为了更精确地预测船舶水上交通安全综合指数的变化趋势,以2004—2013年综合指数的数列为基础建立GM-Markov模型,对其分别进行灰色预测和GM-Markov预测;检验两种不同模型的预测研究结果的精度,并对预测值和实际值进行拟合检查;然后用2010—2019年的数据重新构造模型,预测了2020、2021年的预测值。结果表明GM-Markov模型在短期内的预测能克服灰色预测的不足,且GM-Markov预测值曲线和实际数据曲线走势更加吻合;GM-Markov模型在船舶水上交通安全综合指数的预测上具有较高的可信度,为我国船舶水上交通安全保障的研究决策提供了一种新的方法。

应用电磁无损检测仪检测钢铁件渗碳层深度时必须标定该仪器的灵敏度。然而由于渗碳工艺和标准渗碳层深度检测方法的限制,无法利用标准试样标定的方法评价电磁无损检测仪对薄渗碳层深度的检测灵敏度。为此,应用灰色预测理论,研究了一种基于有限渗碳层深度集的灵敏度预测方法。在现有有限渗碳层深度集的基础上,通过数据预测,扩展出虚拟深度,从而预测仪器的灵敏度。试验表明,利用GM（1.1）模型对渗碳层深度检测数据建模时,其模型平均精度高于95%;利用GM（1.1）模型进行渗碳层深度的预测时,预测的最大误差在5%以内。

采用灰色系统理论，通过对液压元件强化寿命试验中所获得的少量试验数据进行处理，即可以建立寿命指标的预测模型。

重点介绍了灰色预测的有关理论及拓扑预测在复杂机械高这行状态趋势分析中的应用，裙带证明，该方法计算简便，短预测精 ，预测结果可检验。

火电厂钢球磨煤机的负荷对象具有大滞后、慢时变、强非线性等复杂特性,采用常规控制方法难以获得满意的控制效果,提出了基于灰色预测PID控制的球磨机负荷控制方法,它融合了灰色预测与常规PID控制这两者的设计思想,将灰色预测在线预测结果代替被控对象测量值,再进行PID控制运算。Simulink仿真结果表明,灰色预测PID控制在控制的快速性、稳定性、适应性、鲁棒性、抗干扰性上均优于常规PID控制和带Simth预估PID控制。

通过运用灰色系统理论建立关于轴承磨损量的灰色预测模型,计算结果表明,预测模型的计算值与实际测定值之间非常接近,而且可进一步预测设备运行状态趋势。灰色系统理论,其理论的简洁和思想方法的新颖特点表明,它将成为机械设备故障诊断的有力工具。灰色预测法的引进,丰富了设备状态监测与故障诊断技术学科的基础理论,推动了该学科向更高水平发展,预示了该学科具有更广阔的应用前景。

为了解决无失效数据情形下核主泵机械密封的可靠度评估问题,分析了大亚湾核主泵机械密封的运行数据,确定了其可靠度分布;利用MATLAB求取了定时截尾时间,建立了结合灰色预测理论和最优置信限法的可靠度分析模型;预测了无失效数据下核主泵机械密封的可靠度。研究表明:所建模型可以有效评估核主泵机械密封的可靠度,且在同等的置信水平下,形状参数范围已知时计算出的可靠度与真实值之间的相对误差较形状参数未知时降低10%。研究成果对无失效数据下核主泵机械密封的可靠性分析具有指导意义。

文中利用灰色预测研究方法对角接触轴承的寿命进行计算与分析。研究结果表明,灰色预测理论可以在原始实验数据不充分的情况下,通过建立模型构造角接触轴承磨损寿命数据序列,解决由于实验数据不足而造成的结果偏差。利用灰色预测研究方法对角接触轴承进行寿命测试,不但可以减少实验的经费,而且可以缩短试验时间,与传统的可靠性评估相比更具优势。

为了满足500,m口径球面射电望远镜（FAST）工程主动反射面索网节点位置和速度控制的要求，对FAST用液压促动器进行了研究，将灰色预测模型应用到传统 PID 控制中，提出一种新型的步长调整机制，在简化了以往调整机制复杂性、不确定性和耗时性的同时，很好地解决了传统 PID 控制策略下难以获得理想跟踪精度的问题．通过与传统PID控制策略进行仿真和实验对比，结果表明，变步长灰色预测PID控制策略提高了促动器的速度跟踪精度和位置跟踪精度，速度跟踪误差由0.100,mm/s减小到0.048,mm/s，位置跟踪误差由1.5,mm减小到0.2,mm，可满足FAST工程主动反射面索网节点位置控制精度和响应速度的要求．

海底行走机构对海底矿产开采具有重要意义,针对深海底行走机构所需要解决的控制问题主要是速度同步、抗负载慢变干扰和随即干扰。构建行走机构液压系统,根据系统设计参数,建立各个环节的数学模型,进行仿真分析,并以此为基础搭建系统的软件仿真实验平台。为了实现速度同步控制和抗干扰控制,综合灰色预测控制、数据驱动建模控制、模糊控制、常规PID等控制技术,分别对轮边马达子系统和变量泵-轮边马达系统提出了“灰色预测模糊PID控制”和“多模型参考模糊自适应控制”的算法,并在软件仿真平台上进行仿真实验以验证这些算法的有效性。根据二阶参考特征模型的特点,将多参考模型、模糊控制与小误差范围内的常规PI控制相结合,通过对系统在不同误差范围内多模型的控制补偿,能够使系统在参考模型的引导之下较好地达到预期的控制目标。