用人工神经网络对岩性及含油层的预测

本文将反向传播(BP)人工神经网络用于油井岩性及含油层的预测，根据测井资料中的深侧向电阻、微侧向电阻、自然电位及声波时差四个参数对18口油井的地层的岩层特性进行预测，通过将实际岩心数据与预测结果进行比较，预测的正确性达90％以上。这表明。该技术用于岩层特性及含油层的多参数预测是成功的，从而为开发智能化油井岩层特性及油气资源储藏特点的预测系统提供了依据。对于创造我困预测油气储藏的智能化系统具有重大意义。     

转子系统随机支撑刚度参数的识别

基于Riccati摄动随机传递矩阵方法建立的转子系统特征值与随机参数变量间的函数关系，给出了转子系统随机参数的识别方法和详细步骤，可用于识别随机参数的均值和方差。以改装的Bently实验转子为研究对象，通过大量测试，识别出了转子系统的随机支撑刚度参数，建立了该转子系统的随机参数动力学模型。该模型可用于研究转子系统的随机参数动力学问题。     

多自由度振动结构的随机优化方法

多自由度振动结构的随机优化问题的求解一般要比确定性优化问题的求解复杂得多，也没有行之有效的算法．本文利用概率原理，把随机优化问题转化为等价的确定性优化问题，优化参数取作随机设计变量的均值和标准差，并把该方法应用于多自由度线性扭振系统，在得设计参数的最优均值的同时，还得到了相应的最优标准差，为工程技术人员控制结构零部件的加工精度提供了依据．算例表明该方法是有效的，随机优化的结果比确定性优化的结果好得多．同时，在算例中还讨论了随机设计参数的标准差对优化结果的影响．     

非线性系统非平稳随机响应的时域模态分析法

采用时域模态分析和统计线性化法，得到了一个计算非线性多自由度系统非平稳随机响应的方法。该方法是基于统计线性化参数在一系列微小时间间隔内保持不变，而在这些微小时间间隔的分界点突然改变的假定。考虑了等效线性化系统的时变性；获得了响应协方差矩阵的递推关系。给出了两个算例，并将计算结果与相应的数字模拟结果进行了比较。结果证明该方法是具有满意精度和有效，而且可用于时变系统     

用于等离子体断路开关中的磁探针诊断技术

介绍了用于等离子体断路开关实验中的磁探针诊断的基本原理以及磁探针的制作、标定、测量方法和最终的测试结果。对磁探针积分器参数选择及测试中需注意的几个问题进行了讨论和分析。实验结果表明，磁探针诊断在等离子体断路实验中是一种简单而且有效的诊断手段。     

基于多尺度特征应变均匀化计算HCP多晶体塑性

结合基于位错密度的晶体塑性模型与特征应变均匀化方法来分析HCP晶体结构材料的力学行为，拟开发一种计算模型用于有效捕捉以及预测微观与结构尺度的裂纹产生。首先，与传统的晶体塑性有限元相比，该多尺度模型可以提高计算效率并同时保持微观尺度的捕捉精度。其次，将模型与试验结果的差值为优化目标，在满足物理学定义的条件下得到合理的材料参数。最终，结构尺度的模拟显示该模型可以获取在结构尺度与微观晶粒尺度的潜在裂纹生长区域。     

测试转台陀螺伺服系统全数字控制实现

讨论了测试转台中陀螺伺服状态的构成原理，提出了一种基于全数字控制的陀螺伺服系统实现方案。该方案不仅方便系统参数在线调整，而且可以完成多种不同类型，不同参数的陀螺仪伺服实验，目前已经成功地用于某型空气轴承伺服转台，取得了满意的结果。     

边坡预裂爆破参数优化研究

边坡工程施工中常用到预裂爆破，预裂爆破参数对爆破降震起着非常重要的作用。通过大量的预裂爆破试验，得出了适用于该边坡的炮孔直径、炮孔间距、线装药密度、不耦合系数等一系列常规预裂爆破参数。通过ANSYS/LS-DYNA数值模拟，得出了与4种炮孔直径对应的理想的预裂爆破参数，且与爆破试验的结果基本一致。通过回归分析，得出了用于该边坡选取预裂爆破参数的简易公式，用以指导该工程的后续施工。实践证明，采用爆破试验与数值模拟相结合的方法，对于爆破参数的优化选择，效果明显。     

遗传算法在炸药爆轰参数计算中的应用

为解决爆轰参数计算中自变量取值范围要求严格以及收敛性差等问题，在最小自由能法的基础上，引入遗传算法建立了炸药爆轰参数的计算方法，并利用典型单质炸药和混合炸药的实验结果对计算结果进行了验证。结果表明:采用该方法计算得到的单质和混合炸药的爆速、爆压与实验测试结果基本一致，误差在5%以内，满足炸药性能预估的要求；该方法人工干预弱，只需一次性确定少数主要组分物质的量的变化范围，可适应于多配方优化计算。     

多种群遗传算法在PBX本构模型参数识别中的应用

利用多种群并行结构对标准遗传算法SGA进行并行化处理，引入移民算子和精华种群形成多种群遗传算法MPGA，并设计了自适应交叉和变异概率对算法的收敛速度进行改进。结合ABAQUS软件和改进的多种群遗传算法，建立了材料本构模型参数识别方法。采用该方法对PBX炸药黏弹性损伤本构模型参数进行了模拟识别，并同基于标准遗传算法的参数识别方法进行了比较。结果证明，基于改进多种群遗传算法IMPGA的方法对克服算法未成熟收敛有显著的效果，识别结果更稳定。同时该方法的收敛速度更快，寻优能力更强，适合复杂非线性问题的优化，此方法可以被应用到其他材料本构模型的参数识别中。