为实现高功率的蓝光半导体激光输出，对蓝光巴条的封装技术进行了研究。利用金锡硬焊料封装了高功率氮化镓（GaN）蓝光半导体激光巴条，应用铜钨过渡热沉作为缓冲层抑制了铜热沉和GaN激光芯片之间封装残余应力，采用高精度贴片机将芯片共晶键合在铜钨过渡热沉上。贴片质量的好坏直接影响了器件的输出特性，所以重点分析了贴片机的焊接温度焊接压力、焊接时间对器件的影响。实验结果表明：当贴片机的焊接温度为320 ℃、焊接压力为0.5 N、焊接时间为40 s时，焊料层界面空洞最少，热阻最低为0.565 ℃/W，阈值电流最低为4.9 A，在注入电流30 A时，输出光功率最高为32.21 W，最高光电转换效率达到了23.3%。因此，在优化焊接温度、焊接压力、焊接时间后，利用金锡硬焊料将蓝光半导体激光芯片共晶键合在铜钨过渡热沉的技术方案是实现蓝光半导体激光巴条高功率工作的有效途径。

双柔性梁耦合结构常用于航天领域，如太阳翼伸展结构、太阳能电池阵等。针对双柔性耦合梁系统振动非接触测量和控制问题，构建了基于点激光结构光视觉系统的测控实验平台，进行了点激光视觉振动测量研究和振动控制算法设计。对点激光视觉系统进行标定，通过图像处理结合几何方法提取了柔性梁的振动信号。建立了系统动力学模型，采用小波变换和优化方法辨识状态空间方程参数。设计了直接自适应模糊协同控制器（Direct Adaptive Fuzzy Cooperative Controller, DAFC）进行双柔性梁系统的振动主动控制，采用羚羊优化算法基于辨识模型优化控制器参数。在双柔性耦合梁系统固定和平移运动两种情况下，进行了振动视觉检测和控制实验研究。实验结果表明：所设计的点激光视觉传感器有较好的振动测量精度，DAFC控制器相比于PD控制器有更好的控制效果，可以更加快速地抑制双柔性耦合梁的振动。

针对双编码快照式光谱偏振成像系统偏振效应校正需求，提出多参量模型引导的偏振优化方法，建立基于数字微镜阵列（DMD）、棱镜-光栅-棱镜（PGP）、微偏振片阵列探测器（MPA）以及多膜层系的光谱偏振成像系统全链路偏振效应模型，分析部分偏振光入射时光谱偏振成像系统的二向衰减，揭示入射光波长、偏振度与系统偏振效应的耦合机理。通过有针对性地控制透镜的折射率、入射角，光栅折射率、常数，棱镜折射率、顶角，多层膜复折射率、膜层厚度等参量，在谱线弯曲满足重建要求的前提下实现对光谱偏振成像系统偏振效应的优化。仿真结果表明，优化后系统SSIM＞0.8、系统偏振效应相对误差<4%，与优化前相比偏振效应降低至少6%。当入射光偏振度恒定时，系统偏振效应与波长成反比。通过实验获取单次曝光下典型材料的光谱偏振重建图像，金属偏振度相对误差提升至少14.7%，塑料偏振度相对误差提升至少63.6%。验证了所提偏振优化方法的必要性和可行性。本研究为双编码快照式光谱偏振成像系统多维数据的高精度获取奠定了理论基础。

为了实现空间机器人捕获航天器及辅助对接操作的柔顺化，对航天器对接装置的输出力与位姿的精确控制进行了研究，且在关节电机与机械臂之间添加了弹簧阻尼缓冲装置，以防止接触、碰撞时产生的巨大冲击力造成关节破坏。首先，结合Newton第三定律、捕获点的速度约束及闭链系统的几何约束，获得了捕获航天器后的混合体系统动力学方程，通过动量守恒关系计算了碰撞冲击效应与冲击力。接着，通过航天器对接装置相对载体坐标系的运动学关系，建立了对接操作过程中的阻抗模型。然后，设计了一种鲁棒自适应双层滑模控制策略，其与阻抗控制相结合，采用力加载随动控制系统实现对接装置的位姿与输出力的精确控制，以降低接触、碰撞时的冲击力。该控制策略具有双层滑模结构，其第一层保证混合体系统在有限时间内收敛，第二层用于解决控制的高增益问题。最后，通过Lyapunov定理证明了系统的稳定性；利用数值仿真验证了所提控制策略的有效性。仿真结果表明，在给定的速度下缓冲装置最大可将碰撞冲击力矩降低46.78%，输出力的控制精度优于0.5 N，位置、姿态的控制精度优于10^-3 m，0.5°。

三维导电结构的低温、高结合力直写喷印是柔性电子复合器件制造应用所面临的挑战。本文基于银氨络合机理制备出可用于三维导电结构成型的无颗粒直写溶液，克服了金属颗粒团聚的问题，做到了长期保存。50 ℃低温烧结条件下，银氨络合溶液制备的导电纤维与银纳米颗粒溶液制备的导电纤维相比导电性能优异，电阻低至365 Ω/mm。银氨络合溶液直写制备的纤维结构与柔性基底之间有着强附着性，并具备良好的自堆叠特性，可以通过调节纤维堆叠层数在10层到50层变化，控制导电纤维的电阻在6.7~34.1 Ω/mm范围内改变。在不同饱和盐溶液建立的湿度环境下，对基于银氨络合溶液设计的湿度传感器进行测试，传感器展现出良好的湿度响应性能，迟滞低至3.2%，同时在湿度循环变化下实时响应效果优良。无颗粒直写溶液在制备柔性电子产品方面有着可观的前景，并且在运动检测和健康管理等领域有广泛的应用。

运动学标定是提高关节臂式坐标测量机精度的主要方法，但运动学标定后的残余误差对其测量精度和稳定性仍有很大影响。本文提出一种基于复合标定和极限学习机的关节臂式坐标测量机残差建模及补偿方法，以提高关节臂式坐标测量机的测量精度。首先，在关节臂式坐标测量机运动学建模和误差建模的基础上，建立了运动学参数辨识模型，并依次进行角度参数辨识、长度参数辨识和长度参数等比例缩放的复合辨识，完成了七自由度关节臂式坐标测量机的运动学标定。其次，通过对标定后残余误差图谱的分析，发现残余误差与测量构型有关联，进而构建了以测量摆角、仰角、距离和转角为变量的测量构型。由于测量构型变量与残余误差存在强非线性关系，提出一种基于极限学习机的残余误差预测和补偿方法。通过实验对本文所提模型及方法的有效性进行验证，结果表明：进行残差修正后关节臂式坐标测量机的单点测量误差最大值由0.061 mm下降到0.044 mm，误差均值由0.023 mm下降到0.017 mm，误差标准差由0.011 mm下降到0.007 mm；长度测量误差最大值由0.137 mm下降到0.074 mm，误差均值由0.033 mm下降到0.021 mm、误差标准差由0.037 mm下降到0.019 mm。

针对传统固面可展开天线中旁瓣绕双转轴独立折展造成的系统同步性差及可靠性低的问题，设计并分析了一种单自由度折展方案。首先提出了基于粒子群算法的收拢态位姿确定算法，结合等效轴角定理给出了单自由度旋转展开的参数确定方案；以相邻旁瓣运动轨迹为基础，结合变密度拓扑优化方法给出了反射器背架设计方案，分析结果表明本文所设计背架可使反射器热变形降低62.5%，基频提高了4倍，充分证明了背架设计的有效性。以一款10 m口径固面可展开天线为对象进行了折展机构设计，并分析了折展过程中运动学、动力学参数变化规律。基于螺旋理论对折展机构进行分析，得出了多种消极运动副引入方案，并最终选取RSPRR进行机构非过约束设计。分析结果表明，本文所述的固面可展开天线可以完成收拢态与展开态之间的切换，收纳率达到了0.384，折展过程平稳可靠，验证了该设计方案的可行性。同时，相关研究方法及结论可以为固面可展开天线的设计提供技术参考。

为了实现动态加速度与时变振动环境的综合模拟，研制了一套适应动态加速度场的轻量宽频激振装置。首先提出了压电-液压串联复合激振方法和装置构型，解决了传统激振方法“宽频不轻量、轻量不宽频”的难题。设计了六单元并联压电激振模块，建立了精密装调工艺，并联激振效率达到74.2%。为满足动态加速度环境下的宽频激振需求，提出液压内嵌式定中方案，研制了具有“缸中缸”构型的液压激振模块。基于分频器，提出了串联复合激振系统的分频控制方法，实现了压电、液压激振模块的协调工作、均衡出力。以力平衡控制结合零位移反馈补偿控制，提出了液压激振模块定中控制方法，实现了动态加速度环境下的精确定中。提出了变增益、长时波形再现两种时变振动控制方法，研制了一体化的控制系统。测试结果表明，串联复合激振装置在离心加速度不低于60 g、加速度变化率不低于15 g/s工况下，分别实现了50 kg负载下的6 g_rms振动加速度、10~2 000 Hz频率范围的宽频激振。该装置已应用于多项惯性器件、组件和系统的环境试验考核，载荷控制效果良好。相比飞行试验，本文成果为飞行器制导、控制系统功能性能考核提供了高效经济的实验室手段，特别在大样本数据获取方面具有优势。

机载激光数据（Light Detection And Ranging，LiDAR）难以区分地面和草地范围，可见光植被指数无法分离灌木和乔木层，针对上述问题，构建一种融合LiDAR点云与RGB植被指数的多波段信息图像。以激光点云生成精细冠层高度模型（Canopy Height Model，CHM），利用无人机影像数据生成高清数字正射影像，在比较不同植被指数精度后选择差异增强植被指数（Differential Enhanced Vegetation Index，DEVI），与CHM进行融合。形态学重建CHM+DEVI融合图像，去除不合理值；构建训练样本，采用分类回归树算法，分割地面范围并自适应提取植被为乔木、灌木和草地，乔木区域采用局部最大值算法探测树顶点，作为前景标记，非乔木区域赋为后景标记，进行分水岭变换得到分割结果。将该方法提取的植被信息与实测数据进行精度分析，结果表明：改进方法在4个样方中，总体查全率提高3.2%，查准率提高3.9%，准确度F1得分提高3.5%，树高精度分别提高1.7%，6.4%，1.8%和0.3%。验证了改进方法的有效性，同时区域内植被混杂程度越高改进算法的提取效果越好。

针对目标跟踪中常见的目标遮挡问题，提出一种自适应特征匹配网络。该网络通过计算查询帧与记忆帧像素级相似度，将目标和背景相似度关系进行编码，获得像素级相似度矩阵，并通过将查询帧与记忆帧分头的方式，实现多维度相似性计算，以关注查询帧中更多区域，并通过计算的相似度矩阵，对记忆帧进行自适应特征加权，以此来提高目标跟踪的精度和鲁棒性。此外，特征记忆网络可以对记忆帧进行挑选和保存，为特征匹配提供额外表观信息，使网络隐性学习目标运动趋势，进而实现更好的跟踪结果。实验结果表明，该方法在GOT-10k，LaSOT等数据集上表现良好，在GOT-10k数据集上，本文所提出的算法与STMTrack算法相比，AO值提升1.8%。根据可视化结果显示，本文算法在目标遮挡、消失等挑战中，具有更强的鲁棒性。

在TFT-LCD面板缺陷检测中，检测对象背景复杂、缺陷细微且种类繁多，而工业生产实时性要求高，传统的缺陷分类算法往往难以兼顾精度和速度要求，无法适用于实际生产应用。为均衡TFT-LCD面板缺陷分类的准确率和速率，提出一种基于Swin Transformer的轻量化深度学习图像分类模型。首先对模型每层输入的特征图进行Token融合以减少模型计算量，从而提高模型的轻量化水平。其次引入深度可分离卷积模块以帮助模型增加卷积归纳偏置，从而缓解模型对海量数据的依赖问题。最后使用知识蒸馏方法来克服模型轻量化导致的检测精度下降问题。在自制TFT-LCD面板缺陷分类数据集上的实验表明，本文提出的改进模型相比基线模型，FLOPs计算量降低了2.6 G，速度指标提升了17%，而Top-1 Acc精度仅损失1.3%，且与其他图像分类主流模型相比，在自制数据集和公开数据集上都具有更均衡的精度和速度。

针对高分辨率遥感影像中建筑物形状多样、大小不一引起建筑物提取精度低及传统分割模型存在参数量大等问题，提出一种基于编码-解码的轻型多尺度差异网络LMD-Net（Lightweight Multi-scale Difference Network）。首先，为了避免单一的特征处理单元堆叠使得模型性能弱化而产生无效参数，通过融合编解码结构的功能差异性，设计出一种轻型差异模型优化性能。其次，引入一种多尺度膨胀感知模块（Multi-Scale Dilation Perception，MSDP）来增强网络捕捉多尺度目标特征的能力。最后，通过双融合机制有效聚合深层跳跃连接和深层解码器两组的特征信息，从而实现增强解码器的特征恢复能力。为验证轻型多尺度差异网络LMD-Net的有效性和适用性，以开源WHU building dataset数据集作为数据源，对LMD-Net网络与常用语义分割网络及近年相关文献研究成果进行了精度、效率方面的评估实验。结果表明：LMD-Net网络在效率与精度两方面均表现出明显优势，不仅很大程度上减少模型的参数量和计算量，而且交并比、准确率分别提高了3.23%，2.57%。表明在基于高分辨率遥感影像建筑物提取领域中，该模型所表现的优势具有良好的城市空间信息库价值。

为了实现在轨服务过程中对于没有靶标的部件进行操作，需要精细地分割出相关部件，并对其在时序上进行稳定地跟踪。对于部件的精细分割，本文首先基于航天器部件实例分割数据集对实例分割网络Mask RCNN进行了训练，然后在其掩膜分割分支上添加一个优化模块对部件分割结果进行优化。对于部件跟踪，本文首先在Quit_trihard损失的基础上提出分层加权五元组损失，然后利用该损失在航天器部件重识别数据集上对有关重识别网络进行训练，最后将得到的重识别网路嵌入Deep OC SORT跟踪算法以实现对航天器部件的稳定跟踪。实验结果表明：经过掩膜优化后，在部件实例分割测试集上相关实例分割算法的分割精度可提升至84.90 mAP；使用改进后的损失进行部件重识别，在部件重识别测试集上的识别成功率提高至76.86%，同时相关跟踪算法在部件跟踪测试集上的跟踪成功率升至89.38%。因此，本文提出的方法基本可以满足航天器部件的精细分割和稳定跟踪。