为了获得奥氏体不锈钢在液压支柱钢表面激光熔覆的最佳工艺参数，选取工艺参数激光功率、扫描速度、送粉速度为输入变量，将熔覆层质量作为评价指标建立数学模型，设计了16组正交实验。利用自适应混沌粒子群算法进行寻优，对熔覆层宏观形貌和显微组织进行实验分析，验证优化后的工艺参数的合理性与准确性，并将综合评价值相近的两组试件进行对比。结果表明：激光功率为1200 W、扫描速度为13 mm/s、送粉速度为1.72 g/min是最佳的工艺参数组合；采用自适应混沌粒子群算法对工艺参数进行优化，能够有效地改善熔覆层的宏观缺陷和表面性能，证明了该优化算法在激光熔覆领域应用的可行性。

光谱反射率维度高, 与光照和观察条件无关, 能够真实、 客观地描述物体的颜色信息, 由物体本身特性决定, 因此被称为物体的“指纹”。 但是, 光谱反射率数据量超过传统三色系统十倍以上, 这些巨大的光谱数据在存储、 数据处理及传递等方面造成巨大的负担, 花费太多的计算时间。 如果高维光谱可以通过数学变换方法映射到低维空间, 并确保低维空间能够更好地表示原始光谱所覆盖的信息, 可以有效地压缩多光谱数据, 提高基于光谱的颜色复制的处理效率。 针对主成分分析法平等地对待可见光范围的所有波长, 重建光谱仅仅是对原始光谱的数学逼近, 由于波长对颜色的重要性不同, 经常会导致光谱重建误差较小而色度误差较大的问题, 提出了一种基于光谱色差权重函数的多光谱降维算法。 使用主成分分析法将孟塞尔颜色系统Munsell维度降低到1维, 再恢复重建到31维, Munsell的原始光谱和重建光谱的平均光谱色差作为权重函数。 以NCS为训练样本, 分别以NCS、 Munsell和3张多光谱图像为测试样本, 分析和比较本文推荐的权重主成分分析法与主成分分析法以及另外4种权重主成分的性能。 以D65/2°和A/2°照明观察条件下的CIELAB色差和均方根误差(RMSE)分别评价测试样本的原始光谱和重建光谱之间的色度重建精度和光谱重建精度。 实验统计结果表明: 相对于主成分分析法, 无论测试样本是多光谱数据还是多光谱图像, 推荐的方法在牺牲一定光谱重建精度的情况下, 在D65/2°和在A/2°两种照明观察条件下的色度重建精度得到显著的提高, 而色度重建精度提高对于目前广受关注的基于光谱的颜色复制研究具有非常重要意义。 实验统计结果也表明本文推荐的方法的色度重建精度优于目前已经存在的另外4种权重主成分分析法。

基于近红外光谱技术对木材产地进行识别必须依赖于光谱数据预处理方法和校准模型, 然而大多数采用近红外光谱技术识别木材产地的研究工作都是采用经典的线性模型。 构建木材地理溯源系统有利于促进木材市场的良性发展, 打击乱砍滥伐, 保护濒危树种。 为提高木材产地识别效率, 提出一种基于近红外光谱技术结合机器学习的木材产地识别方法。 首先建立木材产地的光谱数据集, 采集来自两种不同产地的樟子松、 泡桐、 榉木、 柚木、 椴木和臭椿的光谱数据, 每个树种构成一个数据集, 并将特征维度降至2维, 以探索各数据集的数据分布情况; 其次对原始光谱数据进行特征工程, 即分别采用主成分分析法和线性判别分析法对高维光谱数据进行降维处理, 以提高模型的泛化能力, 并对比两种降维技术对模型准确率的影响; 最后构建木材产地鉴别模型, 分别从非线性算法、 回归算法、 分类算法、 概率算法、 集成算法和深度学习算法六个角度选取了支持向量机、 逻辑回归、 K最近邻、 朴素贝叶斯、 随机森林和人工神经网络6种算法建立模型, 采用学习曲线、 网格搜索法、 K折交叉验证等算法优化模型参数以提高模型识别准确率及稳健性, 并从模型的准确率与运行时间两个层面来评估模型效果。 结果表明, 基于近红外光谱技术结合机器学习是识别木材地理来源的有效手段, 樟子松、 泡桐、 榉木、 柚木、 椴木和臭椿的准确率分别达到98.3%、 100%、 100%、 100%、 100%、 98.3%, 相应的模型运行时间分别为0.183、 0.182、 0.181、 0.182、 11.424和12.969 s。 综合分析6种模型在各数据集上的表现, 发现非线性的支持向量机和人工神经网络模型比其余模型更具有优势。 其中, 基于人工神经网络构建的木材产地鉴别模型表现优异, 在各数据集中识别率最高, 但运行时间远多于其余算法。

为了降低光谱反射率重建设备的复杂度和成本并且在宽带光谱上进行更高精度的反射率重建，采用宽带多光谱成像的方法，将投影仪的红、绿、蓝三色光作为光源，用彩色数码相机对光谱图像进行采样。在主成分分析法的基础上引入加权系数，以及误差校正函数，利用改进后的方法重建色卡、染色纸张、油画表面的反射率。选取表征反射率重建精度的均方根误差、拟合度系数、光谱匹配偏度指数3个指标，对所提方法与主成分分析法和加权伪逆法的重建结果进行对比，结果表明：所提方法的重建精度较主成分分析法提高了约45%，较加权伪逆法提高了约30%；由所提方法计算的反射率重建的颜色色差值也优于后两者。

基于主成分或者权重主成分的多光谱降维方法实现高维多光谱数据和低维空间数据之间相互转换，但低维空间数据含有大量负值，不能和色度空间如CIELAB等连接起来，给光谱颜色复制的后续研究带来困扰；建立XYZ三刺激到多光谱数据的转换，在多光谱数据降维到XYZ三刺激值过程中保留更多的颜色信息；通过二阶多项式回归建立XYZ三刺激值与多光谱通过权重主成分降维的得到的三维空间数据对应关系，实现XYZ三刺激值到多光谱数据转换；在不同的训练样本，不同的测试样本时，相对于主成分和权重主成分，推荐的方法在多种照明条件下色度重建精度得到提高，可以较好地应用到多光谱图像的高保真降维和压缩。

为了解决无人机机载激光雷达采集到的点云数据存在密度高但分布不均匀的现象, 以及绝缘子表面纹理信息不全等问题, 提出了一种基于机载激光点云的电网绝缘子识别方法。首先分析杆塔中不同部位的强度值直方图, 用强度值滤波剔除大部分的杆身点云; 然后采用主成分分析法计算局部点云特征值, 根据特征值构建的局部熵函数和空间分布特性删除冗余的平坦区域点云, 并通过栅格修补的方法避免出现点云空洞; 最后针对传统采样一致性初始配准(SAC-IA)算法精度低和速度慢的问题, 通过增加采样点对的距离约束关系和自适应调整参数改进SAC-IA算法完成绝缘子的位姿估计。结果表明, 该方法能正确高效地识别杆塔中的绝缘子, 运行时间大幅减少, 提取正确率达到95.16%。该研究在无人机自主巡检航线规划中具有良好的应用价值。

为了进一步增大光纤应力传感的测量范围, 设计了一种基于涡旋光束与平面波光束干涉的光纤马赫-曾德尔干涉型(MZI)应力传感器, 提出一种新型应力解调模型。利用主成分分析法提取了叉状干涉图样集的主要特征, 得到两光束间相位差与其对应干涉图样对于主要特征的相关系数之间的关系, 并根据应力-相位差关系, 进而得出了应力与相关系数之间的关系; 搭建了基于涡旋光束与平面波光束干涉的应力传感实验系统, 研究了系统的应力传感响应特性。实验结果表明: 该传感器的应力响应灵敏度为0.25694 rad/MPa, 最大应力测量量程为3392 με。

多专家评价是评估雷达系统抗干扰能力的传统有效手段, 但存在不同专家水平高低、偏好不同引起的评价失准问题。该文将层次分析法(AHP)与主成分分析法(PCA)相结合, 提出了保证多专家群体决策一致性的 AHP-PCA方法。将 AHP-PCA运用于雷达导引头抗干扰能力评估, 得到不同专家对于同一环境下的导引头系统抗干扰能力评价的综合结果, 并定量描述该综合评价结果的群体决策一致性。结果表明 AHP-PCA方法可以减少评价失准问题的影响, 降低由于专家偏好不同导致的评价的主观性, 具备工程应用价值。