简介：风电场的安全运行需要风电功率预测具有较高的精度。尽管支持向量机（SVM）理论在解决预测数据非线性等方面有较大优势,但SVM的参数难以选取。采用人工蜂群算法（ABC）对SVM中的参数进行寻优并对风电功率进行预测,将仿真预测结果与标准SVM预测结果进行对比,结果证明该方法提高了预测精度。
简介：采用MATLAB的人工神经网络工具箱,以高锰铝青铜的化学成分作为输入参数,其抗拉强度bσ、屈服强度0σ.2和延伸率δ作为输出,建立了材料的力学性能预测模型。计算结果表明,三项输出的预测值与实测数据接近,其相对误差小于±6%的范围,该模型对其他材料的设计生产具有一定的指导意义。
简介：采用4球摩擦磨损试验机研究了两种经化学修饰的纳米金刚石粒子在水基基础液的摩擦学行为。实验结果表明基础液中纳米金刚石磺酸衍生物质量分数为0．1％时，可使水基基础液的承载能力提高10%，磨斑直径降低4．4％。基础液中纳米金刚石磷酸酯衍生物浓度为0．05％0．075％时，亦能够使水基基础液的承载能力提高10％，磨斑直径降低2．6％。经过磺化修饰后的纳米金刚石粒子具有更好的摩擦性能。
基于人工蜂群算法的风电功率预测技术
基于人工神经网络的材料力学性能预测
含纳米金刚石粒子的水基润滑剂摩擦学性能研究
