许多工程问题是由于流体气压力导致结构开裂，裂纹导速扩展或者止裂，这被认为是断裂动力前沿的研究领域。本文描述了应用于分析流体／结构／断裂，耦合作用问题的计算程序ＰＦＲＡＣ，和它在天然气道裂纹迅速扩展问题上的应用。

通过神经网络的建模,建立的遗传神经网络的预测系统。通过振冲器各种因素的综合分析和融合,使用遗传算法的复制、交换等,使得预测系统大大提高收敛速度,其使用性和实际工程利用性强。

通过对某型加速度计测试系统现状的分析，设计了基于GPIB总线技术的加速度计测试系统，根据测试原理确定了数据采集系统的组成，根据加速度计的输出与其静态模型方程系数的关系，构建了加速度计性能分析平台，论述了测试数据的采集与处理方法、并利用Access数据库实现了数据的存储与调用。最后，利用MATLAB工具，建立了加速度计性能参数模型，并做出了相应的预测与差值估计。

利用显微镜聚焦理论,沿显微镜光轴方向移动物体,不断计算图像的灰度变化之和,可判断出物体沿光轴的坐标,将这一坐标集成在伺服控制方程中,可完成立体视觉跟踪.这样,采用单目视觉系统就可以获得物体的三维坐标,避免了双目立体视觉系统的复杂结构.为了提高系统图像处理速度,利用卡尔曼滤波器对跟踪的特征点进行预测,并用窗口处理技术减小图像处理区域.实验和仿真结果表明,上述方法可完成复杂微装配的视觉跟踪,系统有好的实时性.

为提高数控机床热误差预测的准确性和适应性,提出一种基于序列深度学习网络的数控机床热误差建模和预测方法。提出一种基于LSTM的序列深度学习预测网络,构建包含历史序列数据的动态数据矩阵为模型输入;通过截断式训练方法降低深度预测网络中每项参数更新的复杂度,利用序列深度学习网络自动提取温度时间序列的时空特征,准确表征温度序列信号与热误差之间复杂的映射关系,采用Softmax输出层对热误差进行准确预测。实验结果表明:该方法解决了传统浅层方法因未考虑历史序列数据对当前输出的影响而存在的预测精度不高、鲁棒性差等问题,将热误差预测的均方根误差降低到2.5μm以内,优于传统的SVM和BP等浅层神经网络预测方法,为数控机床热误差补偿提供了参考。

汽车行业已经在国民经济中占有很大的比重，因此对于无论是调控汽车市场的走向的政策制定者，还是需要了解市场行情的汽车制造厂商而言，汽车销售量的预测都有着极为重要的作用。文中采用时间序列模型对于中国汽车的月销盘进行预测，通过比较，选取最优模型，然后对2013年中国汽车的销售量进行一个简单的预测，为政府及企业的相关人员提供一个数据基础，希望其可以根据预测值进行政策以及策略的调整。

假设自紧式停车密封的橡胶圈服从Mooney-Rivlin材料模型,采用有限变形理论对其进行了应力—应变分析,导出了初始接触压力和固有启闭转速的理论表达式,其理论计算值与实验值较为一致。此方法对于径向自紧式停车密封的性能预测是可行的。

简要介绍了可调叶片轴流泵叶轮设计安放角及变转角工况下最优工况点流量的计算方式。在零转角工况性能预测的基础上，进一步讨论了变换角工况下的性能预测。

对液压设备泄漏的产生、预测及处理进行了分析。

我国将重点发展农业、交通、能源、建筑、环保以及原材料行业，将创造大量的高质量、高可靠性的流体传动与机械传动产品需求，市场前景十分看好。请看中国液压气动密封件工业协会高级顾问杨尔庄教授的分析。