针对输送用模锻易拆链存在的磨损状况难以准确检测、预测和检修用时长等难题,开展了基于灰色模型和可视化辅助决策的磨损寿命预测和主动检修技术研究。采用基于机器视觉的磨损检测装置获取磨损数据,通过定义和分析磨损关键参数对磨损数据进行清洗,基于灰色模型建立了磨损预测模型;基于预测数据、历史数据及运行工况等建立辅助决策模型,通过综合评估后输出最优检修方案,并基于可视化仿真技术立体、动态地呈现磨损状况,快速精确定位磨损链条。实验结果表明,磨损寿命预测模型的拟合精度较高,磨损预警误报率和漏报率较低,可满足磨损寿命预测要求。通过磨损预测及可视化辅助决策技术,可有效地提高检修效率,减少生产线受迫停运的风险。

将不确定度原理引入测量系统分析，并对测量系统不确定度的动态性进行探讨研究，提出了基于灰色模型、时序分析和神经网络理论的精神损失函数的建模方法。

工程上的振动信号多为非线性非平稳信号,为了利用工程振动信号预测机械产品的疲劳剩余寿命,提出改进的经验模态分解方法对振动信号进行分解,分离故障特征频率到某本征模态函数中,计算全寿命周期各阶段故障特征频率所在本征模态函数的均方根值、峭度等时域特征指标,将其作为刻画机械产品健康状态的退化特征量,形成退化特征量序列,根据经验设定机械产品完全失效对应的退化特征量阈值。用退化特征量序列训练灰色模型,然后用训练好的灰色模型预测退化特征量的变化趋势,判断不同退化特征量用于刻画机械产品退化过程的可行性,估计可用退化特征量达到退化特征量阈值的时间并据此预测机械产品的剩余疲劳寿命。通过6205深沟球轴承全寿命周期振动信号对其进行验证,结果表明,可用的退化特征量结合该方法可以有效地预测小型球轴承的疲劳...

将灰色系统方法理论中的GM（1，1）模型，应用于动态应力集中测试的数据处理，根据应力集中处附近的应变测试值，能方便地求出应力集中处的最大应变值。结果表明，该方法简单，预测精度较高，应用方便。

根据测量仪器校准参数数据特点，建立了仪器校准参数动态发展趋势的时间序列组合模型。将灰色预测与马尔柯夫预测方法优化互补，用灰色预测模型预测参数总体发展趋势，在此基础上采用马尔柯夫模型预测参数在总体趋势下的随机波动性变化，得到校准参数发展趋势预测模型的解。给出基于校准参数趋势预测的校准间隔动态优化方法，并通过实验数据对预测模型进行了验证。结果表明，此模型既能预测校准参数总体趋势，又适合于波动性较大的随机序列变化；校准间隔的优化改善了计量管理中不足计量和过剩计量的缺陷。

通过对带轴肩的扭转圆轴、带双凹槽的拉伸板条、带偏心孔的纯弯曲梁等几种典型构件在应力集中处进行应变电测,利用灰色系统理论对测试数据进行累加生成处理、模型识别,建立了应变分布的灰色模型,用该模型求出了应力集中处的应力集中系数.结果表明:与目前常用的数据处理方法比较,灰色建模方法具有所需测试数据少、预测精度高等优点,非常适用于构件应力集中系数的实时测定.

对等步距多工位工作的纳米工作台，采用灰色模型能够同时对定位误差中的系统误差和随机误差进行动态补偿。讨论了提高灰色模型精度的方法，建立了改进背景值的等维新息GM（1，1）灰色预测模型。用5μm步距定位误差进行了一步预测分析，结果表明该模型具有较高的预测精度；5μm和3μm步距的定位误差预测补偿实验表明，工作台的定位误差可以控制在4．0nm以内。实验证明了灰色预测模型用于纳米定位系统动态补偿的有效性，且需要的建模数据很少、计算量小，适用于具有时变特征的精密定位系统。

MEMS陀螺的零偏随温度呈非线性变化,同时含有较大的随机噪声。针对传统的多项式模型难以精确表达零偏随温度变化的问题,提出了一种基于灰色模型和RBF神经网络的MEMS陀螺温度补偿方法：首先用灰色模型对数据进行预处理,以减小原始数据的噪声;然后用降噪后的样本数据对RBF神经网络进行训练。在相同的训练次数下训练误差可减小一个数量级。验证试验结果表明,采用该模型补偿后的陀螺零偏误差较传统的多项式模型减小一个数量级,较未经预处理的RBF神经网络减小2/3。

新灰色预测NGM(1,1,K)模型存在定义型与白化型不匹配问题。为消除因不匹配问题而引起的固有偏差,提出内涵型NGM(1,1,K)灰色预测模型,并给出该模型的预测公式。将该模型用于某型挖掘机液压系统油液光谱分析元素浓度值的拟合与预测,得到较高的精度。预测值结合光谱分析元素浓度值的阈值,可以有效预测液压系统未来运行状态,做到主动维护,保障液压系统可靠运行。

提出一种基于灰色预测的铝合金薄壁件铣削变形量的评价方法,能够同时考虑影响铣削变形量的多种工艺因素变化。为探讨多因素耦合的薄壁铣削工艺参数对薄壁变形量的影响程度及优化预测,利用正交试验采集部分样本数据,采用灰色关联法对薄壁铣削工艺参数进行优势因素分析,利用灰色决策优化工艺试验方案获得最优工艺参数,最后建立了针对铝合金薄壁件铣削工艺参数的灰色多元预测模型,并对该预测模型的预测效果和精度进行分析验证。