提出了一种人工免疫识别算法.该算法将所识别的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆集合,识别和表示数据结构组织,它具有识别多样性、自我调节功能等特点.通过对二维实数空间的数据和Iris数据进行实验,结果表明该方法聚类效果好,识别率高,且具有较好的泛化能力

采用纳米压痕法研究了氢对Ni50Mn30Ga20取向多晶室温纳米压痕蠕变和压痕塑性形变的影响.结果表明,Ni50Mn30Ga20取向多晶在室温下能够发生纳米压痕蠕变.在试样室温真空充氢之后,引入的氢不仅能够促进纳米压痕蠕变,还可以使得马氏体相变的\伪弹性\存储的弹性能得以释放,发生逆转变,使部分塑性变形回复

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

提出了一种基于免疫识别原理的径向基函数神经网络学习算法.该算法利用人工免疫系统的识别、记忆、学习等原理,将输入数据作为抗原,抗体为抗原的压缩映射作为径向基函数神经网络模型的隐层中心,输出采用最小二乘法确定权值.通过预报热轧带肋钢筋力学性能的仿真实验结果表明,与K-均值法选择中心点比较,该算法计算量较小,精度高

Varela免疫网络模型是继Jerne独特性网络模型之后的第二代网络模型,Varela免疫网络模型描述的是没有外来抗原作用时的T、B细胞因子的动态平衡关系.本文在此基础上建立了一种考虑抗原的改进的Varela免疫网络模型.然后基于这种能够在一定程度上合理描述生物免疫特性的改进Varela免疫网络模型,构造了一类与被控对象无关的免疫控制器模型.以大惯性大滞后模型为被控对象,采用仿真的方法研究了该免疫控制器的特性.仿真研究与分析表明:该免疫控制器具有一定的记忆和自学习能力,具有较好的抗纯滞后及参数自适应性能.文中将这种免疫控制器的参数变化对控制系统的影响也作了仿真研究

为促进瓦斯水合物快速生成以预防煤与瓦斯突出,利用可视化实验系统,进行了14.3~25.4℃和18.66~26.70 Mpa条件下三种含煤表面活性剂溶液体系中瓦斯水合物生成过程的实验研究,得到了生成过程的p-T-t关系.结合水合物生成速度和含气率等计算模型对实验数据进行了计算,并对计算结果和实验过程进行了分析.结果表明:表面活性剂的加入缩短了水合物生成诱导时间,提高了生成速度和含气率,合成的水合物样品含气率达到136~150;多孔介质(煤)的存在对水合物的生成有较小的延缓;记忆效应对瓦斯水合物生成影响显著,在拥有水合物分解残余五面体环等结构的实验体系中,水合物生成诱导时间缩短10~20倍

讨论了同时具有输入时滞与状态时滞的不确定线性系统的时滞相关鲁棒镇定问题.运用矩阵分解思想和Lyapunov-Karsovskii泛函方法,在处理V的导数时添加一个恰当的0项,引入自由权矩阵,基于LMI方法获得了系统经无记忆状态反馈后可鲁棒镇定的时滞相关充分条件,同时获得了具体的控制器设计方法.数值例子说明所得结论具有较小的保守性

在大量实测数据的基础上,结合理论分析,用统计方法建立起适合工程应用的支持辊磨损模型.该模型是一个多峰且高度非线性系统的半经验公式,其参数的估计复杂且计算量大.借助于带记忆的模拟退火算法,得到有效的解决.计算结果表明该模型具有较高的预报精度.在武钢2800四辊轧机应用后,取得明显效果

采用反向传播网络作为推理机,构造了高炉异常炉况判断专家系统,该系统具有良好的自学习功能和联想记忆功能.系统采用离线学习方式,在线运行时,可将高炉操作实绩存入知识库,作为进一步学习的样本,从而提高了系统精度和联想能力

本文分析了冷连轧机张力厚控系统,表明该系统是时变动态系统,从而确定使用最小方差自校正调节器应用于该系统。对实际系统进行了辨识模型并在此基础上进行了仿真研究。结果表明了自校正调节器控制效果优于PID调节器,而渐消记忆的递推最小二乘法是一种较好的在线辨识算法。将自校正调节器应用于实际张力厚控系统,使得带铜厚差得到明显改善