为了获得奥氏体不锈钢在液压支柱钢表面激光熔覆的最佳工艺参数，选取工艺参数激光功率、扫描速度、送粉速度为输入变量，将熔覆层质量作为评价指标建立数学模型，设计了16组正交实验。利用自适应混沌粒子群算法进行寻优，对熔覆层宏观形貌和显微组织进行实验分析，验证优化后的工艺参数的合理性与准确性，并将综合评价值相近的两组试件进行对比。结果表明：激光功率为1200 W、扫描速度为13 mm/s、送粉速度为1.72 g/min是最佳的工艺参数组合；采用自适应混沌粒子群算法对工艺参数进行优化，能够有效地改善熔覆层的宏观缺陷和表面性能，证明了该优化算法在激光熔覆领域应用的可行性。

减速型有限能量Airy脉冲振荡拖尾形状和频谱受多个参数的影响，分别分析减速型有限能量Airy脉冲峰值功率、脉冲宽度、初始啁啾、截断系数和分布因子变化对异常波产生以及超连续谱的相干性和稳定性的影响。研究结果表明，减速型有限能量Airy脉冲参数变化能够对超连续谱中异常波起到调控作用并影响超连续谱的相干性和稳定性。此外，利用多目标粒子群算法对5个脉冲参数同时进行优化，将500次模拟输出孤子峰值功率平均值两倍作为判断异常波产生的标准，将产生异常波的个数及500次模拟输出孤子峰值功率分布作为优化目标，得到减速型有限能量Airy脉冲促进或抑制异常波产生的最佳脉冲参数，实现超连续谱中异常波的可控产生。

研究高效、 准确、 便捷的土壤重金属检测方法对于了解土壤的污染状况以及开展污染防治工作具有重要的意义。 由于X射线荧光光谱分析（XRF）技术具备快速、 准确、 无损检测、 样品制备简单等优势, 在土壤重元素定量检测获得广泛应用。 XRF仪器测试标准样品的荧光光谱并建立校准曲线, 通过反演计算得到待测样品的元素含量。 由于样品元素间存在基体效应, 以及荧光谱特征峰存在叠加干扰, 未经优化的校准曲线的线性度较差, 这给反演计算来困难。 为了解决上述问题, 分别利用小波变换、 非对称加权惩罚最小二乘法(arPLS)对光谱进行去噪和扣除本底基线, 提高校准曲线的决定系数（R2）; 运用竞争性自适应重加权算法（CARS）, 针对不同目标元素优化变量选取; 进一步地, 基于选取的变量建立粒子群算法（PSO）优化的支持向量机回归（SVR）模型, 并通过该模型反演计算各元素含量, 提高定量分析的准确度和预测的泛化能力。 实验结果显示, 经过小波去噪和arPLS本底扣除后的校准曲线的决定系数（R2）有明显提升, Cr、 Cu、 Zn、 As、 Pb分别从0.965、 0.979、 0.971、 0.794、 0.915提高为0.979、 0.987、 0.981、 0.828、 0.953; 通过CARS选取的谱线变量的个数大幅度减少, 从2 048个通道降低到30个以下, 为原来变量个数的1.5%, 提高了变量选择的精准性; 与偏最小二乘法（PLS）、 未优化的SVR模型进行对比, 采用CARS变量选择和PSO优化的SVR模型进行含量预测, 训练集R2C与测试集R2P的决定系数分别在0.99、 0.90以上, 预测准确性有明显提高。 因此, 所提出的竞争性自适应重加权算法和PSO优化的SVR定量分析模型对于土壤重金属元素定量分析具有较好的理论指导和应用价值。

多光谱辐射测温技术获取真实温度时, 目标发射率信息是温度求解的关键。 一般解决的方法是基于发射率与波长或温度之间的函数关系建立发射率假设模型。 然而, 当假设模型与实际情况存在偏差时, 会造成较大的温度测量误差。 因此, 消除目标未知发射率的干扰, 减少对发射率模型的依赖, 增加测温算法的通用性, 是多光谱辐射测温技术亟需解决的难题。 提出了改进的粒子群与遗传混合优化算法（HPSOGA）, 算法的核心思想是将多波长辐射测温问题转化为约束优化问题。 首先根据约束条件所设置的范围, 在可行域内生成若干个群, 每个种群对应一组满足条件的光谱发射率, 然后通过HPSOGA算法不断地进化、 迭代操作, 最终寻得最优适应度值的对应解。 该算法实现了在不需要假设发射率模型的情况下, 同时反演出目标的光谱发射率和真实温度。 通过对六种典型的发射率模型进行仿真, 验证了新算法对不同分布趋势的光谱发射率反演的适应性。 结果表明, 在真温800和900 K的情况下, 反演温度的平均相对误差小于0.73%。 最后, 将该算法应用于火箭发动机羽焰温度测量数据的处理。 结果表明, 当设计温度为2 490 K时, 反演温度的相对误差均小于0.65%。 仿真与实验均表明, 新算法可求解出满足一定精度要求的发射率和真温。 因此, 提出的HPSOGA算法是可靠的、 有效的, 为多光谱辐射测温技术测量目标真实温度提供了一种新的思路。

精准的航迹跟踪是无人机实现任务规划的必要条件。针对自适应优化制导律(AOGL)算法中, 权重矩阵依靠先验知识或者试探选取、缺乏理论指导且未必最优的问题, 提出了一种基于粒子群优化AOGL航迹跟踪方法。将权重矩阵中各元素经验值乘以待优化系数, 代入黎卡提方程, 推导出修正之后的制导律, 进而构造目标函数进行寻优求解。在不同的扰动风速条件下, 针对线性、圆形期望跟踪航迹分别进行数值仿真, 结果表明, PSO-AOGL航迹跟踪效果更优, 可有效降低跟踪位置误差。

针对无人机在复杂多障碍环境下的路径规划问题, 提出基于改进粒子群的优化算法。首先, 通过统一障碍物环境建模、优化适应度函数, 并采用混沌粒子初始化使粒子群多样化, 增强了算法的稳定性; 然后, 用自适应加速度系数替代传统粒子群算法的加速度常数, 避免陷入局部极小值, 同时提高了算法收敛到全局最优解的效率; 最后, 用无人机运动编码代替传统粒子群算法中粒子搜索轨迹的编码方式, 提高解的最优性, 搜索最优解路径。仿真结果表明: 当进行无人机路径规划时, 改进粒子群算法可以有效解决复杂的多障碍环境中传统粒子群算法的问题, 与灰狼优化算法、差分进化算法、量子粒子群算法和传统粒子群算法相比, 改进后的算法在不同场景静态环境中路径寻优精度和稳定性明显提高, 且与动态粒子群算法相比, 新算法也能更好地适应动态环境。

光伏容量的增加会导致系统出现小干扰稳定问题,广义短路比指标可反映多光伏馈入系统的小干扰稳定性。基于此,提出了在广义短路比约束条件下,多光伏馈入交流网络中任意节点的最大准入容量优化方法。首先,建立多光伏馈入系统的小干扰稳定性分析模型;其次,以未降阶拓展阻抗矩阵的形式表达广义短路比,考虑光伏接入网络中任意节点的情况,建立基于广义短路比约束的光伏最大准入容量优化模型,并采用改进的粒子群算法进行模型的求解。最后,通过仿真验证了该方法的正确性。

为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题; 其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力; 然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度; 最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5m×5m×3m和5m×4m×3m两种定位模型中，在0，0.5，1.0和1.5m四个高度平面的空间定位平均误差分别为0.65和0.54cm; 实验结果显示，在搭建的1m×1m×0.8m和1m×0.8m×0.8m室内空间中的平均定位误差分别为2.67和1.81cm。