陶瓷材料电加工表面粗糙度的预测

针对电加工工艺参数与性能指标的函数映射关系大多具有非线性的特征，提出了将BP神经网络引入电加工领域中。考虑到BP算法的不足，提出用遗传算法来优化BP神经网络的连接权值，设计了基于进化神经网络的学习算法，建立了陶瓷材料电加工表面粗糙度随工艺参数变化的预测模型。试验结果表明，该算法可以避免BP神经网络易陷入局部极小值等问题，预测精度高，相对误差在4％之内，进而验证了该模型的可靠性。     

用于机械诊断的最佳特征参数自动生成法

将计算机用于机械工况的自动诊断时，必须从采集的信号中提取表征机械工况的特征参数（简称ＳＰ），但目前尚无一种令人满意的提取最佳ＳＰ的方法。为了克服这个困难并能保证对机械工况进行高精度的诊断，本文基于遗传基因算法（简称ＧＡ）提出了一种称为“特征参数自动生成”的新方法，能快速找到最佳ＳＰ，并以变速器诊断为例进行了验证。     

柴油车车身的动态修改设计

运用试验模态分析方法和有限元法，对试装柴油发动机的国产微型汽车进行了模态分析，把两种分析方法所得的模态参数进行比较，经确认或修改，便可建立一种比较精确的动态设计模型。在相似性估计的准则上，提出了一种频率对比的新方法，对车身的局部振动进行修改并得到较为合理的结构。