通过测量板状材料中Lamb波的频散曲线可以反演出材料的特性参数，因而这种方法在材料表征、评价和无损检测等领域具有广阔的应用前景。基于移动激光源法测量了薄板中Lamb波的频散曲线，通过高速转镜使聚焦的激光线源在样品表面以与相应Lamb波模式匹配的速度移动，当激光移动速度与Lamb波相速度一致时，可以以较高的效率激发出此Lamb波模式。通过改变转镜的转速，即改变激光线源的移动速度，记录不同移动速度下所激发的Lamb波频谱，可以得到Lamb波的频散曲线。在此基础上，结合粒子群优化算法反演了铝板以及聚苯乙烯板中的纵波波速与横波波速。在仿真中，开展了不同模式和频厚积处频散特性对材料参数的敏感度分析，并比较了不同噪声水平下以及不同模态频散数据选取所对应的拟合效果，讨论了2500~4000 m/s相速度区间基于频散曲线的反演敏感度问题。最终基于移动激光源实验中所提取的铝板中Lamb波的频散数据进行参数反演，结果显示，纵波声速和横波声速的反演误差均小于1.5%，证明了该方案的有效性。

针对脉搏波信号采集过程中存在噪声的问题，提出了基于改进互补集成经验模态分解的脉搏波去噪算法。利用光纤布拉格光栅传感器获取脉搏波信号，首先在互补集成经验模态分解算法中加入高斯白噪声，然后利用粒子群算法优化高斯白噪声幅值，以此来消除互补集成经验模态算法分解产生的模态混叠现象，并联合小波阈值函数对其处理后的脉搏波信号进行重构。实验结果表明，所提算法能够有效降低脉搏波信号中的噪声干扰，在信噪比、均方误差两个指标上均优于对比算法，为提取脉搏波的时域特征奠定了基础。

减速型有限能量Airy脉冲振荡拖尾形状和频谱受多个参数的影响，分别分析减速型有限能量Airy脉冲峰值功率、脉冲宽度、初始啁啾、截断系数和分布因子变化对异常波产生以及超连续谱的相干性和稳定性的影响。研究结果表明，减速型有限能量Airy脉冲参数变化能够对超连续谱中异常波起到调控作用并影响超连续谱的相干性和稳定性。此外，利用多目标粒子群算法对5个脉冲参数同时进行优化，将500次模拟输出孤子峰值功率平均值两倍作为判断异常波产生的标准，将产生异常波的个数及500次模拟输出孤子峰值功率分布作为优化目标，得到减速型有限能量Airy脉冲促进或抑制异常波产生的最佳脉冲参数，实现超连续谱中异常波的可控产生。

离轴三反光学系统多采用长条形反射镜，为尽可能提高反射镜面形精度，其支撑结构形式多为柔性支撑；为了在保证结构力学性能的基础上满足轻量化的需求，支撑亦多采用壳体点阵结构。本文基于尺寸优化技术，建立了长条形反射镜的参数化有限元模型以及双轴圆弧切口柔性铰链支撑的多参数优化模型，分别应用可行方向法及自适应响应面优化算法得到了质量约束下刚度最优的反射镜面板、筋板厚度参数以及刚度约束下镜面面形最优的柔铰支撑几何尺寸参数，并应用参数试验方法对该柔性支撑安装角度及安装轴向位置进行了独立变量的影响分析。对于背板的设计，本文提出了一种基于点云三维重建的点阵结构设计仿真优化方法，采用贪婪三角化投影算法对点阵结构包络生成的点云进行网格重构，保证了点阵结构模型的连续性与真实性。经过仿真验证，优化参数下重力、温度、强迫位移各工况下反射镜综合面形误差（0.018λ）和装调方向重力下刚体位移（0.007 mm）均达到最优。表明基于点云三维重建的点阵结构设计仿真优化方法合理可行，可推广应用于类似结构形式的反射镜支撑。

在激光供能无人机中, 激光跟瞄无人机光伏电池板的方法成为关注热点之一。针对激光跟瞄无人机存在跟踪偏差大的问题, 提出基于改进蝴蝶优化的粒子滤波算法。首先在蝴蝶优化算法初始化阶段引入对立学习策略, 改善算法寻优性能; 其次将蝴蝶优化算法位置更新公式进行优化, 提升算法寻优速度; 最后将引入蝴蝶优化算法的粒子滤波算法应用于激光供能无人机的跟瞄中, 实现激光对无人机光伏电池板的最优跟踪。MATLAB结果表明, 基于改进蝴蝶优化的粒子滤波算法在激光跟瞄过程中可以提高激光器发射激光的准确度, 有效减小跟瞄误差, 改善激光跟瞄无人机光伏电池板的效果。

针对标准蝗虫优化算法(GOA)搜索精度低、容易得到局部最优解和稳定性差的不足, 提出一种基于互利共生与混合变异策略的改进GOA。首先, 引入一种针对收敛因子的非线性重构方法, 均匀算法全局搜索与局部开发, 设计一种基于高斯-柯西分布的个体混合变异机制, 有效避免局部最优解;再引入一种互利共生策略, 增强个体多样性, 提升算法全局寻优能力; 然后, 建立了UAV路径规划的代价模型, 并将路径规划转化为多维函数优化问题, 利用改进GOA求解路径规划问题, 以综合考虑威胁代价和能耗代价的目标函数评估个体位置的适应度, 迭代求解最优路径, 并引入B样条曲线对最终散点串连路径作平滑处理。实验结果表明, 改进算法具有更高的搜索精度, 求解路径可以成功规避所有威胁区域, 对车联网(IOV)中的路径规划问题具有较好的参考意义。

目前,对于测试优化选择问题的研究大多局限于故障是否可以被诊断的定性研究, 没有进一步考虑故障诊断的难度。针对以上问题, 提出了一种基于故障可诊断性定量评价的测试优化选择方法。首先, 基于推土机距离(EMD)对故障可诊断性进行定量评价; 然后, 以评价结果为依据, 综合考虑测试的数量、可靠性和成本等因素, 构建多目标测试优化选择问题, 并提出了二进制金枪鱼群优化算法来求解满足测试性指标和故障可诊断性水平的最优测试集合; 最后, 以某装备的开关电源为实验案例, 验证了所提方法的有效性。仿真结果表明: 所提方法能够实现以提高系统故障可诊断性为目标的测试优化选择, 从根本上提高系统的故障诊断能力。

针对市场中存在广陈皮年份造假、 以次充好等问题, 提出一种基于黑寡妇优化算法(BWO)和支持向量机模型(SVM)的广陈皮陈化年份高光谱鉴别方法。 以四类陈化年份(5~20年)的广陈皮作为实验对象, 采集样本的高光谱图像数据(385~1 014 nm波长), 通过镜头校准和反射率校准后提取样本感兴趣区域的平均光谱数据。 首先, 采用多项式平滑算法(SG), 结合多元散射校正算法(MSC)和去趋势算法(detrend)对数据进行降噪处理; 然后, 分别采用连续投影算法(SPA)、 竞争性自适应重加权与逐步回归混合算法(CARS_SR)筛选出特征波段; 最后, 提出以均方根误差(RMSE)为适应度函数, 分别使用偏最小二乘判别分析模型(PLS)、 粒子群算法优化SVM模型(PSO-SVM)和蝗虫算法优化SVM模型(GOA-SVM)对广陈皮的陈化年份进行鉴别, 并通过采用BWO算法优化SVM模型(BWO-SVM)来得到鉴别模型的最优参数。 结果发现: SG_detrend算法对广陈皮高光谱数据具有较好的降噪能力, CARS_SR算法具有较好的特征信息提取能力; 与PLS、 PSO-SVM和GOA-SVM相比, BWO-SVM算法可以得到更好的鉴别模型控制参数; SG_detrend-CARS_SR-BWO-SVM模型对广陈皮陈化年份的鉴别准确率达到97.59%, RMSE为0.060 2, R2为0.952 9。 该工作为实现广陈皮陈化年份的快速无损鉴别提供了新方法, 也为便携式鉴别仪器或在线生产设备研发提供了理论依据。

牛奶脂肪含量的高低会影响人的身体健康。 以牛奶脂肪含量作为分析指标, 应用图像处理技术分析高光谱数据, 利用ENVI软件从高光谱图像中提取感兴趣区域(ROI), 采用不同的预处理方法对光谱数据建立偏最小二乘回归(PLSR)模型并比较得出最佳的预处理方法, 然后采用不同的主成分个数对预处理后的数据进行特征提取并建立支持向量回归机(SVR)模型, 通过比较得出最佳的主成分个数, 最后对特征提取后的数据建立SVR预测模型对牛奶中脂肪含量进行分析。 由于传统的SVR模型预测效果不好, 不能满足人们对于预测模型的基本要求, 故提出一种混合策略改进的鲸鱼优化算法对SVR预测模型进行优化, 将经过混合策略改进的鲸鱼优化算法优化后的SVR模型的评价参数与经过遗传算法、 传统的鲸鱼优化算法、 精英反向学习优化的鲸鱼优化算法优化后的SVR模型的评价参数进行了比较。 结果表明: 经混合策略改进的鲸鱼优化算法优化的SVR模型的训练集与预测集决定系数(R2)的值分别为0.998和0.995, 均方根误差(RMSE)的倒数1/RMSE的值分别为13.766和6.191, 平均绝对误差(MAE)的倒数1/MAE的值分别为13.910和11.422; 经传统的鲸鱼优化算法优化的SVR模型的训练集与预测集参数R2的值分别为0.998和0.989, 1/RMSE的值分别为13.526和5.849, 1/MAE的值分别为13.616和7.037; 经精英反向学习策略改进的鲸鱼优化算法优化的SVR模型的训练集与预测集参数R2的值分别为0.998和0.988, 1/RMSE的值分别为12.474和6.421, 1/MAE的值分别为15.003和10.554。 由以上结果说明混合策略改进的鲸鱼优化算法优化SVR预测模型是可行的, 优化后的SVR模型具有更好的预测效果。