科研和工程领域的不断发展对光测力学方法的高精度、大量程、实时性提出了更高的要求。其中,二维数字图像相关方法被广泛用于面内位移测量,目前0.01像素的测量精度能满足大部分位移测量需求,但数字图像相关方法(DIC)的实时性还未能满足工业在线监测等应用场景。干涉法包括激光干涉,电子散斑干涉(ESPI)等已被广泛用于离面位移测量,但受位相提取速度和精度,散斑退相关等因素的制约无法同时满足高精度,大量程和实时性的测量需求。投影光栅法作为一种主动测量方法常用于形貌测量领域,与干涉法相同,核心手段在于对条纹图的分析,将提取到的位相转化为待测物理量,因此测量效率依赖于准确高效的位相提取方法。此外,神经网络法作为机器学习的重要组成部分,在图像、语音等领域已获得了广泛的应用,该方法也被引入到光学测量中,为光学测量中振动信号分析、条纹图分析等问题提供了新的解决思路。本文工作以同时实现高精度,大量程,实时性的测量需求为目标,对现有测量手段做出了以下改进:(1)介绍了以牛顿迭代法(NR)和反向组合高斯牛顿法(IC-GN)为代表的传统数字图像相关方法,并指出亚像素位移的迭代计算是DIC方法耗时的关键。基于此提出采用加权移动最小二乘法沿时间轴拟合整像素位移得到亚像素位移的时间序列法,并进一步引入GPU并行计算。先将时间序列法和IC-GN算法的计算量进行对比分析,再通过模拟疲劳加载实验和拉伸实验结果验证了该算法的计算效率,实现了 230000POI/S的计算速度。(2)基于迈克尔逊干涉离面位移测量系统,提出了一种位移跟踪测量算法。该测量算法分别利用反向误差传播神经网络(BP)和卷积神经网络(CNN)实时监测干涉条纹图的状态,以得到位移端的位移大小和方向,并在补偿端促动压电陶瓷纳米平动台进行位移跟踪和累计测量。分别搭建了反射面干涉测量系统和漫反射面干涉测量系统,并实现了 210微米内的精确测量,200ms内的测量精度为10nm。(3)提出了一种基于U-Net神经网络的单张图的位相提取算法,将位相提取问题转化成图像映射问题,充分发挥了神经网络算法在图像处理领域上的优势。分别利用模拟条纹图和激光干涉条纹图,投影光栅条纹图对已训练的U-Net网络进行测试,测试结果证明相比于小波变换法,该算法具有速度优势,低条纹质量要求,和更强的复杂形貌物体位相处理能力。(4)针对滚动轴承故障早期有效信息被噪声掩盖问题,提出一种结合包络谱自相关曲线与BP网络的轴承工作状态监测方法。