为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法

图像分割是计算机视觉领域中的重要分支，旨在将图像分成若干个特定的、具有独特性质的区域。随着计算机硬件计算能力的提高和计算方法的进步，大量基于不同理论的图像分割算法获得了长足的发展。因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估，从而选择最优分割算法，成为图像分割研究中的必要环节。在综述14种图像分割评估指标的基础上，将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类。在材料显微图像分析的应用背景下，通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现。最终，讨论了各种评估方法的优势和适用性

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题，提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先，建立类似传感器探测范围的蜂窝状环境模型，降低对搜索区域的重复搜索；其次，建立满足高斯分布的马尔可夫链动态目标运动模型；然后，将柯西扰动引入基本鸽群优化算法的地图和指南针算子，高斯扰动引入地标算子，同时利用模拟退火机制保留次优个体，进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后，通过仿真实验将本文算法与其他群体智能算法进行比较，结果表明新型算法的合理性和有效性

近年来,为实现汽车车身轻量化,大量的铝合金材料被用于汽车车身制造,由于6016铝合金具有良好的烘烤性能,被大量使用.但是传统的冷成形技术并不能成形复杂零件,因此热冲压-冷模具淬火成形技术被用到铝合金的成形过程中,板材成形领域中一个重要的性能指标是成形极限.本论文使用理论预测和试验两种方法对6016铝合金成形极限曲线进行了研究.首先,建立了考虑应变强化和应变速率强化的Fields-Bachofen本构方程,并将此本构方程引入到成形极限理论推导过程中;然后,基于M-K凹槽理论,对6016铝合金成形极限曲线进行了理论预测,并且采用Nakazima试验方法对预测结果进行了验证.结果显示,随着初始厚度不均度的增加,预测曲线向纵坐标的正方向移动;通过实验值和预测值的对比发现M-K凹槽理论对成形极限曲线的预测是可行的、准确的

基于非均匀分布的虚拟材料模拟螺栓连接薄板搭接部分的力学特性，其中虚拟材料的材料参数用复模量表示，可直接生成复刚度矩阵以表示搭接部分的刚度及阻尼特性，省却了常规建模中生成结合部阻尼矩阵的步骤，在保证模型精确性的基础上简化了建模流程，以此建立了螺栓连接薄板结构的半解析模型并对其进行了动力学分析。首先描述了建模理念，将虚拟材料分别假定了三种复模量非均匀分布形式模拟螺栓搭接部分的力学特性，提出用反推辨识技术确定虚拟材料储能模量与耗能模量的方法。接着，基于能量法并用正交多项式假定模态，推导了螺栓连接薄板的半解析分析模型，并创新性地给出了求解半解析模型任意锤击点与拾振点处频响函数的公式。最后，以一个具体的螺栓连接薄板结构为对象进行了实例研究，结果表明：用所创建的半解析模型计算出的各阶仿真固有频率与实验测得的各阶固有频率的误差均在5%以内，计算得到的各阶仿真模态振型以及频响函数曲线与实测值均较为接近，从而证明了利用复模量非均匀分布的虚拟材料模拟螺栓搭接部分可有效简化螺栓结合部建模，亦可达到较高的仿真计算精度

基于残余应力测试新方法与先进电化学测试技术的进展, 围绕残余应力类型和大小对金属材料点蚀以及应力腐蚀行为的作用机理进行了总结和归纳. 研究发现, 尽管残余压应力对腐蚀行为的抑制作用得到了大量实验的证实, 但是在不同条件下其作用方式以及机理不尽相同, 并且与材料的结构特点以及腐蚀产物等密切相关. 同时, 残余拉应力的作用尚不明确, 受到材料类型和其他因素耦合的严重影响. 另外, 在某些环境下, 影响腐蚀行为的关键是残余应力梯度或残余应力的某个临界值. 但是对有色金属的研究表明残余拉应力和压应力均会导致基体中位错和微应变等结构缺陷增加, 进而促进点蚀敏感性, 降低材料服役性能. 最后, 对目前研究存在的局限进行了讨论和展望

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

二氧化碳相变致裂作为一种环境友好的绿色破岩技术，具有破岩效率高、振动小、无污染等优点，近年来已成为岩石破碎与开挖领域的热门研究课题，相关研究发展迅速。大量学者运用理论分析、实验研究和数值模拟等手段对二氧化碳相变致裂技术进行了广泛探究，并取得了一些有益进展。通过对现有相关研究成果的调研分析，阐述了二氧化碳相变致裂技术的破岩机理，回顾了二氧化碳相变致裂荷载特征及其测试手段，归纳了致裂荷载表征方法，概括了致裂荷载与致裂效果的主要影响因素，分析了二氧化碳相变致裂的有害效应，总结了二氧化碳相变致裂技术在多领域的应用，并探讨了二氧化碳相变致裂当前存在的问题与未来挑战，以期为二氧化碳相变致裂技术的理论研究和工程应用推广提供参考

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性