提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域.将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛.应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性

探讨了最小二乘支持向量机时间序列预测的方法,提出了用核主成分分析提取主元,然后用最小二乘支持向量机进行预测．通过实验表明,这种方法得到的效果优于没有特征提取的预测．同时与主成分分析提取特征相比,用核主成分分析效果更好．

针对金属矿山特有的地理地质条件,开展相应岩石声发射试验,确定矿区矿体围岩的时间序列特征,获得岩石破裂冒落声发射参数的危险临界值,并深入研究形成该种声发射信号的破裂机制和破坏特征.然后分别对较均质岩石试样和含有结构弱面的岩石试件进行比较试验,总结弱面裂隙影响下的岩石试件产生声发射信号的规律.利用基于离散单元法的颗粒元程序进行含裂隙岩石试样数值模拟研究,通过降低接触面刚度来模拟岩石内部的损伤,通过不同的模拟条件来研究岩石的破坏情况.研究成果将为分析损伤岩体的声发射规律开辟一条新的研究途径

在已进行的齿轮点蚀疲劳寿命预测计算模型的研究基础上,应用随机时间序列分析技术分析处理计算模型中随时间变化的因素,从理论上解决了齿轮寿命预测中的难点,建立了齿轮点蚀疲劳寿命预测的方法系统

在这一部分中,我们介绍若干常见的重要的随机变量弱相依 性的定义,建立各种混合序列的协方差的界,并讨论各个不同定义 间的关系,这些将给出于第一章中 在第二章中,我们给出混合序列部分和的某些矩的估计,它在 极限定理中扮演重要的角色,在许多定理的证明中常常是必不可 少的关键所在

在半导体硅片(Si)-扩散阻挡层(Ni-Cr合金)-金属互连材料(Cu)构成的体系中,Si和Ni-Cr合金之间以及Ni-Cr合金和Cu之间各构成一对扩散偶.通过制备扩散偶试样模拟相应的界面反应,实验测定950℃下界面反应产物的表观序列.从热力学的角度,分别对Cr-Ni-Si和Cr-Cu-Ni三元系中Si/(Ni-Cr)和(Ni-Cr)/Cu两个界面进行反应驱动力分析.计算获得的阶段性生成相表观序列与实验测得结果一致

以抚顺老虎台矿矿山地震监测、开采、气象、地质等资料为基础,分析了老虎台矿矿山地震活动的时间、频度等序列特征.对矿山地震频度震级分布进行线性回归,得到了logN=a-bM中的参数a和b的时序特征并总结出了老虎台矿矿山地震活动的一些基本规律

研究了智能信息处理在烧结质量推断中的应用，在对图象序列的范型描述和BP算法改进的基础上，成功地应用了图象序列分析与动态模式识别相结合的方法，解决了烧结质量的动态推断问题.实例表明，该方法有很好的实用效果

采用3层前向神经网络描述混沌时间序列的动力学模型,给出了该网络拓扑结构的确定方法.以及使网络泛化误差达到最小为依据确定网络的输入节点和隐含节点个数.仿真结果表明:该方法不仅优化了网络的结构,而且大大减少了网络的泛化误差

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度