由稳态条件下描述光纤中受激拉曼散射(SRS)效应的光功率耦合方程出发,采用解析方法对多阶级联拉曼光纤激光器(CRFLs)进行了理论分析。根据拉曼光纤激光器级联阶数的奇偶性分别推导出了多阶级联拉曼光纤激光器的输出功率、光-光转换效率最大时的拉曼光纤长度和输出耦合器反射率。通过忽略反射回谐振腔输入端的剩余抽运光功率,计算了5阶级联拉曼光纤激光器的输出特性和光-光转换效率随光纤长度和输出耦合器反射率的变化。利用已有的5阶级联掺锗拉曼光纤激光器输出特性实验数据与理论分析结果进行了对比。

脉冲激光沉积技术是制备先进光学薄膜与纳米光学器件的重要手段和前沿领域，是国际研究的热点。介绍了脉冲激光沉积技术原理与特点、制备功能薄膜的研究现状和发展动向，着重阐述了双激光沉积制备功能薄膜的研究现状与未来发展；同时基于更高的需求，针对脉冲激光沉积技术的特点，设计构建了结合动能粒子磁过滤技术的激光沉积系统，提出了融合原子层沉积技术的发展思想，为提高激光沉积功能薄膜性能提供了硬件支撑和技术指导。

基于微机电系统(MEMS)微加工技术和Pb(Mg1/3Nb2/3)O3-PbTiO3 (PMN-PT)电光材料设计的一维二进制码相位调制器(1D-BPM)可用于激光显示技术中的散斑消除。建立了1D-BPM数学模型，推导出电极在PMN-PT片内产生的电场和PMN-PT折射率变化导致通过的光束相位变化的关系。采用有限元分析方法仿真了电极几何尺寸对相位的影响,发现当电极尺寸在亚微米级时，两电极间相位分布不仅依赖于电极产生的电场大小，而且受到电极几何尺寸的影响。电极角效应是器件设计及优化时需考虑的重要因素。

针对捷联式惯导系统单位置对准可观测性的问题, 以捷联式惯导10状态变量误差方程为研究对象, 利用奇异值分解的方法, 对固定位置对准的系统各状态变量的可观测性进行分析。可观测性分析结果表明：系统的各状态变量非完全可观, 方位失准角的可观测度较低。为了改善对准系统的可观测性, 根据可观测度分析结果及工程应用特性进行模型降阶, 得到7阶卡尔曼滤波参数模型并进行了实验验证。实验结果表明：降阶后的模型对滤波参数的容忍度更大, 且降阶后模型的精度要高于降阶前的精度。

利用COMSOL仿真软件建立了铜片双温模型, 通过控制变量, 数值研究了光斑半径和激光能量对电子与晶格温度的影响, 并预测了烧蚀形貌。结果表明, 单脉冲激光光斑半径越大, 铜片的烧蚀深度越小, 烧蚀面积越大; 激光能量越高, 铜片的烧蚀深度越大, 烧蚀面积越大。实验结果进一步证实了仿真的可靠性。

分析了现有金属激光立体成形(MLSF)切片算法,提出了一种基于STL模型动态拓扑重构的快速切片算法。根据STL模型中三角面片的几何信息和切片厚度,通过建立分组矩阵,减小了三角面片遍历的次数; 通过构建三角面片之间的局部动态拓扑关系,减小了切片平面与三角面片的求交计算次数; 并根据切片过程中大部分三角面片的毗邻关系不发生改变这一事实,提出了动态拓扑重构的算法,减小了切片过程中三角面片毗邻关系的查找次数,从而提高了切片算法的整体效率。在该算法的基础上,使用Visual C++和OpenGL开发了金属激光立体成形软件系统。

建立了激光谐振腔往返传输矩阵,通过求解往返传输矩阵的特征值与特征向量,获得了激光谐振腔模式特征。该方法可以用于快速计算同阶贝塞耳函数的所有谐振腔模式和衍射损耗,其结果与Fox-Li数值迭代方式计算结果完全一致。分别就对称谐振腔往返传输矩阵的A2与单程传输矩阵A的特征值及特征向量之间的关系和物理意义,以及非对称谐振腔往返传输矩阵AB与BA的特征值及特征向量之间关系和物理意义进行了分析和讨论,建立了数学表达式,并可以通过改变传输矩阵来提高计算效率。分析了对称共焦腔离散单元数量对光腔模式计算结果的影响,建立了最佳离散单元数量与谐振腔镜片半径的关系表达式,并实现了大菲涅耳系数共焦腔模式的计算。

通过实验研究了阈噪比(TNR)不变时信噪比(SNR)对激光雷达测距特性的影响，结果表明，信噪比远高于阈噪比时，激光雷达测距数据的离散分布服从正态分布，且随着信噪比的降低，测距数据离散分布逐渐偏离正态分布，呈现上升沿陡下降沿缓的形式；当信噪比接近阈噪比时，测距数据的离散分布又逐渐趋向于正态分布，但此时激光雷达的漏测率迅速增加。在此基础上，采用置信概率68.2%对应置信区间的一半来衡量激光雷达的测距精度，并给出了测距精度计算方法，它能更准确地表征激光雷达测距数据的密集度，具有更好的普适性。

泛微案例_南京先进激光技术研究院-利用OA进行的供应链开发项目.pptx

将反馈型(BP)神经网络和遗传算法(GA)相结合用于激光多层熔覆厚纳米Al2O3-13%TiO2(质量分数)陶瓷涂层的工艺参数优化，根据3因素3水平正交试验结果对神经网络模型结构进行训练，建立了熔覆工艺参数(熔池闭环控制温度、超声振动频率及保温箱预热温度)与涂层性能(结合强度和显微硬度)之间的遗传神经网络预测模型。在此基础上，采用遗传算法对纳米陶瓷涂层结合强度和显微硬度进行了单目标和多目标参数优化。结果表明，遗传神经网络模型预测值与试验值误差较小，相对误差不超过2.5%。遗传算法优化的涂层最大结合强度和显微硬度分别为70.7 MPa和2025.5 HV；在结合强度和显微硬度两者权重相同的情况下，当熔池闭环控制温度为2472.0 ℃、超声振动频率为31.9 kHz和保温箱预热温度为400 ℃时涂层综合性能最优，对应的结合强度和显微硬度分别为69.1 MPa和1835.5 HV。