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。

为了实现超冗余机械臂动力学模型的精确辨识，提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先，介绍了超冗余机械臂的动力学模型和最小参数集，建立了关节非线性摩擦模型，使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束，基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后，利用数据集训练BP神经网络，得到超冗余机械臂半参数动力学模型，并与多种算法进行了比较分析。实验结果表明：相较于传统的最小二乘算法和加权最小二乘算法，通过使用本文提出的辨识算法，关节辨识力矩残差均方根（Root Mean Square, RMS）之和分别提高了32.81%和23.76%，半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%，辨识结果验证了辨识方法的有效性和优越性。

为了平衡相位计算的精度和速度，大量的两步随机相移算法发展起来。提出了一种基于主成分分析和VU分解法的快速、高精度两步随机相移算法。首先，采用两步主成分分析法对经过滤波的两幅相移干涉图进行计算求出迭代初始相位；然后，利用没有滤波的两幅相移干涉图进行VU分解、迭代求出最终相位。通过模拟和实验结果对比表明：与四种性能良好的两步随机相移算法相比，对于不同的条纹类型、噪声、相移值及条纹数量，提出的算法综合性能最好，其精度最高，有效相移范围和有效条纹数量范围最大，当干涉图像素数为401 pixel×401 pixel时，提出的算法仅比格兰-施密特正交化法和两步主成分分析法多花费0.035 s。在理想情况下，提出的算法可以得到完全正确的结果。如果需要得到较高精度，最好能够提前抑制噪声，同时设置相移值远离0和π，条纹数量大于2。主成分分析和VU分解法无需滤波，花费近似非迭代算法的时间获得迭代算法的精度，其打破了迭代算法花费时间较多的限制，适合高精度光学在线检测，有广泛的发展前景。

双自由曲面光束整形系统可在不改变光束相位分布的情况下实现光束空间光强分布的按需调控，然而其需要设置虚拟平面来进行双自由曲面面形的求解。研究发现，传统单一虚拟面法在应用于结构紧凑和扩束倍率较大的系统时，存在设计不精准、整形效果差等缺陷，为此，提出了一种基于虚拟面迭代策略的双自由曲面光束整形系统设计方法。基于不同参数的同轴透射式和离轴反射式光束整形系统的数值仿真研究结果，表明该方法可有效规避传统虚拟面法的局限性。以将束腰半径为5 mm的高斯光束整形为半径30 mm的准直平顶光束的透射式双自由曲面光束整形系统为例，虚拟面迭代法所设计的光束整形系统将光强分布均匀性和能量利用率相对于单一虚拟面法而言分别提升了2.93%和8.93%。

针对ICP算法在初始位姿差、部分数据丢失和噪声干扰情况下鲁棒性差、配准精度低的问题，提出一种基于统计局部特征描述与匹配的点云配准算法。首先，用点云局部密度、点云拟合平面距离方差、高斯曲率和平均曲率构建一个四维的统计局部特征描述符，准确地描述查询点的局部特征；然后，通过点对间的特征差异进行对应点匹配，剔除错误点对，解决点云部分数据缺失和噪声干扰的问题；最后，使用平均匹配距离作为度量改进ICP算法，对点云进行配准，解决初始位姿较差时配准精度低的问题。实验结果表明，该算法在初始位姿差、部分数据丢失和噪声干扰情况下的配准精度提高至少1个量级，配准速率也有较大提升，在鲁棒性和配准精度方面均表现出明显优势。