压电陶瓷是自适应光学系统中的核心器件变形镜的主要作动元件，其性能的好坏直接影响变形镜甚至自适应光学系统校正能力。开展了加载电压为±350 V、外形尺寸为5 mm×5 mm×38 mm的抗拉可压型压电陶瓷的性能测试，包括位移、迟滞、电容、阻抗和热膨胀系数等，对压电陶瓷的抗拉能力进行了考核，获得三个样品抗拉能力均大于250 N。采用疲劳测试仪对同批次生产的压电陶瓷进行疲劳试验，在此过程中获得了压电陶瓷的压电效应并对试验数据进行了分析，最后对5#样品进行了1 000万次疲劳试验（±150 N@5 Hz正弦载荷），试验后压电陶瓷的位移减小约5%，其他指标变化较小。通过抗拉能力测试和疲劳试验，初步考核了该型压电陶瓷的抗拉压特性和疲劳特性以及压电陶瓷的使用寿命，为变形镜的研制提供一定的数据支撑。

压电材料产生的电信号能够促进成骨细胞增殖分化, 但不具有良好的诱导矿化能力; 生物活性材料在生理环境下能够诱导类骨羟基磷灰石的沉积, 但又不能产生电信号促进成骨。因此, 开发出一种既能产生电信号, 又能诱导矿化沉积的复合生物活性压电材料, 具有重要意义。本研究以钛酸钡为压电组分, 以硅酸钙为生物活性组分, 采用固相烧结法制备了钛酸钡/硅酸钙复合生物活性压电陶瓷, 测试了压电性能, 并用体外矿化实验评价了诱导矿化能力。硅酸钙复合含量达到30%时, 复合陶瓷仍具有一定的压电性能(d₃₃=4 pC·N^-1), 并且能够在模拟体液中诱导磷酸钙沉积。钛酸钡与硅酸钙的复合能够同时具有压电性和生物活性, 为骨修复材料提供了新的选择。

针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题，基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制，常用的目标检测神经网络在嵌入式上的识别速度较低，不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化，使用MobileNetv3网络实现特征提取，目标检测方面则是使用SSD-lite结构，其使用深度可分离卷积替代普通卷积，实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求，制作了包含不同手势的数据集，利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制，通过模型的量化压缩将float64的网络参数量化为int8，并压缩网络结构，提高网络在嵌入式上的推理速度，实现基于嵌入式的手势识别。实验结果表明，基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%，且识别速度达到每秒50帧以上，满足实时手势识别的要求。