针对高精度星敏感器在地面标定实验中与测试设备准确对接的实际要求, 设计一种纳米级星敏感器标定用五维微调整机构.详细分析了光轴对准误差对敏感器测试的影响.为保证对接精确性, 提出了搭积型调整架机械结构的设计思想; 论述了二维平移和三维调整模块的设计方案; 对调整机构进行了仿真建模和力学分析.对设计的微调整机构进行验证性实验, 结果表明: 位移分辨力可以达到25 nm, 角度分辨力可以达到0.1角秒, 且稳定性高.设计的微调整机构可以满足星敏感器与测试设备准确对接的技术指标要求, 确保了星敏感器定标结果的可信度.

针对二维位移测量系统中光栅制作与装配非理想所引起的几何误差, 基于多普勒频移理论和坐标变换方法, 建立了同时包含光栅非正交角与装配角在内的通用几何误差模型, 定量研究了各误差角对系统性能的影响程度, 仿真分析了X与Y方向余弦误差和耦合误差随误差参数的变化规律。结果表明, 光栅制作和装配误差与系统所用衍射级次、衍射次数和光学细分倍数无关, 只与各误差角和被测位移有关。与此同时, 四个误差角都会导致余弦误差的产生, 而耦合误差则主要受光栅非正交角和偏航角的影响。此外, 相同误差角所引起的耦合误差要明显严重于余弦误差, 是系统几何误差的主要构成成分。通过搭建基于二维交叉光栅的平面位移测量系统, 利用10 mm方形运动轨迹实验验证了理论分析与数值仿真的正确性。

由于高光谱数据量大、 维数高, 光谱噪声明显、 散射严重等特征导致光谱建模时关键变量提取较为困难, 同时, 高光谱图像的获取会受非单色光、 杂散光、 温度等多种因素的影响, 从而使高光谱数据与待测性质之间有一定非线性关系。 为此, 提出采用正自适应加权算法(CARS)对可见-近红外高光谱高维数据进行关键变量筛选, 并与全光谱和经典变量提取方法SPA, MC-UVE, GA和GA-SPA方法进行比较。 以200个库尔勒香梨为研究对象, 采用SPXY方法将样本划分为校正集和预测集, 校正集和预测集分别包含150个和50个样本。 基于不同方法筛选的变量, 分别建立线性PLS模型及非线性LS-SVM模型, r2, RMSEP和RPD用于模型性能的评估。 综合比较发现, GA, GA-SPA和CARS变量筛选方法能够有效地筛选出原始高光谱数据中具有强信息且对外界影响因素不敏感的变量, 适用于高光谱数据关键变量的提取, 其中CARS变量筛选效果最佳, 基于CARS获取的关键变量构建的非线性LS-SVM库尔勒香梨SSC含量预测模型获得了最优的预测结果, r2pre, RMSEP和RPD分别为0.851 2, 0.291 3和2.592 4。 研究表明, CARS方法是一种有效的高光谱关键变量筛选方法, 利用高光谱数据, 非线性LS-SVM模型比线性PLS模型更适合于香梨品质的定量预测。