的参数α 及f(·)和g(·)的多项式系数, 建立了压电陶瓷执行器的非线性参数化动态模型。利用辨识结果建立压电陶瓷执行器的动态逆模型, 避免对压电陶瓷执行器进行复杂的模型求逆; 介绍了通过逆补偿和PID复合控制对压电陶瓷系统进行的控制。实验结果表明: 仅通过逆补偿, 可在0~200 μm使得控制绝对误差小于0.8 μm; 在前馈逆补偿和PID环控制下, 绝对误差可小于40 nm, 结果验证了算法的有效性。该算法结构简单, 适应性强, 便于工程实现。

考虑基于传统的介电常数法动态测量原油含水率时存在多变量交叉敏感性, 检测精度无法满足石油生产实时优化控制的需要, 研究了利用多传感技术对存在交叉耦合的多敏感参量进行测量, 提出了一种基于多维数据驱动的遗传优化小波神经网络逆模型及其辨识方法。该模型克服了传统神经网络初始参数随机选取的盲目性, 具有全局优化和复杂非线性自学习性能, 摒弃了多影响因素之间的交叉敏感性。仿真和实验结果表明了该模型的有效性, 其模型预测值与实验标定值之间的相关系数为0.999 6, 优于BP-NN模型。该方法具有较强的泛化能力和鲁棒性, 有效抑制了温度、矿化度等多参量交叉敏感性及传感器自身非线性对测量精度的影响, 改善了多传感器系统的非线性动态特性和检测精度。

为了补偿影响压电陶瓷执行器纳米定位系统精度的迟滞非线性，提高系统的控制精度，开展了基于压电陶瓷执行器的迟滞非线性逆模型的研究。兼顾到迟滞的擦除特性和建模的精确度，提出了一种Preisach逆模型分类排序法的神经网络实现方法，用神经网络取代了传统的反查值方法，以避免插值误差。建立三层BP神经网络，运用实测数据进行训练，确定各层权值；然后，结合排序得到的电压和位移极值信息，通过神经网络方法拟合出较精确的输入电压值。运用若干组实验数据检验了此逆模型的有效性，结果表明，该神经网络的实现方法将逆模型的平均误差降低到了1.5 V以下，最大误差绝对值降低到了2.7 V以下。与反查值方法相比，神经网络实现方法有效提高了压电陶瓷执行器纳米定位系统的迟滞逆模型的精度。

提出了基于内积的压电陶瓷动态神经网络非线性、非光滑迟滞逆模型,采用反馈误差学习方法,快速地在线得到压电陶瓷的逆模型,避免了通过正模型求取压电陶瓷的Jacobian信息。结合PID反馈控制,在dSPACE系统平台上实现了压电陶瓷的神经网络自适应逆控制。为提高实时性,采用了效率高、速度快的C-MEX S Function编程。实验结果表明:神经网络自适应逆控制的控制精度为0.13μm,而PID控制精度为0.32μm。所提出方法有效地消除了迟滞的影响,控制精度高。