鉴于卫星网络对安全性和应对故障的能力有很高的要求，引入了软件定义网络（SDN）技术，在网络中放置中央控制器来增强网络对故障的应对能力。首先，基于SDN的思想设计了一种卫星网络模型，计算了三层轨道上卫星运行的参数并构建星座；然后，采用分层路由的方法，设计了一种针对卫星网络的容错路由机制；最后，在Mininet平台上进行了仿真实验，将容错路由算法（FTR）的实验结果与基于链路感知的星间路由算法（LRSR）和多层卫星网络路由算法（MLSR）的实验结果进行了对比。对比结果表明，在网络中无损坏节点和链路的情况下，FTR的路由总延时比LRSR平均降低了6.06%，说明了引入SDN集中控制的有效性；FTR的丢包率比同样以最小延时为目标的MLSR降低了25.79%，说明了在网络模型中为中轨道（MEO）卫星设计临时存储路由机制的有效性。而当网络中节点和链路的失效情况比较严重时，FTR的路由总延时比LRSR降低了3.99%，比MLSR降低了19.19%；其丢包率比LRSR降低了16.94%，比MLSR降低了37.95%，说明了FTR的容错有效性。实验结果验证了基于SDN的卫星网络路由机制具有更好的容错能力。

为了准确、快速地测量列车车轴的空间直线度，构建了列车车轴空间直线度测量系统，对所述测量系统采用的空间圆拟合、空间直线拟合、直线度测量等算法进行研究。首先，根据被测对象的特征介绍了基于空间平面与空间球相切空间圆拟合算法；然后，利用随机采样一致性（RANSAC）算法迭代出符合模型的最佳点集，在列车车轴截面空间圆拟合获取的数据基础上对列车车轴截面空间圆圆心所处数据进行分析，并利用狼群算法拟合空间直线，即通过空间截面所处位置的列车车轴截面空间圆的圆心坐标拟合列车车轴空间直线；最后，利用狼群算法对列车车轴空间直线度进行测量，并把测量数据与激光跟踪仪数据进行对比。实验结果表明：基于狼群算法的列车车轴空间直线度测量精度为0.01 mm，能够满足列车车轴空间直线度测量的高精度、高稳定性及测量重复性等要求。

针对动车（CRH）车身尺寸范围大、检测项目复杂、车型变化多，不容易实现在线测量的难题，首先提出了大型动车车身关键尺寸的测量方案，利用双目电荷耦合装置（CCD）立体视觉建立各个关键尺寸的视觉测量子站，同时利用激光跟踪仪及相关坐标变换算法，完成对各个CCD相机测量子站的全局标定；各个测量子站利用立体空间球检测技术，对局部关键尺寸进行测量；同时构建了基于小波分析的神经网络温度误差补偿模型，使空间距离补偿后的精度能达到0.05 mm。将该方法与三坐标测量机测得的数据对比验证，可以发现该方法操作简单、灵活性高、精度较高，可有效解决动车车身关键尺寸检测问题。