混方体系ANFIS-GA建模与优化框架及应用

混方(配方)问题是为了寻求一种多组元的组分配合，使其在一定工艺条件下获得的产物性能达到最佳。因涉及到组分含量限制、工艺条件、成本约束等特殊性，且实验或生产实际中所积累的数据多为离散和／或不完整数据，加之性能-组分-工艺参数之间的关系复杂，传统的建模与优化方法难以得到满意的效果，特别是要同时优化工艺参数时。     

渗碳钢碳浓度分布模型

本文针对热处理渗碳工艺特点，在一定假设条件下，从钢的化学成分出发，采用理论推导与实验数据处理相结合的方法，建立了渗碳过程的碳浓度分布模型，利用该模型可以实现渗碳工艺的计算机模拟。     

材料性能的模糊神经网络建模

本文利用模糊神经网络直接从实验数据中提取规则，进行材料性能建模与预测，作为应用示例，建立了基于成份和组织参数的灰铁预测模型，与多元统计分析，模糊回归和广义回归网络所得的结果相比，该方法所得的模型具有学习精度高，且具有更好的泛化能力。     

材料性能细菌捕食仿生优化

E．Coli菌类捕食时要设法使单位时间内摄取的能量最大。进行非梯度优化时，可将目标J（θ）视为吸引剂和排斥剂产生的综合效应，则θ=[θ1,…θp]^T∈R^p就对应于细菌位置，用P（i,k,l)=(θ,^1(j,k,l)^1 l=1,2,…，S}表示菌群数为S中的第1个菌体在第j趋化步，k复制步和l次消除-驱散事件中的位置，     

冲天炉熔炼过程粒群优化

粒群优化是一种非梯度随机优化算法，其思想源于动物群体（如群落）社会动力学行为的最近邻速度匹配和根据距离加速等基本规则。本文综合自适应模糊推理的建模功能和神经网络的学习能力，直接从实验数据中提取推理规则，建立了冲天炉熔炼过程模型。模型具有较高的预测精度和泛化能力，利用它可以帮助操作者认识熔炼规律。同时，将自适应模糊推理模型与粒群优化算法耦合，在预定熔化率和炉温的模糊限制条件下，得到了最高热效率时的送风强度和焦耗。此法可推广应用到其它工艺过程的建模与优化上。     

A319合金固溶工艺建模与遗传优化

综合自适应模糊推理的建模功能和神经网络的学习能力，采用自适应模糊推理方法，直接从实验数据中提取规则，建立A319合金固溶处理工艺模型，获得工艺规律。以质量指标为目标函数，用遗传算法优化工艺参数，达到强度和韧性的良好配合。     

铝合金中的晶粒细化剂

晶粒细化是提高铝合金力学性能的重要途径之一。目前，工业用晶粒细化剂通常是含有不同量其它元素的Al-Ti基合金或盐类。文章主要阐述了现有细化剂的类别、优缺点、细化机理以及其在铸造中的应用。     

冲天炉熔炼过程自适应神经-模糊建模

对一个实际冲天炉进行系统试验，得到一系列铁水温度、熔化率与焦耗、送风强度之间相互关系数据。综合自适应模糊推理的建模功能和神经网络的学习能力，在精确表达数量关系的同时，还能直接从实验数据中提取规则，帮助操作者认识熔炼规律，据此得出的新型网形图使用起来更为方便快捷。     

材料性能ANFIS—GA建模与优化

本文提出系统化的基于自适应神经—模糊推理和遗传算法的材料性能建模和优化框架，据此实现了铸造铝硅合金和灰铁成分设计，并用于材料物理性能建模。