由于不规则复杂狭小空间微小渗漏难以测量，急需一种便于安装、痕量级测量、快速应答、精准定位的在线监测系统。本文设计了一种基于 Visual Basic(VB)的泄漏在线监测系统，总节点以 XC6SLX16-3CSG324I为主控芯片，子节点以 STM32F103C8T6为硬件电路的主控芯片，微系统(MEMS)金属氧化物传感器 Ccs811、Bmp180、Si7021构成数据采集电路。采集电路采用柔性电路技术，以适应狭小空间贴装，便于监测；被测泄露工质可以是纯粹的气体或含有某些挥发性物质的液态。实验结果表明，该系统可实现非接触式测量、快速传感、精确定位，并可测量到挥发性有机化合物(VOC)气体浓度为 ppb量级，实现痕量级渗漏测量。

设计了一种基于先进外设接口(APB)总线的单线数字接口(OWI), APB总线可以配置接口参数并读取接口的状态、数据信息, 有着较强的灵活性与可监测性。该接口通过一根公用的数据线实现主机与一个或多个从器件之间的半双工双向通信。相比于其他通信接口, 线路简单, 节约了 I/O口资源, 降低了硬件成本。本文基于单线传输协议, 对数据传输时序以及状态机进行了设计, 通过寄存器转换级(RTL)仿真与可编程阵列逻辑(FPGA)验证, 结果显示数据可以稳定正确地通过单线接口进行传输, 数据传输速率可达 100 kHz。

金属增材制造技术具有高效成型、节省材料和短加工周期等优点，能突破传统制造工艺的局限生产出空间结构复杂的构件，深受汽车工业、航空航天和医疗器械等领域的青睐。然而，增材制造技术在成形过程中产生的未熔合、裂纹和孔洞等缺陷限制了增材制造技术在工业上的推广与广泛应用。因此，金属增材制造产品的质量控制特别是在线监测具有重要意义。超声检测是材料内部缺陷最常用的手段。相较于传统超声无损检测技术，激光超声无损检测具有非接触、灵敏度高和适用于恶劣环境等优势，可以实现快速在线监测。本文扼要地介绍了金属增材制造和激光超声无损检测的技术特点，分析了激光超声的两种作用机制，简单地介绍了激光超声无损检测的原理和检测系统的搭建，系统地总结了国内外激光超声无损检测在普通金属材料和增材制造材料上的应用进展，并对激光超声无损检测技术应用于增材制造过程进行了展望。

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题，提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法。以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象，将这些样本分别划分为校正集和验证集，并采用偏最小二乘回归（Partial Least Squares Regression， PLSR）方法和提出的偏最小二乘回归多模型（multi--model Partial Least Squares Regression， multi--PLSR）方法建立了预测模型。然后对比和观察了两种方法的预测效果。以类型2的蚕丝样本为例，选用13个主成分并对比两种模型后发现，multi--PLSR模型的相关系数由0.594增至0.9784，平均相对误差由0.4866降至0.1384。实验结果表明，新方法充分利用了光谱数据中的信息，提高了蚕丝含量占比预测模型的精度，为建立近红外光谱预测模型提供了一种新思路。

近红外光谱分析技术可用于对样本的快速无损检测, 在人们的生产和生活中发挥着越来越重要的作用。 支持向量机是建立定性分析模型的常用方法, 可通过寻找最优分类超平面将两类样本分开。 在小样本情况下, 支持向量机方法有其独特的优势。 主成分分析是常用的数据降维方法, 可将数据降维之后作为支持向量机方法的输入变量, 简化模型并提高模型识别的准确性。 因此, 基于主成分分析的支持向量机(简称PCA-SVM)适合用于建立近红外光谱定性分析模型。 多模型方法是人们使用较少的建模方法, 用该方法建立的模型一般具有较好的稳定性。 将多模型方法与PCA-SVM方法成功结合形成了新方法。 以棉锦混合、 棉涤混合纺织品为例, 用新方法建立了这两类纺织品样本的近红外光谱定性分析模型。 建模时将光谱数据按照波长分为4组, 用每组光谱数据建立一个子模型, 将子模型的输出值进行加权平均便得到最终的预测结果。 这样可以更充分地使用光谱数据中所包含的信息。 为了便于对比不同的方法, 仍使用上述校正集和验证集, 又用PCA-SVM方法建立了这两类纺织品样本的近红外光谱定性分析模型。 对预测结果做交叉验证, 用新方法所建模型判别的正确率的平均值为85.49%, 正确率的标准差为0.066 7, 用PCA-SVM方法所建模型判别的正确率的平均值为83.34%, 正确率的标准差为0.109 6。 研究结果表明用新方法所建模型的分类效果好于用PCA-SVM方法所建模型的分类效果; 用新方法建立的模型的稳定性明显高于用PCA-SVM方法建立的模型的稳定性。 用PCA-SVM方法所建模型的预测效果受校正集构成情况的影响较大, 而用新方法所建模型的预测效果则相对稳定。 对废旧纺织品进行分类回收可大量节约纺织原材料, 但采用人工分拣方式效率低且成本高。 采用近红外光谱分析方法对纺织品进行分类, 为废旧纺织品的大规模精细分拣和分级奠定了一定的基础。 该新方法有望用于某些其他类型样本的分类。

棉是一种重要的天然纤维，如果能根据废旧纺织品的棉含量对其进行分类回收利用，可极大地减少对天然纤维资源的消耗。但目前废旧纺织品的回收主要采用人工分拣方式，这种方式效率低、成本高，难以满足对废旧纺织品进行大规模精细分拣、分级的需要。本文使用近红外光谱分析方法对废旧纺织品的棉含量进行判定，用基于主成分分析的支持向量机方法建立了废旧纺织品的近红外光谱定性分析模型，模型能将含棉和不含棉的两类废旧纺织品很好地分开。对于含棉的废旧纺织品，又用多模型方法建立了废旧纺织品棉含量的近红外光谱分析模型，模型具有较好的预测结果。综合使用上述两个模型，能较好地判定废旧纺织品的棉含量。这种新方法有望用于废旧纺织品某些其它天然纤维含量的快速判定。

LED电极结构极大地影响着LED芯片的电流扩展能力, 优化电极结构, 能够缓解电流拥挤现象。讨论了正装LED结构和倒装LED结构的电流分布模型, 并通过SimuLED软件研究了电极结构对LED电流扩展能力的影响。仿真结果表明: 采用插指型电极结构极大提高了正装LED的电流扩展能力, 电极下方插入电流阻挡层(CBL)后改变了芯片的电流分布状况, 有利于光效的提升; 而倒装LED的通孔式双层金属电极结构利用两层金属的互联作用, 使n电极能够在整个芯片范围内均匀分布, 进一步提高了电流扩展性能。

电子束快速成型设备偏扫系统工作频率高，磁偏扫装置的铁损、涡流等损耗导致偏扫轨迹产生偏差。通过获取偏扫区域内特征点基准偏扫参数并由插补算法计算区域内任意一点偏扫参数，能够较好地抑制动态偏差; 但由光学观察系统判断电子束斑点位置所获得的基准偏扫参数精确性较低。为提高偏扫轨迹精度，在现有电子束快速成型机上加装一种特征点参数采集装置，收集产生的二次反射电子，通过二次反射电子信号判断特征点通孔中心与电子束斑点中心的对中性。实验表明: 当电子束斑点位于特征点中心且聚焦于上表面时，二次反射电子信号最小，此时获得的基准偏扫参数精确性高，能够提高电子束偏扫加工的精度。