由于复合材料层合板的横向剪切模量较低因此基于克希霍夫理论而计算的层合板特征问题及其灵敏度与实际情况相差较大。本文采用层合板的一阶剪切变形理论将纤维铺设角、材料参数和从中面到第K层板上表面的距离Z_k-1视为设计变量研究了对称层合板特征值和特征向量的灵敏度计算问题。

主分量分析(PCA)是统计学中分析数据的一种有效方法.研究了基于主分量分析的声信号特征提取算法,并利用这种算法对四种战场目标的声信号进行特征提取,获得了低维的特征向量.设计了K近邻和改进BP网络两种分类器对声目标进行分类,分类结果准确率较高,均获得满意的实验效果.

在粮食仓储过程中，通过温湿度传感器、图像传感器采集到的温湿度、图像的实时数据，经过信息处理算法的变换和特征提取，得到具有不同特征信息的虚拟多传感器数据，采用D-S证据理论对数据进行信息融合，对粮食在仓储过程中的霉变、虫害等粮情进行动态预测分析，当发现有不良变化时，该系统能够及时发出预警信息，以保证粮食的储藏安全。

提出利用多重多级子结构技术与Lanczos方法求解超大型复杂结构动力特性的子结构算法。该算法利用子结构周游树技术,分别对每个子结构进行Lanczos迭代,通过累加各个子结构的正交化系数组成全局三对角矩阵,最后求解得到整体结构的特征值。算法能够计算超大型结构特征值和特征向量,计算效率高;消耗计算机资源少,稳定性高。由于考虑了各子结构内部自由度对整体求解的贡献,算法精度得到显著提高,并与不作凝聚的单一整体结构分析具有相同的计算精度,计算结果不受复杂子结构划分方式的限制。数值算例验证了所提出算法的正确与有效性。

传统故障辨识方法受机械液压传动系统故障影响,存在故障辨识率低、有效性差问题,提出基于随机矩阵谱分析的机械液压传动系统故障辨识方法。通过分解故障振动信号,得到故障信号的特征向量函数,利用线性分析提取故障信号的随机变量;根据故障信号求解,提取机械液压传动系统故障特征;利用随机矩阵谱分析方法描述机械液压传动系统的状态空间,推算机械液压传动系统的状态方程;利用机械液压传动系统的残差阈值,检测到机械液压传动系统故障;通过对比机械液压传动系统故障的贴近度,选取最大值作为机械液压传感系统的故障信息,实现机械液压传动系统故障辨识。实验结果表明,该方法具有更高的故障辨识率。

滚珠丝杠副预紧力丧失将导致机床进给精度及加工质量受到显著影响,实时监测滚珠丝杠副预紧力的变化并对其健康状态作出诊断具有重大意义。提出了一种将EMD（Empirical Mode Decomposition）与MSE（Multi-Scale Entropy）相结合的信号处理方法进行预紧力丧失的故障诊断;设计了一种新型双螺母预紧力调节装置,用于采集不同预紧力水平下的螺母振动信号,通过EMD分解得到振动信号第一特征频率附近的IMF（Intrinsic Mode Function）分量,接着计算该IMF多个尺度下的熵值,分别以多尺度熵值与第一特征频率为特征向量建立BP神经网络进行预紧力丧失的诊断。诊断结果表明,以多尺度熵作为故障诊断特征向量时,神经网络的诊断正确率相比后者提高了50%。研究结果可用于基于振动特征的滚珠丝杠副预紧力丧失的故障诊断,对于促进滚珠丝杠副健康状态监测方法的发展具有重大意义。

针对强耦合、高度非线性的机器人辨识问题,提出一种基于特征向量选择(FVS)的多输出支持向量机(MSVM)方法。该方法由核技术对映射至特征空间的输入数据,按照几何上的考虑提取相关的数据向量,形成特征空间的一个基底,所选择的数据向量定义为特征子空间。将数据投影至该子空间上,基于MSVM方法建立辨识模型,MSVM方法保持了在ε不敏感损失函数下具有紧凑与稀疏解的优点。为验证FVS-MSVM方法的有效性,将其应用于液压驱动机器人的油压辨识、PUMA560工业机器人逆向运动学辨识、SARCOS仿生机器人逆向动力学建模中。在同等条件下,将FVS-MSVM方法与SVM、KPCA-MSVM及FVS-线性回归(LR)等方法进行比较。实验结果表明,FVS-MSVM方法不仅能够减小计算复杂度,而且具有很好的建模与辨识精度,模型的推广性好。

提出了一种基于Hilbert-Huang变换（HHT）和模糊C均值聚类算法相结合的故障识别方法。利用HHT在处理非线性、非平稳信号方面的优势,对采集到的轴向柱塞泵泵壳振动加速度信号进行HHT处理。首先对信号分别进行经验模态分解（EMD）和集总经验模态分解（EEMD）,结合短时最大熵谱分析选取对故障最为敏感的固有模态函数（IMF）分量,再对其分别进行二次分解。然后,采用本文提出的基于局部边际能量谱特征能量的方法求出故障特征向量。最后,采用模糊C均值聚类算法进行故障模式识别。识别结果表明：EEMD比EMD在迭代次数上大幅减少,故障识别准确率有了显著提高。