针对现有点云多要素分割算法分割面状点集时分割精度低、分割块合并效果差等问题,提出了一种改进的多规则区域生长算法。一方面,计算点云数据的平面拟合残差,基于平面拟合残差设置种子点条件,对面状点集分割进行优化,以此提升面状要素分割的精度;另一方面,在距离条件的基础上,结合相似性和体积变化条件对合并策略进行改进,以实现分割块的有效合并;此外,利用中位数、Baarda数据探测法和k均值聚类分别对算法中涉及的阈值参数进行自适应设置。采用三种不同类型的点云数据进行实验,结果表明:改进算法能够提升面状点集的分割精度,提高了分割块合并的准确性;与其他算法相比,改进算法能够同时兼顾精度和效率,分割结果更具优势。

针对目前机电设备测试性验证试验中,因样本分配不合理导致试验结论置信度低的问题,通过分析影响试验结论置信度的4个关键因素即故障模式数、故障率、故障扩散强度总和与危害度,提出了基于多因子的样本分配方案。方案依据多因子综合相对比值,得出各UUT所分配的样本量,达到优化样本结构,提高样本集代表性的目的。对单步故障扩散算法进行了改进,改进后的算法可以更有效地计算故障扩散强度,并以某机电设备稳定跟踪平台为例进行了样本分配,比较分析抽样结果证明,应用该方案得到的样本结构更加合理,可以使试验结论有较好的置信度。

激光诱导击穿光谱（LIBS）为多元素同时分析提供了一种简单、快速的分析工具。对LIBS多元素同时分析时实验参数优化，提出了一个“综合信背比(ISBR)”的优化目标函数。基于二次回归正交设计(QROD)构建了激光脉冲能量、检测延时、样品距透镜距离、积分时间这些因素对目标函数影响的多因素模型。结果表明，目标函数可以顾及多条谱线性能，为多元素同时分析提供参数优化的依据。利用QROD方法建立多因素模型，可以获得比单因素逐个优化更优的实验条件，并大大减少了实验次数。