在激光粉末床熔融（LPBF）成形过程中，铺粉异常导致的沉积缺陷会严重影响成形零件的表面及内部质量，但目前缺乏针对性的在线监测与诊断方案。采用光电探测器和高速相机在线监测成形过程中的光强和熔池面积信号，探究不同粉末厚度条件下熔池尺度光信号的变化规律，实现对零件质量的初步诊断。研究结果表明，粉末厚度的异常增加会导致零件熔化状态出现波动，并最终导致严重的球化。表面粗糙度从正常打印状态的5 μm显著增加至100 μm以上，同时在零件内部形成了未熔合孔隙缺陷。阐述了粉末厚度对沉积缺陷的影响机制，深入分析了光强与熔池面积的特征及其相互关系，提出了一种基于阈值百分比诊断沉积缺陷的信号监测方法。

烟草行业高端产品规模的扩大与消费者对产品质量需求的提高，给烟草在线检测技术带来了巨大挑战。针对烟草生产过程中烟丝异物难以剔除，影响卷烟口感、烟草叶片病情害种类繁多且病情复杂、卷烟外包装瑕疵难以识别等问题，传统人工在线检测方法效率低下，且正确率难以保证，无法适应我国烟草行业的高质量发展。在阐明基于机器视觉的烟草在线检测原理的基础上，围绕视觉检测原理和深度学习模型两个方面系统地阐述烟草在线检测技术的研究现状与最新进展，结合现有典型应用分析不同视觉模型以及深度学习模型检测方法的优越性和局限性，进而探讨基于机器视觉的烟草在线检测技术的发展趋势和前景。

为了研究室内二氧化碳（CO₂）体积分数变化以及其与人类活动之间的关系，设计了一种开放路径式可调谐二极管激光吸收光谱（TDLAS）传感系统对室内CO₂体积分数进行监测。采用中心波长为2004 nm的分布式反馈（DFB）激光器作为激励光源测量CO₂的R（16）特征吸收线。使用Levenberg-Marquardt非线性最小二乘法拟合测量光谱，实现体积分数测量免定标。与商用XENSIV^TMPAS二氧化碳传感器进行对比测量，二者的相关度R²达到0.89。结果显示，室内CO₂每日体积分数均值为4.63×10^-4，略高于室外的CO₂体积分数，并且一天内波动范围在3.86×10^-4~5.66×10^-4之间。室内CO₂体积分数受通风情况和室内人员活动的影响，其每日体积分数变化趋势与人员工作时间高度相关。在人员密度为0.005 人/m³的情况下，测量得到CO₂体积分数的增长速率为2.3×10^-5 h^-1。因此，人员拥挤的室内环境应及时通风，以防止体积分数过高的CO₂引起不适。

为满足当下电力通信运维需求, 提出一种基于光功率的智能化光纤在线动态监测系统。在系统主站端架设有监测中心与前置机模块, 链路经自动保护单元光功率监测器(OLP)使各子站端点连接站点的成套终端, 再使用光功率监测器(OPU)经IP网络捕获在线光功率值与预设阈值进行比对, 实现系统智能在线动态监测。实践结果表明: 该系统在40 ms内能完成故障链路的快速保护倒换, 并准确定位。

为提高锂电池温度在线监测能力, 通过双路解调方案构建分布式拉曼光纤温度测试系统, 采用外部触发方式, 实现相互协调的工作状态。温度测试结果表明, 常温状态下系统各通道距离10 m范围的温度精度达到±1 ℃。经过8次测试后温度值误差均在0.17 ℃内, 表明系统常温条件下可以保持良好的稳定性, 满足设计条件。该系统能够满足锂电池的测温要求, 能够对锂电池局部温度异常情况进行准确反馈, 有效预防锂电池各类事故。10 m传感距离内行程误差最大值只有2 m, 符合锂电池测温要求。模拟试验测试结果表明, 该系统能够对故障进行准确辨别与定位, 表明系统具备优异的分布式测试性能。DTS系统可以达到±1 m的分辨能力, 可以快速响应锂电池故障引起的温度变化。

近红外波段(NIR, 波长范围: 780～2 500 nm)在线光谱分析技术具有小型化、 快速检测、 结果稳定可靠等优点, 在工业现场检测领域有着广泛的应用。 由于近红外光谱分析系统受温度影响较大, 传统的光栅分光在线光谱分析系统所采用的光谱仪通常仅对探测器制冷, 光路部分仍然会受到温度影响产生波长漂移等测量误差。 此外, 系统也多采用PC计算机来进行数据采集和控制, 并通过配备独立的工业通讯模块实现光谱分析系统与产线总控系统的通讯, 不仅增加了设备成本与体积, 也显著降低了系统的稳定性。 针对这些问题, 基于STM32单片机开展了在线恒温光谱分析系统研制与测试。 系统采用STM32单片机来控制近红外光谱仪, 通过设定和修改采集间隔时间并采集光谱数据, 对光谱数据进行预处理, 来计算得到目标样品的理化指标。 对于温度控制, 开发了在STM32单片机上运行的基于比例-积分-微分(PID)控制算法的恒温控制系统, 对光谱仪整体(包含光路和电路部分)实现了闭环恒温控制。 同时, 开发了基于STM32单片机的工业通讯接口(包含Modbus协议通讯和4～20 mA电流信号通讯)。 系统实验测试结果表明, 该设计能够长时间稳定运行, 并有效降低了环境温度变化对光谱数据带来的干扰。 在长达48小时的系统运行过程中, 光谱仪温度稳定控制在5 ℃左右, 温控精度优于0.25 ℃。 相对于未恒温控制的运行模式, 恒温控制条件下的平均吸收光谱强度相对标准差显著减小, 并实现了数据采集、 预处理、 样品理化指标计算、 工业信号通讯及温度控制的一体化设计, 以满足工业现场在线检测需求。

飞机蒙皮激光除漆过程的在线监测, 是实现分层可控除漆、 满足适航维修要求的重要手段, 也是推进激光除漆工程应用、 飞机维修自动化的核心技术。 激光诱导击穿等离子体光谱（LIBS）技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化, 实现激光清洗表面状态的在线监测。 基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台, 分别采集了不同激光功率下, 面漆、 底漆、 铝合金基体去除过程中的3类LIBS光谱（各100幅）。 分析了不同激光功率下, 各类光谱示踪元素特征谱线的变化情况, 初步筛选了12条特征谱线作为光谱识别的特征。 进一步对这12个特征进行主成分分析（PCA）, 并将前3个主成分（PC1、 PC2、 PC3）构成的数据集作为支持向量机（SVM）识别模型的输入量, 建立了3类光谱的识别模型。 形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则, 并对该规则的有效性进行了实验验证。 结果表明, 与低频脉冲激光单点作用采集的针状LIBS光谱相比, 基于该平台采集的LIBS光谱普遍存在较强的连续背景（大于5 000 a.u.）以及1.5 nm左右的半峰全宽; 针对此类光谱设计了改进均值平滑滤波算法, 在去除背景光谱的同时有效避免了特征谱线强度失真; 示踪元素的特征谱线存在不稳定性; 主成分分析中前3个主成分PC1、 PC2、 PC3对光谱的解释率达95%, 在其构成的三维空间中, 同类光谱呈区域性聚集; PCA-SVM模型对训练集、 测试集的识别准确率分别为99.44%、 100%; 验证实验结果表明3类光谱的识别模型与在线监测判定规则有效。 所建立的识别模型与判定规则, 可为飞机蒙皮激光分层除漆过程监测及自动化解决方案提供核心技术支撑。