水下无线光通信（UWOC）是一种新兴的高速水下通信技术，因其拥有传输带宽高、抗电磁干扰能力强、功耗低和体积小等优点，在学术界和工业界逐渐引起广泛关注。尽管光作为信息载体在水下传输时存在较大衰减，但其传输距离仍然可达百米级别，足以满足传感器数据传输的距离要求。然而，目前UWOC技术仍处于早期发展阶段，大部分UWOC系统的实验仅在实验室水箱开展，且性能测试方法各不相同，缺乏统一的性能测试模型和方法。为更客观地评估UWOC系统的性能，文章尝试提出UWOC系统的一般测试方法，建立测试模型，并总结系统评价指标，以促进UWOC技术的发展。

本文针对超湿黏土壤土地面履带装备通过性问题，研究了履带装备黏土壤土通过性的评价指标。首先，采集了黏土壤土的土壤样本和地面高程信息，进行了黏土壤土的力学特性实验，获取了土壤力学特性参数，构建了地面不平度功率谱密度函数；其次，结合某履带装备结构参数，构建了履带装备超湿黏土壤土地面通过性仿真模型，以负重轮沉陷量为评价指标，得出负重轮最大沉陷量315.01 mm小于装备离地间隙的结论；研究了履带装备通过性的影响因素，得出了履带装备在超湿黏土壤土上的通过性随装备行驶速度、履带预张紧力、地面等级、土壤黏聚模量的变化规律。本文的研究成果具有较强的工程实践意义，可为履带装备的设计研发和优化升级提供理论指导和技术支撑。

针对当训练样本量不足或者迭代次数降低时生成图像质量急剧下降的问题，提出了一种基于改进Fisher准则的深度卷积生成对抗网络算法（FDCGAN，Deep Convolutional Generative Adversarial Network algorithm based on improved Fisher's criterion）。该方法在判别模型中添加线性层，用来提取类别信息。在反向传播中采用基于Fisher的约束准则，结合标签和类别信息，在权值的迭代调整时既考虑误差的最小化，又同时让样本保持类内距离小、类间距离大，从而使权值能更加快速地逼近最优值。通过与最新不同的6个网络模型进行对比实验，FDCGAN模型在FID指标上均取得了较好的效果。此外，通过将该方法运用到目前先进模型上进行泛化测试，实验结果均取得较理想的效果。

本文提出一种基于数量自动确定的机床主轴热误差通用型温度敏感点组合选取方法以解决敏感点数量的选取依赖人工经验的问题。首先，计算各温度变量与热误差之间的绝对均相关系数以评估各温度点对主轴热误差的相关程度。其次，将绝对均相关系数最大的温度点作为K-Means++聚类算法的首个初始聚类中心，进一步选取一系列数量不同的温度敏感点组合。然后，将所得的一系列敏感点组合和热误差作为输入，建立反向传播（Back Propagation， BP）神经网络热误差模型，并通过评价指标选取预测性能最优的温度敏感点组合。最后，在VMC850数控机床上进行了最优温度敏感点组合在不同工况相同误差项、相同工况不同误差项中的有效性以及在不同热误差模型中的通用性验证。结果表明，本文提出的温度敏感点组合选取法适用于不同工况下的误差预测，且在不同的热误差模型中具有良好的通用性。

针对传统回归模型在多种场景光谱重建中存在的泛化性能较差的问题，提出一种自适应优化的多输出最小二乘支持向量回归光谱反射率重建方法，满足泛场景下最优光谱重建模型应用需求。首先使用多输出最小二乘支持向量回归作为重建模型，该模型具有良好的收敛速度及小样本拟合精度。同时为了提高模型在多种场景下的泛化性能，提出一种融合拟合精度与变化趋势，且具有自适应权重的综合评价指标，作为混沌麻雀搜索算法的适应度函数，对重建模型进行不同场景的参数动态寻优，解决特定场景的模型参数最优化问题。实验结果表明，在不同彩绘文物参考色块光谱重建中，该方法的平均光谱均方根误差降低了0.029 2、适应度系数提高了1.29%、色差降低了3.38，能够针对不同重建场景自适应优化模型参数，在不同重建场景中均获得了较好的光谱反射率重建效果。

针对在一定压差及温度梯度等复合环境下工作的大口径光学窗口，提出了一种由光学玻璃与亚克力板组成的光学窗口组合方案，并以热光学分析为基础，对光学窗口整体强度及热环境进行了理论分析计算，得出光学窗口玻璃最小厚度。利用有限元软件将压力场及轴向温度场映射至三维结构模型，计算得到直径为380 mm的光学窗口在不同玻璃厚度下力热耦合的面形变化及成像质量评价指标，并通过相应的环境性试验对仿真结果进行验证。实验结果表明：以K9光学玻璃为原材料的大口径光学窗口在此工作环境下的厚度不小于32.5 mm；当光学窗口厚度为35 mm时，其所受热力学影响可以忽略。因此，35 mm的大口径组合式光学窗口既能满足强度要求，又能满足多光谱相机成像质量要求，为该类窗口的设计提供了依据。