针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力

对铁铜合金分别进行50%和80%冷变形,利用金相显微镜以及高分辨投射电镜研究形变热处理过程中的微观组织与沉淀析出,分析形变量对时效析出的影响.结果表明:变形有助于第二相的析出,大的冷变形量时沉淀相粒子形成的速率更快,所占体积分数更大.优先析出为富铜过渡相,这种富铜过渡相所形成的GP区对合金起强化作用,其后随时效时间延长这种富铜相逐渐转转变成ε-Cu

介绍了一种恢复数字化畸变凸性图像的算法-增强算子讨论该方法增强和恢复被高斯噪声畸变的凸性数字化图像的原理并通过计算机模拟实例验证了增强算子处理畸变凸性数字化像点的有效性.该方法已用于处理Al-Mn-Si准晶的数字化高分辨电子显微镜(HREM)像,揭示了HREM像中的周期性特征

应用事件树方法确定了汽车缺陷风险传递路径,将缺陷风险转化为失效风险进行等效研究.根据汽车缺陷风险特点,建立了风险评估SPN模型,并以三维矩阵图描述汽车缺陷风险;针对汽车的不合理风险及汽车缺陷数据离散和波动的状态,提出了基于灰色理论的风险预测方法;以失效预测数据作为风险评估的风险概率预测基础,建立汽车缺陷的失效预测模型,采用残差辨识法检验模型精度.研究结果表明:在掌握实际的汽车售后零部件故障数据情况下,模型对汽车缺陷风险概率预测具有较好的适用性

针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题,提出了采用自适应集中延时神经网络辨识、最优预报和模糊免疫PID控制相结合的控制方案,有效地提高了系统的控制精度和动态性能.经MATLAB仿真实验表明,各项指标均好于传统的控制方式,取得了令人满意的控制效果

为了提高热连轧带钢成材率和宽度精度,在精轧末机架后一般配置了测宽仪,利用机架间张力对宽度动态控制,达到调整带钢宽度目的;由于精轧末机架中心线到测宽仪的距离较远,使得系统具有大滞后性及时变性等特点,很难建立精确的数学模型.采用对模型要求宽松的广义预测控制方法,基于广义误差估计值对控制器参数进行自适应调整,直接辨识控制律参数,省略Diophantine方程的求解、矩阵的求逆,缩短在线计算的时间,适用于快速的轧钢过程.仿真结果表明,该方法对精轧宽度这一大时滞、不确定性系统有较好的控制效果

通过将冲突分析与粗糙集理论相结合，利用信息系统表示冲突问题，提出了冲突矩阵的概念．根据冲突函数的不同定义和阈值设定，提出导致不同紧密程度的联盟以及不同类型联盟的方法，并进行带有阈值的局中人的实力-策略分析．在此基础上，提出了减少联盟之间冲突程度的谈判模型．此外，对约简和冲突度的不同作用进行了阐述，提出了可分辨矩阵Ⅱ的概念及其相应的冲突函数表示．

研究了SiCp/ZA22复合材料的界面,根据界面反应的热力学、能谱分析及高分辨透射电镜的研究结果,发现SiC/α-Al界面上形成了少量Al2MgO4过渡层,而SiC/η-Zn间无任何反应发生

针对板形板厚综合系统,提出一种基于遗传算法的多变量模糊预测控制新方法.该方法通过模糊预测来建立多变量系统的模糊模型,给出了辨识参数.同时,利用遗传算法优化控制律.仿真结果表明该方法是有效的

综合了Raibert和Craig提出的机器人位置/力的Hybrid Control及Yoshikawa提出的机器人动态混合控制算法的基本思想,针对作业环境及其力学扰动难以辨识及机构振动等问题,提出了基于机器人装配作业的PI自学习混合控制方法,并根据此方法实现了三自由度机器人的圆柱二维插入作业。实验结果表明,该方法可以有效地实现机器人的销孔装配作业并抑制或缓冲机构的振动现象