为消除压电驱动柔性微定位平台高精控制对平台不确定动力学模型的依赖性，提出了一种数据驱动无模型迭代前馈补偿和自适应陷波滤波结合的控制方法来提高平台的跟踪性能。首先，建立了数据驱动无模型迭代前馈控制器，提高系统对噪声和其他干扰的鲁棒性，同时，证明了在无模型迭代前馈作用下，连续参考输入跟踪误差的有界性和闭环系统的稳定性；其次，构建了自适应陷波滤波器来消除平台谐振的影响，对误差信号进行快速傅里叶变换，并设计谐振频率在线提取算法，实现对陷波滤波器参数的在线实时整定，来进一步提升轨迹跟踪精度；最后，利用所设计的无模型迭代前馈控制器和自适应陷波滤波器对压电微动台进行轨迹跟踪实验。实验结果表明：在跟踪三角波信号时，与单独比例-积分（Proportional Integral，PI）控制和结合自适应陷波滤波器的PI控制相比较，最大跟踪误差分别减小78.25%和70.83%，能够有效提升平台的稳定性和跟踪精度。

由转子质量不平衡和传感器跳动引起的谐波振动是磁悬浮转子系统中的主要扰动。为了抑制这些干扰，提出了一种基于重复控制和可变相位自适应陷波反馈的谐波振动抑制的复合控制方法。首先通过建立磁悬浮转子系统模型，分析了不同干扰振动力的产生机理。然后，设计了插入式重复控制器，抑制传感器跳动引起的谐波振动，利用自适应陷波滤波器在线提取同频信号自适应补偿不平衡，通过改变不同频率下的相位角来保持系统的稳定性，并对同频位移刚度进行补偿，使系统在较宽的速度范围内自抑制谐波振动。最后，通过仿真和实验对提出的控制方法进行了验证。实验结果表明，一次、三次和五次谐波振动分别减少94.4%，90.4%和85.9%，采用所提出的复合控制方法可以有效抑制谐波振动。验证了所提控制方法的有效性。

光学电压传感器在温度稳定性方面仍有亟待解决的问题，一是电光晶体在温度变化时存在温度梯度，导致表面温度与光路温度不等；二是晶体物性参数也会受到温度影响。为此提出一种基于温度场与双卡尔曼滤波（Dual Kalman，D-Kalman）参数估计的温度补偿方法。以锗酸铋晶体为研究对象，在对传感器输出信号进行交直流分离的基础上，先利用半解析法建立晶体暂态温度场模型，再分别通过卡尔曼滤波与中心差分卡尔曼滤波实现对晶体内部温度和初始温度下晶体折射率的状态估计，最后将修正参数与传感器输出信号高频分量相结合计算补偿电压。实验结果表明，传感器在外界温度为［20 ℃，40 ℃］以0.5 ℃/min速率不断升高的环境下，暂态温度场解析式的仿真精度在0.02%以内，实验测量精度在0.2%左右，补偿输出电压测量精度优于0.52%。与同平台下反向传播神经网络温度补偿效果以及不同平台下的补偿效果相比，该方法提高了传感器测量精度。

在机载光电转台、多自由度摇摆台等系统中，对于一些运动体与基座间没有确定的回转轴的柔性支撑、并联支撑平台，需要考虑非接触三轴角度测量方法，目前大部分的光电非接触三轴角度测量方案系统复杂，占用空间大，无法适用于如机载、星载等载荷对体积、质量敏感的场景。为此，文中提出了基于双位置敏感探测器（PSD）的非接触三轴角度测量方案，使用准直镜头汇聚、双面反射光楔反射，将光源在两片PSD上汇聚成像，利用PSD上的光斑位置坐标反解出三轴角度。描述了其工作原理以及传感器构成，分析了因两片PSD的相对位置偏移产生的误差，提出了对应补偿方法以减少焊装产生的PSD位置偏移对测量精度的影响。主要对采集的PSD模拟信号值的抖动噪声进行FIR滤波处理，分析了滤波器的相频响应特性，并在MCU中测量相位滞后时间以及滤波器的响应带宽，验证了该数字滤波器在系统内拥有较好的实时传输特性。自准直测量单元总质量为230 g，尺寸为50 mm×50 mm×50 mm。实验结果表明，34阶FIR滤波器将角度测量的误差减小至60%，在±2°测量范围内单轴测量时，方位角、俯仰角、横滚角的误差均方根分别为0.003°、0.007°、0.017°，组合测量时分别为0.006°、0.009°、0.021°，文中所提出的三维测角传感器精度较高，满足机载等场景的使用要求。

A whispering gallery mode resonator (WGMR) filter can narrow laser linewidth while significantly changing the output power characteristics of fiber laser system. It is found that traditional laser output power model is invalid. We report a correction model of a narrow linewidth fiber laser filtered with a WGMR to analyze its power. We believe that the loss of the laser system and the threshold gain increase caused by the WGMR filter lead to the predominate amplified spontaneous emission during the original laser period. According to that, we assume the correction coefficient is an exponential decay related to the Er-doped fiber length in the large loss situation, and we verify it experimentally. As a result, the correction model is valid for WGMR-filtered fiber laser.

工业废水分类是水污染防治和水资源管理的前提和基础，相较于生活污水，工业废水的分类研究相对滞后。水体化学需氧量 (COD) 是衡量水体质量的核心指标，针对现有工业废水COD分类算法中预测精度较低的问题，提出基于门控循环单元 (GRU) 的卷积神经网络 (CNN) 混合模型。该模型首先将紫外-可见光谱法测得的工业废水COD数据进行高斯滤波去噪，然后把去噪后的光谱数据输入CNN模型进行特征提取，最后通过GRU神经网络实现工业废水COD分类。实验结果显示，CNN-GRU分类模型经过200次训练后达到收敛, 分类精度达到99.5%，与长短期记忆方法、GRU方法、CNN-LSTM方法相比，该混合模型的分类精度具有显著优势。