运用运筹学的理论和方法，建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想，提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法，在最优解的近似区间内多次迭代逐渐逼近最优解，实现了双权重网络图最短路的求解，是一种近似的、快速的算法.基于所构造辅助函数的性质，给出实现该算法的具体步骤.对误差进行线性估计，分析了该算法收敛速度的影响因素，并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法，证实其模拟结果与理论分析结论相吻合

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

为提高结构频响函数模型修正效率,提出将Kriging模型引入优化过程,代替有限元模型进行迭代运算.基于频响曲线对应频率点处的响应值之差构造目标函数,并结合初选设计参数进行实验设计.根据实验设计结果进行各参数的灵敏度分析,进而筛选出模型修正的待修正参数,基于该参数及其响应构造Kriging模型,经检验有效的Kriging模型将参与模型修正过程.以GARTEUR飞机模型为算例,基于加速度频响数据进行模型修正,修正后模型不仅能复现检验点处频响曲线,还能成功预测结构局部修改后的频响曲线,证明了Kriging方法应用于频响函数模型修正的有效性

为提高无钟高炉炉喉料面的预测精度，建立了考虑炉料运动的炉料分布数学模型.在分析炉料运动的基础上，指出了炉料运动是影响炉料堆积过程的重要因素，采用尺寸比1∶10的无钟布料器模型试验分析了不同炉料分速度对炉料堆积行为的影响，建立了考虑炉料运动因素的料堆轮廓预测模型，并通过数值方法确定了料堆的位置和料面轮廓曲线，应用于料面形状的预测.结果表明：炉料的运动是造成料堆两侧堆积角差异、料堆横截面面积变化以及料面轮廓改变的重要原因，料堆轮廓采用直线段和曲线相结合的方式进行构造，炉料的堆积角和曲线过渡区域长度作为重要的模型参数均考虑了炉料速度的影响，模型构造的轮廓接近真实料堆形状，应用该模型实现了炉喉料面的准确预测

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

针对断层构造对煤层深孔聚能爆破增透效果和安全性的影响，本文在理论分析、数值模拟和现场试验研究基础上，分析了断层对爆破增透煤体裂隙生成和发育的影响，从瓦斯赋存和爆破能量传播探讨了断层对爆破安全性的影响.数值模拟结果验证了断层对爆破裂隙扩展和应力波传播的影响.现场试验表明，断层影响区爆破孔增透效果是未受断层影响区域的2.60倍，断层构造带容易造成冲孔现象，对爆破安全性有重要影响

基于框支网格式轻质墙板结构抗震性能试验,量化分析结构受力性能,并提出抗震设计建议.洞口侧构造柱的设置弥补了开洞造成的强度衰减,有利于提升墙体的安全储备能力,但加重了墙体后期破坏程度,同时降低其修复能力.斜交肋格的构造形式改变传力途径,使得墙体强度退化趋于均匀,结构具有更好的变形恢复能力,且明显减小墙体的破坏程度,但是整体安全储备能力改善不大.在工程设计方面,建议转换层初始刚度比取值范围大致在1.3~1.6,由于受力过程中结构转换层刚度比衰减较明显,在设计时初始刚度比可适当高些.结构在各个受力阶段的层间位移和层间转角值均在安全界限值以内,进一步说明结构具有较高的抗倒塌能力,耗能减震性能良好

发动机工作时,可燃混合气在气缸内燃烧,其工作温度高达2000°C,瞬时温度可 达3000°C左右。如果不加以适当冷却,不仅会使发动机过热导致充气效率下降,燃烧 不正常,机油变质,零件磨损加剧,有时甚至造成机件卡死或烧毁等事故性损伤。但如 果冷却过度,又会由于气缸温度过低使机油粘度增大,摩擦损失增加,燃油雾化不良动 力下降,散热损失增加及润滑性能变差。因此必须对发动机加以适当冷却,保证发动 机始终处在最适宜的温度状态下工作

研究了一类具有状态时滞的时变离散时间系统的最优预见控制问题.所用的方法仍然是通过引入差分算子构造扩大误差系统.首先克服了差分算子不是线性算子的困难,成功构造了扩大误差系统.然后通过提升技术,把系统转化为形式上没有时滞的普通控制系统.最后通过引入可预见的目标值信号信息,得到最终的扩大误差系统.从这个扩大误差系统出发,利用时变系统最优控制的有关结果,设计处理原系统的带有预见作用的控制器.利用矩阵分解,把需要求解的高阶Riccati方程转化成一个低阶的Riccati方程.仿真实例表明了该设计方法的有效性

提出了一种新的模糊认知图分类器模型构造方法,它包括构建流程、激活函数、推理规则和学习方法等核心构件.模型利用提出的动态交叉变异算子自适应遗传进化过程,实现种群间自动调节和自动适应.仿真实验表明:本文提出的模型增强了局部随机搜索能力,加强了算法的全局收敛能力,与其他经典分类方法相比,不但性能较好,而且具有较强的抗噪能力,从而具有更强的鲁棒性