灰色聚类应用于钻床齿轮变速箱优化设计的研究

灰色聚类是研究灰色系统的一种分析、判断方法，对于求解多目标优化问题，较一般的其他方法更具合理性及实用性。通过对灰色系统、灰色聚类方法的研究，在钻床齿轮变速箱多目标优化设计问题传统解法的基础上，利用灰色聚类，求出了该问题的最满意解，使解得到了进一步的优化。     

基于灰色聚类理论斜齿圆柱齿轮传动多目标优化设计的研究

灰色聚类是研究灰色系统的一种分析、判断方法，对求解多目标优化问题，较一般的其它方法更具合理性及实用性.本文通过对灰色系统、灰色聚类方法的研究，在斜齿圆柱齿轮传动多目标优化设计问题传统解法的基础上，利用灰色聚类，求出了该问题的最满意解，使解得了进一步的优化.     

基于单调性分析的智能优化设计系统

提出一种基于单调性分析和计算机符号处理、人工智能技术的智能优化设计系统。并提出一种利用单调性分析的变量边界区间缩小方法，通过系统的测试、分解等，在不需求助于传统的优化方法的情况下，判断出许多工程优化问题，包括一些带有非单调性函数的问题的全部松约束和紧约束，从而可以求出问题的全局最优解。     

中间变量为移动位移的三自由度平面并联机器人运动学

按照输入参数与输出参数之间的中间变量的不同，将三自由度平面并联机器人分为中间变量为转动位移和移动位移两大类型。针对中间变量为移动位移的类型，介绍了其运动学正反解的统一模型。其正解模型为一元二次方程，最多有两个解，反解模型大多数情况有唯一解，极少部分最多有两个解。     

被动检测系统中自适应算法收敛的动态判断

被动检测应用中，实际环境条件往往比较恶劣而且不可预测，非平稳干扰随时可能发生，如不能准确判断自适应系统实际收敛状况，检测结果将受到严重影响。在实际复杂噪声环境影响下，时间常数已不能代表系统的实际收敛特性，因此提出一种动态判断自适应检测系统迭代算法收敛的方法。基于自适应滤波器工作在理想最优条件时的正交原理，推导出考虑梯度噪声影响时误差与输出信号实际近似正交的约束条件，根据每次迭代不断更新的期望、输出及误差信号的均方估计，在线实时判断收敛并评估自适应解的质量，及时准确停止迭代以得到最佳检测结果，从而避免复杂背景干扰的影响。此动态判断条件对平稳与非平稳环境中的自适应检测均适用，不同条件下的处理结果验证了该方法的有效性。     

热力机械基本方程的严格解析解

对各学科基本方程的生成与发展,给出简明的表达.重点说明历史上对基本方程的求解有两大阶段:开始是以解析解为核心的时代,找不到解析解就想法以近似解代替.在电子计算机与计算方法飞速发展后,就基本都用数值计算解决问题.但原来的严格解析解仍有其重大意义.一是在理论上的价值,而且所得的解析解多少总比具体的数值解包含有更广泛的可用范围.尤其更重要的是对基本方程,解析解是绝对准确的,可以作为标准解来校验、判断数值解的准确度,同时也可以用来考核计算程序的收敛度、稳定性等.并且启发研究人员如何去提高各种计算方法的水平,如差分格式、网络生成的技术等.因此近半个世纪以来,对热力机械仍有数以百计的求解析解的论文.其中国内学者的成绩处于领先地位,因此对他们一些著名的简明严格解析解给出了简单的介绍,并且还介绍了新的求得简明严格解析解的一条途径.     

机加工过程中的线性规划问题

介绍了标准数学模型的建立、是否存在最优解的判断、添加剩余变量或松弛变量、大M法的利用等内容。可供机加工企业工程技术人员和技术工人参考。     

用位移合成法解平面尺寸链

在机械设计和工艺工作中,人们常常要遇到解算平面尺寸链的问题。从解算方法来说,目前人们采用的有投影法、微分法和矢量法等。这几种方法,从普遍性来说,除微分法能获得精确结果外,其它方法的解算都是近似的(对于三角形平面尺寸链,可能得到精确结果)。微分法虽能解算精确,但比较烦琐,特别是尺寸链环数多的时候,并且它不易判断各组成环的增减环性质。     

复合材料胶粘搭接接头的应力分析

本文用非线性的有限元法讨论复合材料胶粘搭接接头的应力分布,分别求出了两种碳纤维增强塑料搭接接头的大位移弹性解和大位移弹塑性解。将大位移弹性有限元解和Allman封闭解对比发现Allman所作的假设不够完善,因而所得的最大应力值偏低。对大位移弹塑性有限元分析讨论了最大主应力的位置和塑性区的扩展。并讨论了用于判断胶搭接接头破坏的最大应力准则。     

基于特征的产品装配序列自动规划研究

以问题规约的求解策略,以分解法规划产生的装配序列,提出与或图表达装配体拆卸序列解空间。通过求解拆卸序列与或图的解空间得到装配体的拆卸序列,将拆卸序列反向得到装配序列。为降低装配体拓扑联接图的复杂度,对作业组件做识别,文中提出判断零件拆卸性的 ３ 个条件,大部分零件无需进行干涉检验,而由逻辑推理即可判断是否满足拆卸条件,每一成功拆卸操作对应于一个拆卸或装配序列,避免了多次试凑,有更高求解效率,可更广泛地用于装配序列求解上。