人工智能在智能制造领域中起着举足轻重的作用。近年来，激光制造技术以其精度高、可控性强等优势而逐渐成为先进制造的关键技术，在航空航天、****、新能源汽车、生物医疗等重要领域中发挥了重要作用。与此同时，人工智能在激光制造中的模拟预测、参数优化、过程控制、质量分析等方面展现了巨大的应用潜力。主要从激光制造装备和工艺这两个方面出发，总结了激光制造领域中人工智能的研究现状与应用情况，并对人工智能和激光制造技术的发展方向及应用前景进行了展望。

经典的线性调频连续波(LFMCW)雷达测距方法用快速傅里叶变换(FFT)进行数据处理,采样点增多时计算量显著增长, 使测距系统实时性不理想。为解决此问题引入了互相关函数测距方法,利用LFMCW雷达信号频率成三角形变化且回波延时小于一个周期的特点, 进行一个周期内的相关运算就能测出距离值。结合互相关函数测距法测得的值,对采样信息的部分采样点进行FFT变换,可以快速高效地测出更精准的距离信息。 MATLAB仿真实验表明,结合互相关函数的测距方法测距误差平均减小1.434 m,平均运算时间减少了0.5 s,提高了测距系统的实时性、精确性。

对特征参数和高斯混合模型进行改进，提出了一种特征域和模型域混合补偿的方法用于解决说话人识别特征受噪声影响较大以及高斯混合模型随训练样本长度减小而性能下降的问题。通过模拟人耳听觉，给出了基于伽马通滤波器的伽马通滤波倒谱系数；考虑其只反映了语音的静态特征，提取了能够反映语音动态特征的伽马通滑动差分倒谱系数。基于因子分析技术，利用移动因子表示高斯混合模型的自适应过程，通过训练语料较充分的说话人模型中的均值向量补偿受训练语料长度影响较大的分量的均值向量。仿真实验表明：在纯净背景下，本文方法的识别率达到了98.46%；在不同噪声环境下，本文提出的混合补偿方法能有效提高说话人识别系统的性能。

合成了两种近红外有机荧光探针, 即叶酸-PEG-ICG-Der-01和LDL-ICG-Der-02, 它们分别以肿瘤表面高度表达的叶酸受体以及低密度脂蛋白(LDL)受体为靶点。探针复合物中的叶酸和低密度脂蛋白部分为探针分子提供靶向“导向”, 通过化学共价键分别与有机近红外染料ICG-Der-01和ICG-Der-02偶联, 近红外染料则为探针分子的荧光信号输出端。利用紫外分光光度计、近红外荧光光谱仪及近红外荧光成像系统分析这两种荧光探针的光学性质, 以及它们在叶酸受体及LDL受体过度表达的肿瘤鼠体内的成像过程。结果显示, 所合成的叶酸-PEG-ICG-Der-01和LDL-ICG-Der-02探针的荧光强度及光稳定性都高于对应的染料单体。而体内成像结果则表明两种探针都保持了叶酸和LDL的生物活性, 能有效地靶向到相关肿瘤部位, 成像清晰, 并且能最终代谢排出体外。比较这两种探针, 叶酸-PEG-ICG-Der-01对肿瘤细胞的靶向性要优于LDL-ICG-Der-02, 并能用于肿瘤早期诊断。