目的:针对激光驱动白光光源等高亮度、超小尺寸光源，现有测量系统因视场光阑失配导致光谱辐射亮度的测量精度低。为此，本研究建立了一种光源光谱辐射亮度的校准方法，并研制了一种光谱辐射亮度测量系统。方法:采用钨灯定标405 nm处的系统辐射亮度响应度，利用氘灯(170～200 nm)和宽谱白光光源(200～550 nm)定标系统的光谱辐射照度响应度，将被测光源的光谱辐射照度在405 nm处进行归一化，并乘以该波长处的辐射亮度，从而实现全波段的光谱辐射亮度精确测量。结果:对于1 W被测光源，系统在405 nm处辐射亮度的测量重复性相对标准偏差优于0.44%,测量扩展不确定度为9.57%(k=2)。结论:本研究所建立的测量系统与校准方法，实现了对高亮度、超小尺寸光源从真空紫外至可见光波段的光谱辐射亮度精密测量，为相关光源的计量标准化及产业化应用提供了技术支持。
目的:解决轮式爬壁机器人在壁面移动过程中因吸附表面滑移导致的运动轨迹偏移问题。方法:设计了一种轴-关节式转向结构，提出了一种融合前馈补偿与模糊逻辑的复合模糊PI双闭环电机控制算法。该算法通过前馈补偿消除外部干扰，利用模糊逻辑在线优化比例增益和积分增益，结合电流环与速度环的双闭环结构，实现电机转速的自适应优化。结果:仿真结果表明，本算法上升时间缩短至0.135 s,调节时间减少至0.075 s。实验进一步表明，搭载该算法的四轮爬壁机器人在直线运动中轨迹的偏移量为4.27 mm,圆周运动中的轨迹偏移量为0.95 cm。结论:基于复合模糊PI控制的爬壁机器人具有运动精度高、调整速度快及抗滑移能力强的优点。
目的:研究不同冲洗液流速(5、8.6、10、15 m/s)条件下，三种湍流数值计算模型在模拟牙根管冲洗过程中的适用性，重点分析各模型在计算精度和计算效率方面的差异。方法:以预备至15/04号规格(牙根管尖端直径0.15 mm、锥度4%)的上颌第一磨牙为研究对象，基于微型计算机断层扫描(Micro-CT)图像进行三维建模。以直接数值模拟(direct numerical simulation, DNS)结果作为对照基准，对比分析大涡模拟(large eddy simulation, LES)、剪切应力输运(shear stress transport, SST)与重整化群(renormalization group, RNG)三种湍流模型在不同入口流速条件下的计算精度和计算效率。结果:RNG模型在所有冲洗液流速下均较早出现低速区，模拟精度较低；SST模型在低流速(5～8.6 m/s)下速度变化与DNS的模拟结果接近，但随着流速上升，计算偏差增加；LES模型在高流速(10～15 m/s)下与DNS的模拟结果保持良好的一致性，能够准确反映根管顶端区域的速度分布。结论:在模拟精度方面，LES模型与DNS模型最为接近，SST模型次之，RNG模型偏差最大。在计算效率方面，SST模型耗时约为LES模型的20%,效率最高；RNG模型效率略低于SST模型；而LES模型计算耗时较长，效率最低。综合计算精度与效率考虑，SST模型在低流速条件(5～8.6 m/s)下表现出较好的精度与效率平衡性，适用于低流速冲洗模拟；LES模型在高流速条件(10～15 m/s)下具有更高的预测计算精度，更适合用于高流速冲洗模拟。需要说明的是，LES模型的优势部分来源于其更高的网格分辨率，使其能够更清楚地捕捉高速流动中的速度变化特征，从而更真实地反映冲洗液在根管内的流动情况。因此，在评估湍流模型性能时，应根据不同流速工况，综合考虑计算精度、效率与网格分辨率之间的平衡。
目的:开发菰的EST-SSR标记，为其遗传多样性分析、育种驯化及茭白品种鉴定提供理论依据和技术支持。方法:以浙江省审定品种“浙茭7号”为材料，提取其不同生长阶段叶片和茎组织的RNA并混样，利用随机六聚体引物构建文库，基于Illumina Hiseq 2000平台进行转录组测序。通过Trinity软件对所得转录组数据进行组装，再利用TransDecoder预测编码序列，获得具有编码潜力的unigenes集合；使用Krait软件进行简单重复序列(simple sequence repeat, SSR)位点挖掘和引物设计，根据引物的退火温度筛选引物，并以14份菰种质资源的DNA为模板，通过聚合酶链式反应(polymerase chain reaction, PCR)扩增及电泳检测验证引物的多态性。结果:共获得编码序列数据42.89 G,组装后得到94 822个具有缩码潜力的unigenes;识别出SSR位点11 951个，总长度为216 632 bp,占总序列长度的0.27%,相对丰度为147.3 loci/Mb,相对密度为2 670.12 bp/Mb。在重复类型中，三基序重复类型占绝大多数(占总数的82.75%),其中基序CCG的位点出现频率最高(占总数的43.49%)。筛选出的38对引物中15对具有多态性，其中SSRT-1、SSRT-2、SSRT-7、SSRT-12和SSRT-18具有共显性特征。结论:浙茭7号转录组表达序列中的SSR多态性较为丰富，所开发的EST-SSR标记为菰的遗传图谱构建、分子育种和种质资源鉴定提供了有效的技术支持。
目的:制备一种兼具良好力学性能、自修复性能及导电性的聚二甲基硅氧烷(polydimethylsiloxane, PDMS)弹性体材料，用于柔性应变传感器。方法:通过双(3-氨基丙基)封端聚二甲基硅氧烷(NH2-PDMS-NH2)与4,4′-二环己基甲烷二异氰酸酯(hydrogenated methylene diphenyl diisocyanate, HMDI)聚合形成由脲键连接的长链聚合物，再与3,4-二羟基苯甲醛(3, 4-dihydroxybenzaldehyde, DHB)进行亚胺缩合，构建氢键和亚胺键协同作用的双交联聚硅氧烷体系PDMS-Dx-Hy。通过调节脲键和亚胺键的比例，实现对材料性能的调控，并引入聚多巴胺功能化的碳纳米管(polydopamine-modified carbon nanotubes, CNTs-PDA)制备柔性应变传感器。通过红外光谱对其结构进行表征，并采用电子万能试验机和数字源表测试其性能。结果:PDMS-D0.5-H0.5弹性体综合性能最佳，断裂伸长率达410%,拉伸强度为1.3 MPa,室温自修复效率高达92.3%。在此基础上制备的CNTs-PDA/PDMS-D0.5-H0.5柔性传感器在切断并修复后，仍能在100次循环加载-卸载过程中保持稳定的电阻响应，并能实时监测人体关节大尺度运动和微生理信号。结论:成功开发出力学性能可调、自修复效率高的PDMS基弹性体，所构建的柔性传感器在可穿戴电子领域具有良好的应用前景。
目的:为应对传统进化算法在处理高维昂贵优化问题时面临的维度灾难和计算成本高昂等挑战，提出一种基于改进山地瞪羚优化器的增量克里金辅助进化算法(incremental Kriging-assisted evolutionary algorithm based on improved mountain gazelle optimizer, IKAEA-IMGO)。方法:针对山地瞪羚优化器(mountain gazelle optimizer, MGO)中生成个体出现无约束扩散的情况，引入正弦缩放因子限制个体位置，减少因边界检查而出现的位于搜索边界的个体，提升优化器搜索性能。采用自适应t分布对当前最优个体施加扰动，增加种群多样性。在此基础上，使用增量Kriging代理模型辅助MGO进行优化计算，降低计算成本。结果:在22个不同基准测试函数上的实验结果表明，IKAEA-IMGO在求解效率和稳定性上均具有一定优势。将所提算法应用于无人机路径规划问题，进一步验证了其有效性。结论:基于MGO的增量Kriging辅助进化算法能够有效平衡全局探索和局部开发能力，适用于高效计算高维昂贵优化问题。
目的:荧光干扰导致拉曼光谱信噪比低、特征峰被掩盖，而基于CCD和CMOS等图像传感器的传统探测方式难以有效解决该问题。方法:研制了基于单光子雪崩光电二极管的时间门控拉曼光谱检测系统。基于拉曼散射光与荧光发射光的时间差异，采用532 nm脉冲激光器与单光子雪崩光电二极管，结合时间门控技术，精准捕获拉曼信号，并抑制荧光干扰。以硅片、红纹石、粉水晶等矿物为样本进行测试，并将结果与商用HORIBA拉曼光谱仪的测试结果进行对比分析。结果:搭建的系统对拉曼特征峰的识别率达到100%,峰值与对应基线值之比(peak-to-baseline ratio, PBR)最高提升31倍。结论:该系统具有较强的荧光背景抑制能力，为矿物样品分析提供了一种极具潜力的新型检测手段。
目的:研究非线性自激波浪力作用下立柱式海洋平台的时滞模糊系统建模和控制问题。方法:针对一类带有主动调谐垂荡板的立柱式平台，采用Takagi-Sugeno(T-S)模糊方法建立控制模型；构造Lyapunov-Krasovskii泛函并运用积分不等式方法研究海洋平台的稳定性条件。结果:建立了该立柱式海洋平台系统的T-S模糊模型，得到了保证系统渐近稳定的充分条件，构建了相应的时滞模糊控制器。结论:仿真结果表明，所提出的时滞模糊控制方法能够有效扩大控制系统时滞的允许上界，提高海洋平台的稳定性。
目的:针对现有材料试验机校准过程中存在效率低下、无法同步记录、结果不易追溯等问题，本研究设计了一种具有较高适用性的智能校准系统。方法:通过集成图像与自动数据采集技术，构建了包含智能单元、图像采集模块、报告管理系统的校准平台。智能单元与标准器具显示装置相连，实时获取标准数据；图像采集模块根据指令同步获取试验机显示装置图像，并基于图像识别技术自动提取试验机示值。所有采集数据自动存储为电子原始记录，并上传至云端报告管理系统，生成校准报告。结果:与传统人工校准方式相比，该系统能够将校准效率提升两倍以上，同时大幅降低数据采集的离散度、减小示值误差，有效提升了数据的准确性与一致性。结论:本研究开发的智能校准系统不仅显著提高了材料试验机校准的自动化水平和工作效率，也为相关检测设备的智能化校准提供了可行的技术路径与实践参考。
目的:评估自适应傅里叶分解(adaptive Fourier decomposition, AFD)在流感时间序列分析中的应用潜力，提升趋势提取与短期预测精度。方法:首先，利用AFD提取序列的低阶趋势结构，并与季节-趋势分解(seasonal and trend decomposition using Loess, STL)、经验模态分解(empirical mode decomposition, EMD)方法进行对比。然后，以AFD分解所得高阶分量作为输入构建AFD-LSTM预测模型，在多个流感数据集上与STL-LSTM、EMD-LSTM及原始长短期记忆网络(long short-term memory, LSTM)模型开展对比实验。结果:AFD在趋势提取中表现最优，生成的趋势曲线结构连续、拐点清晰，能更好地贴合原始序列的长期演化形态。AFD-LSTM模型的预测精度最高，其平均绝对误差(mean absolute error, MAE)最低为0.004,决定系数(R2)最高达0.996,并且在稳定性与泛化能力方面均优于其他模型。结论:AFD方法在趋势建模与高阶扰动建模中均表现出色，所构建的AFD-LSTM框架可为流感监测与公共卫生预测提供稳定而高效的支持。