光学下变频技术可将宽频带内全部电磁信号同时下变频到低频区间进行接收，是一种新型宽频带电磁环境快速接收技术。但是，获取的光学下变频信号中包含源个数未知、带宽不同的多种信号，现有信号分离方法需要获知源信号的个数，且无法同时分离窄带信号和宽带信号。为实现对光学下变频信号的自动分离，提出了一种基于变分模态分解（VMD）自适应模态重组的光学下变频信号分离方法。通过频谱分割因子和频谱包络检测，对光学下变频信号的VMD过分解模态进行自动重组和信号重组模态提取，实现光学下变频信号分离。对于包含普通脉冲信号、宽带码分多址（WCDMA）信号和线性调频脉冲信号的光学下变频信号，可自动实现对三种信号的分离，且与原信号的相似系数均高于0.97。实验结果表明，所提及方法在分离光学下变频信号时无需获知源信号的个数，并能同时分离具有不同带宽的多种源信号。

提出融合变分模态分解（VMD）和自编码器的预测方法，将温升特性曲线分解成若干个子信号分量，其中包含高频的波动量、中间量和低频的趋势量，然后利用自编码器对每个分量进行预测，最后将分量的预测值相加，从而实现对PIN二极管温升特性曲线的精准预测。通过与多种机器学习方法的对比验证了结合VMD分解可有效提升预测精度，同时也验证了自编码器在特性曲线拟合上的优势。

为了提高传统超声固结振动装置的输出振幅，达到金属箔材稳定固结的要求，提出了一种单侧双换能器结构的双振头超声固结振动装置。基于谐振系统设计理论完成了尺寸参数设计，对该装置进行模态分析及优化，得到最佳纵振频率为20 247 Hz；基于等效四端网络法对双振头超声固结振动装置进行建模仿真，最大输出振幅能达到36 μm；最后，制作实验样机进行振幅测试实验，探究输出振幅与激励电压之间的关系。实验结果表明：输出振幅与激励电压线性相关，该装置的最大输出振幅为34.4 μm，与仿真结果的误差率小于5%。验证了结构的合理性，有效提高了装置的输出振幅，促进了超声固结技术在相关领域的应用。

通过优化光纤布拉格光栅形状传感技术中传感点位置和补偿重构结果来提高薄层合金板三维形状重构精度。通过ANSYS workbench建立合金板仿真模型，提取应变和位移模态振型，根据模态置信准则、转换矩阵稳定性和模态振型相似性分别设计了三个目标函数，采用快速和精英机制的多目标遗传算法优化传感器位置。将镍钛合金板弯曲成不同曲率半径的弧形，利用光纤布拉格光栅中心波长漂移量和线性插值算法计算得出不同形状下的结构应变，重构合金板形状，均方根误差和最大误差相较于单目标优化算法分别减小30%和15%。利用粒子群优化径向基函数神经网络算法拟合误差与位移的关系实现误差补偿，均方根误差和最大误差比无补偿时分别减小了90%和70%，最大相对百分比误差仅为5%，提高了三维形状重构算法精度。

储存环机械支撑的静力变形、调节精度决定各物理元件的定位精度，其动态响应特性间接影响着束流的稳定性，机械支撑是各物理元件的安装基础，保证磁铁、真空室、束测元件正确的安装、运行，发挥出相应的物理性能。主要从支撑的静力变形和固有频率两个方面对机械支撑进行优化设计。以深圳产业光源（SILF）共架支撑为例，利用SolidWorks和Ansys软件对储存环磁铁机械支撑进行设计、拓扑优化。详细阐述了储存环机械支撑设计、优化的过程，并将最终优化完成的支撑模型与磁铁模型进行装配，在尽量接近真实工况的基础上对整体支撑进行仿真计算，以确保支撑整体能够达到设计指标。