为了提高某随动系统负载模拟器加载系统的力矩跟踪精度, 提出一种模糊RBF神经网络终端滑模复合控制方法。首先通过对随动负载模拟器的系统组成和工作原理的分析, 简化力矩电机模型, 根据扭矩传感器和惯量盘的模型, 建立随动负载模拟器的简化等效模型。随后设计了一种快速终端滑模控制器, 为了提高滑模的动态品质, 利用模糊神经网络方法动态调节滑模面参数。同时, 为了提高模糊RBF神经网络的学习和训练速度, 用最近邻层次聚类和共轭梯度算法调整网络各参数, 并对算法进行局部优化以提高算法性能。最后进行仿真, 证明该方法提高了系统控制精度且具有良好的动态特性。

在研究基于硅基二氧化钛纳米柱对空间光场位相调制特性的基础上, 结合菲涅尔衍射理论, 提出了一种基于共轭梯度优化算法的超构表面设计方法。通过该方法, 在可见光波段能够实现在任意衍射角度上对选取的波长进行滤波。衍射角分别为15°和30°, 波长范围在400～780nm, 对RGB三色光波进行单波长滤波。数值模拟结果验证表明, 所提算法得到的超构表面能在预定的衍射角下准确地产生目标强度谱。

利用非线性共轭梯度算法设计了无周期光学超晶格结构, 研究了文献[12]提出的误差函数在该结构中的适用性.研究结果表明：误差函数能够很好地适用于无周期光学超晶格结构, 且该结构比文献[12]中所用的非周期光学超晶格更具有一般性; 当u′2(xn)和n保持很好的线性关系时, 无周期光学超晶格结构中计算所得的误差函数曲线与文献[12]中的误差函数曲线几乎是重合的, 说明了在无周期光学超晶格中达到了很好的准相位匹配.通过在样品中引入随机误差进一步研究了相位失配情况下误差函数在无周期光学超晶格结构中的适用性, 结果表明：相位失配时无周期光学超晶格结构中计算所得的误差函数曲线与标准曲线是有偏离的, 且相位失配程度越大, 偏离也越大; 对于一些误差函数曲线与标准曲线偏离不大的情况, 误差函数仍可近似地用来估计无泵浦损耗近似的适用范围.

利用非线性共轭梯度算法(NCG)设计了无周期光学超晶格(NOS)，在该结构中实现了高转换效率的耦合三次谐波(CTHG)。相对于传统的模拟退火算法(SA)所设计的非周期光学超晶格(AOS)，无论单波长还是多波长的CTHG，利用NCG算法所设计的NOS结构可以得到更高的转换效率。这是因为在无周期光学超晶格结构中每层畴的宽度的选取是任意的，通过NCG算法对每层畴宽度进行优化，可以达到更好的准相位匹配(QPM)。计算了转换效率随光波传播距离的变化情况，结果表明转换效率随光波传播距离的增加而增大，这说明每层畴对转换效率的贡献是积极的，所设计的样品达到了准相位匹配。

针对大气湍流对激光通信中对信标光的捕获、跟踪与对准(ATP)的影响, 提出了基于盲解卷积的快速复原与实时检测算法。采用一维点扩散函数重新构造方位退化模型, 取代了原有经典二维退化模型; 改进了约束共轭梯度算法中的约束算子, 并通过改进的共轭梯度迭代算法求得对原始图像的估计; 最后通过连通域计算提取估计结果中的光斑中心位置。采用现场可编程门阵列和数字信号处理器实现所提出的共轭梯度算法并提取光斑中心位置, 满足了系统实时性要求。实验表明, 所提出的快速复原算法能够实时复原分辨率为200 pixel×200 piexl,帧频为100 Hz的光斑图像, 所提取的信标光光斑中心位置与事后计算结果的误差小于1 pixel, 能够满足激光通信系统对信标光的实时跟踪要求。

针对电容层析成像技术(ECT)中的“软场”效应和病态问题，提出了一种基于加权奇异值分解(SVD)截断共轭梯度的电容层析(ECT)图像重建算法。阐述了电容层析成像工作原理，提出了12电极ECT系统的测量方法。在分析灵敏度矩阵的奇异值分解理论的基础上，推导出了加权SVD截断共轭梯度的数学模型，并利用Tikhonov方法进行正则化加权处理。最后，分析了算法的收敛性，并将其应用于电容层析成像系统的图像重建中。实验结果表明，对于层流，截断共轭梯度算法的平均误差能达到27.54%，全部流型平均迭代步数达到13步，与LBP、Landweber和CG算法比较，该算法具有成像效果好，成像速度快，易于实现等特点。

扩散光学层析(DOT)中的图像重建是一个面向大参数集的非线性最优化问题,其标准求解方法为牛顿类迭代法,需要对整个Jacobian矩阵进行构建、求逆和存贮,这对大规模的三维问题是不可行的,为此常采用基于逐行线性逆策略的非创伤性填充(ART)技术,图像质量受到严重制约。采用共轭梯度算法,直接求解非线性目标函数梯度,可避免对Jacobian矩阵的操作,为有效降低步长因子求解引起的附加计算量,采用一维不精确搜索算法。通过对双非均匀目标体的平板模型进行模拟成像,与代数重建算法结果进行比较,表明共轭梯度法的重建质量、收敛速度和收敛性都优于ART算法。

针对均值漂移算法收敛速度较慢的问题，本文提出了基于共轭梯度的快速均值漂移算法，并将其用于图像分割。该算法利用共轭梯度法简便，存储需求小，收敛速度介于最速下降法和牛顿法之间，具有较好的全局收敛性和较快的收敛速度的特点，通过交替执行均值漂移算法和共轭梯度算法提高经典均值漂移算法的收敛速度。对合成图像和真实图像的实验结果表明了新算法不但提高了经典均值漂移算法的速度，而且在进行图像分割时保持了良好的分割结果。

We describe a new algorithm in a cost effective polarization division multiplexing (PDM) system. Without modifying the existing transmitter, receiver electronics, or softwares, we use a special optical scheme to demultiplex the signal multiplexed and improve it with a conjugated gradient algorithm. We experimentally resume the polarization state with a deviation under 5% and the power loss less than 20 dB which proves the feasibility of the polarization control algorithm in the new polarization multiplexing system.

根据薄膜光学计算理论和最优化理论,提出了用自适应模拟退火法结合共轭梯度法确定薄膜厚度的新方法.该方法建立的数学模型先采用自适应模拟退火算法搜索,再采用共轭梯度算法精确查找.它不但减少了无损伤测量方法对初始计算条件的过多依赖,而且在保证精确度的情况下极大地提高了计算速度,同时有很高的适应性.实验中,应用该方法求解了三层膜系的厚度,计算时间为3s,计算误差小于4nm.