介绍了优化设计建模和算法选择两个专家系统及其并行处理技术，以及各子系统所采用的自律分散、并行设计和共享信息、协调工作的控制策略及其在工程优化设计的智能化和自动化中所起的作用

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

在Petri网理论基础上,对ECA规则进行了建模研究,建立了基本Petri网模型.对如何用Petri网表示具有复合事件ECA规则进行了专门分析.提出了扩展的Petri网系统,并综合考虑ECA规则自身特性,建立了ECA规则系统Petri网模型,比较全面地反映了ECA规则系统特性.通过构建可达树和变迁序列,可以较为清楚地了解ECA规则系统及其行为特性,便于对规则系统进行合理性验证,以帮助系统管理员对其进行分析和管理

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高

为了适应炼钢-连铸生产调度系统对实时性和动态性的要求,用Unifled Modeling Language(UML)对该问题建立了需求模型、静态模型和动态模型,探讨了使用UML建模的特点及关键技术。结果表明,UML能够将系统的结构与数据良好的结合起来,精确体现系统的需求

电信客户信用风险等级评估是对电信客户的信用风险进行等级分类.针对建立客户信用风险等级分类模型时,大量带有类标注数据难以获得的问题,提出了基于主动学习的分类器建模方法,并对基于QBC(委员会投票选择)的主动学习算法进行改进以提高分类器的预测精度.通过对实际电信客户数据进行信用风险等级建模实验,结果表明:应用新算法,分类器使用了较少的带类标签样本数据,达到了与被动学习相同的精度,大大降低了信用专家评估数据的工作量

深海采矿系统中,扬矿管受采矿船的航行速度及海浪、海流等因素的影响会发生横向偏移的问题.对带有集中质量的阶梯式扬矿管的横向偏移进行了建模,并用枷辽金（Galerkin）方法进行求解,通过计算机的模拟计算,分析了扬矿管在不同情况下横向偏移的特性

针对熔融气化炉冷煤气成分含量,提出了基于熵权模糊C均值聚类和偏最小二乘的COREX冷煤气成分预测方法.建模过程中首先根据料单中各种原料的单耗量,利用熵权模糊C均值聚类的方法将料单聚类成若干种料单类别,然后针对不同的料单类别,利用偏最小二乘法分别建立冷煤气成分预测模型.对宝钢COREX-1#炉实际生产数据验证结果表明:该方法可以有效地建立COREX冷煤气成分预测模型,具有较好的预测精度

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

针对复杂生产过程中的工况识别问题,利用了模块化的设计方法,将其分为离线建模模块和在线决策模块.建模模块采用自适应延时神经网络构造各类工况相应的预测模型,决策模块通过计算未知工况序列相对于各类预测模型的匹配程度判断其所属类别