双圈同轴型光纤传感器结构的优化与试验验证

为了验证用于测量物体表面形貌的双圈同轴型光纤传感器的数学模型的可行性、优化新结构光纤传感器中的参量以提高光纤传感器线性测量范围和灵敏度，采用了不影响调制特性曲线前坡数据的镜子纸作为反射面进行试验验证，并对新结构的光纤传感器进行了理论分析和数学建模，然后采用粒子群算法对新结构中的倾斜角度进行了优化。结果表明，以镜子纸为反射面所得的试验曲线与仿真调制特性曲线吻合，证明了用于测量物体表面形貌的双圈同轴型光纤传感器的数学模型的可行性；经粒子群算法优化后的倾斜角度为2.33°，此时前坡线性测量区间和灵敏度分别是倾斜角为零时的1.14倍和1.89倍。新结构的双圈同轴型光纤传感器展现出了良好的测量性能和应用前景。     

能源土边界面模型的应力更新算法及算例分析

水合物的存在会显著影响能源土的刚度、峰值强度与剪胀性。针对已有能源土模型的不足，结合边界面模型的建模思想，构建一个新的能源土边界面模型，模型参数较少，能够恰当反映能源土的应力-应变关系。计算能源土变形问题的核心在于正确积分塑性本构方程，应用完全隐式回退Euler算法，建立模型应力及塑性内变量的更新公式，并给出显式的一致性切线模量表达式。基于ABAQUS软件提供的二次开发接口，编写模型的用户材料子程序，应用已有试验数据验证程序正确性。最后应用开发的子程序对能源土的平面应变试验进行模拟，分析水合物饱和度对剪切带倾角与孔隙比的影响。     

基于变异算子和邻域值自适应的MOEA/D算法

基于分解的多目标进化算法（MOEA/D）在解决多目标问题时，具有简单有效的特点。但多数MOEA/D采用固定的控制参数，导致全局搜索能力差，难以平衡收敛性和多样性。针对以上问题提出一种基于变异算子和邻域值自适应的多目标优化算法。该算法根据种群中个体适应度值的分散或集中程度进行判断，并据此对变异算子进行自适应的调节，从而增强算法的全局搜索能力；根据进化所处的阶段以及个体适应度值的集中程度，自适应地调节邻域值大小，保证每个个体在不同的进化代数都有一个邻域值大小；在子问题邻域中，统计子问题对应个体的被支配数，通过判断被支配数是否超过设定的上限，来决定是否将Pareto支配关系也作为邻域内判断个体好坏的准则之一。将提出的算法与传统的MOEA/D在标准测试问题上进行对比。实验结果表明，提出的算法求得的解集具有更好的收敛性和多样性，在求解性能上具有一定的优势。     

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题,本文提出一种基于二维局部均值分解(Bidimensional Local Mean Decomposition,BLMD)和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks,NSDFB)算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法,BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis,BLMDDFA)。首先,计算两幅原始图片的熵值,同时提取熵值较大的图片的残余分量,该残余分量与另一张原始图片有着较强的相关性。然后,通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带,并使用不同的融合规则分别对低频子带和高频子带进行融合。最后,通过相应的逆变换运算获得融合图像。实验结果表明,本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法,在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6%、28.9%、37.4%和47.6%,信噪比较Laplacian方法降低了8.5%。