为了研究磁流变抛光液中磨粒团聚对光学玻璃元件的磨损性能，利用环境可控的直线往复式摩擦磨损试验机，以不锈钢球为对磨副，以熔石英为基底，系统地研究了磁流变抛光液中纳米金刚石磨粒团聚程度对熔石英摩擦磨损性能的影响，并利用光学显微镜、白光干涉仪等设备分析熔石英的磨损机制，最后将摩擦学实验结果与实际磁流变抛光结果进行对比。实验结果表明：纳米金刚石磨粒团聚程度越大，熔石英表面的材料去除率越大，磨损区域亚表面损伤情况越严重。当载荷为0.5 N时，熔石英在团聚磨粒作用下的磨损主要以黏着磨损为主，伴随着轻微的磨粒磨损，同时熔石英的亚表面无明显损伤；当载荷从0.5 N增加到4 N时，熔石英的磨损形式以磨粒磨损为主，熔石英的表面和亚表面出现大量损伤。采用相同磨粒团聚程度的抛光液进行熔石英磨损与磁流变抛光实验发现，熔石英在磁流变抛光过程中的材料去除率与磨损实验的材料去除率变化趋势保持一致，表明借助摩擦磨损实验在一定程度上可以预测实际磁流变抛光中的材料去除率。

为了满足工业领域的不同要求，研究了碳化硅(SiC)陶瓷超光滑表面且无表面损伤的抛光工艺，提出了一种紫外光催化振动复合抛光新方法。基于紫外光催化反应理论，论述了光催化振动复合抛光的加工机理，进行了不同的实验。首先进行了甲基橙降解实验，研究了光催化振动复合抛光氧化性对振动的依赖关系；接着进行了紫外光催化振动复合抛光对比实验，研究了振动前后SiC的抛光效果，验证了新抛光方法的有效性。实验结果表明，光催化反应生成的强氧化性羟基自由基能够将高硬度的SiC氧化成质地较软的二氧化硅，振动的引入减少了光催化反应中光催化剂的团聚，提高了抛光过程中氧化和去除的均匀性，从而提高了抛光过程中SiC的表面质量，最终获得了粗糙度为31~39 nm的光滑表面。

土壤团聚体是土壤生态系统的重要组成部分, 其碳氮含量及动态决定着土壤碳氮循环过程、 稳定性及肥力。 由于团聚体分级方法的差异, 不同研究所获得的团聚体粒径也不尽相同, 应用红外光谱对土壤团聚体性质进行建模预测时若对不同粒径团聚体分别建模需要大量样本且难以对所有组分同时进行合理预测。 该研究对不同粒径团聚体样本进行综合建模预测, 探寻一种高效可行的不同粒径团聚体性质的综合预测方法。 采集了内蒙古淡栗钙土土壤样本进行傅里叶变换红外光谱分析, 用遗传算法对特征波长进行了选择, 基于偏最小二乘法(PLSR)、 支持向量机(SVM)、 人工神经网络(ANN)和随机森林(RF)等方法建立了不同粒径团聚体土壤有机碳(SOC)、 全氮(TN)和红外光谱吸光度之间的估测模型。 结果表明, 基于遗传算法筛选的特征光谱区间构建的土壤团聚体SOC和TN含量的ANN模型的预测能力均是最好的(RPD>2), 显著优于PLSR、 SVM及RF模型; 基于全谱数据的ANN模型对土壤团聚体SOC和TN的预测效果均低于基于GA选择的特征光谱区间的ANN模型, 说明基于GA的特征光谱区间选择不仅可以简化模型结构, 剔除无关的信息, 而且可以提高模型的精度和预测效果。 该研究将不同粒径土壤团聚体FTIR数据混合建模, 通过遗传算法筛选特征光谱, 发现人工神经网络模型可以很好地对土壤团聚体碳氮含量进行预测, 且不会受团聚体粒径的影响, 主要由于在遗传算法选择特征光谱时已将某些反映土壤矿物、 粘粒等特征的波长区间包含在内, 而人工神经网络所建立的模型可能已包含了不同粒径对土壤碳氮含量的影响, 该结果表明基于遗传算法筛选特征波长区间并采用人工神经网络可以将不同粒径土壤团聚体统一建模, 用于团聚体土壤有机碳和全氮含量的估测。