计算智能作为生物智能的计算机模拟，包含模糊系统，神经网络系统，进化计算等新的算法。这些学科的共同特点是通过“仿生”和“拟物”使问题得以解决。结构优化同计算智能的结合必将产生结构优化设计新的分支，即结构智能优化设计。简要介绍计算智能和结构进化智能优化设计。结合两个结构振动主动控制的简单算例来说明智能在振动工程领域具有很大的理论和应用价值。

以遗传算法和人工神经网络为基础，结合结构静力位移测量进行参数识别，从而判别工程结构的健康状况。

叙述了RBF神经网络的结构和"薄管板"结构强度分析过程以及应用RBF神经网络对"薄管板"结构应力的非线性系统进行了系统辩识,网络输出值与计算值符合较好.说明基于神经网络的系统辩识方法在结构强度分析过程中具有一定的实用性.

切削颤振将降低加工质量和加工效率,其一直是切削加工领域的一项重要研究课题。针对传统的切削颤振识别方法中,存在获取颤振加工信号中的测量不确定性问题及识别模型中的模型不确定性问题,提出基于广义区间理论的广义BP神经网络切削颤振识别模型,利用广义区间不确定性分析方法将测量不确定性量转换为广义区间量,并进行广义区间形式的时频特征提取,最后将广义区间化的特征量代入广义BP神经网络识别模型中,对切削加工状态进行识别。试验结果显示,提出的广义BP神经网络颤振模型比传统BP神经网络颤振模型有更高的识别率。

针对牛头刨床刨头切削速度不平稳问题,采取改进BP神经网络对六杆机构进行优化.建立牛头刨床六杆机构运动简图模型,推导出刨头动力学方程式.构造六杆机构运动参数优化目标函数,采用改进BP神经网络对六杆机构约束参数进行优化.将优化后的参数导入到Solidworks软件中建立三维模型,并且进行动力学仿真.仿真结果显示,与优化前相比,优化后的牛头刨床,不仅延长了刨头的工作时间,而且在工作行程过程中,速度和加速度（0.3-0.8s）运动较为平稳,牛头刨床振动幅度降低.采用改进BP神经网络优化牛头刨床六杆机构,可以提高刨头工作效率和切削的稳定性.

为了客观地分析消费者内隐的美感,提出了基于外显产品形态而进行美度评价的模型.总结美学评判知识,提出了10个产品形态美度的衡量指标;应用聚类分析获得针对目标产品的代表性美度指标,并运用结构方程模型验证了指标的合理性;运用神经网络建立产品形态与美感之间的映射关系,模拟人的审美认知过程进行美度评价;以紫砂壶美度评价为例进行验证分析,结果表明建立的模型是可靠的,可为产品形态设计提供有效辅助.

信号处理和机器学习是故障诊断过程中的关键技术,针对机械关键零部件的传统诊断技术,提出了一种采用字典学习和AdaBoost算法的信号诊断方法.该方法基于原始振动信号驱动训练数据,通过K-SVD和OMP算法更新字典并对其在字典空间稀疏表示,筛选重构所得增强信号时、频域特征,采用集成算法在AdaBoost神经网络分类器中实现振动信号的诊断.研究表明,采用字典学习和AdaBoost算法的信号诊断方法自适应强,能准确提取信号本质特征,诊断精度高,优于传统诊断技术.

针对铣床主轴运行产生的热误差问题,采用改进BP神经网络预测模型,并对预测结果进行验证。融合量子粒子群算法和差分进化算法的各自优点,给出混合算法寻优操作流程。分析BP神经网络结构,给出改进BP神经网络优化流程图,构造铣床热误差适应度函数,采用混合算法优化BP神经网络预测模型。通过具体实例对铣床热误差进行实验验证,预测结果显示：BP神经网络预测偏差值较大,在Y轴、Z轴方向预测产生的偏差最大值分别为7.3μm和7.5μm,改进BP神经网络预测偏差值较小,在Y轴、Z轴方向预测产生的偏差最大值分别为2.8μm和2.9μm。同时,改进BP神经网络预测铣床热误差与实际偏差值波动较小。采用改进BP神经网络预测铣床热误差精度较高,可以提高主轴加工工件的精度。

针对将压电阻抗技术应用于地震预测的可行性问题，从构造地震原理与压电阻抗技术基础理论着手，通过对构造运动中岩石受压受损状态进行实时监测来了解岩石的健康状态的方法，从而达到地震预测的目的。设计了压电阻抗传感器，确定实验方案，搭建实验平台进行构造地震模拟实验并采集阻抗值数据，并结合神经网络技术对岩石受载动态过程中健康状态进行定量分析。利用实验与仿真分析的方法验证了将压电阻抗法应用于构造地震预测的可行性。

电力变压器是是电力系统的核心设备。为预防并降低电力变压器发生故障概率，设计了小波神经网络对电力变压器进行故障诊断。为提高迭代计算速度及计算精度，提出一种基于自适应修正因子的模型优化方法，通过自适应修正因子可以忽略模型中的局部极值，进而消除微小变化特性，排除杂波干扰。基于自适应修正因子设计变压器故障诊断小波神经网络模型训练方法，从而提高迭代计算效率及精度。通过与传统的神经网络模型及粒子群小波神经网络的故障分析结果及误差对比分析，验证所设计的电力变压器故障诊断模型具有较高的可用性。研究结果为电力变压器故障诊断分析提供理论基础。