为了让风电电力系统在并网时能够平稳运行，降低因系统波动带来的经济损失，同时提高风电电力系统的竞争能力，找到一种稳定准确的风速预测方法有着重要且现实的意义。在机器学习的方法中，基于反向传播算法调整权值的BP神经网络是最常用也是最有效的方法之一。尽管BP神经网络拟合非线性序列的能力很强，但是在调整权值的过程中收敛速度慢，同时十分容易陷入局部最优值，为有效解决这两个可能出现的问题，将遗传算法(GA)用于优化神经网络。在此基础上，考虑到风速序列的间歇性、非平稳性以及差异性等特点，提出了一种基于经验模态分解(EMD)、遗传算法(GA)和BP神经网络的短期风速预测模型EMD?GA?BPNN，通过和其他几种模型的横向对比，验证了此模型在短期风速预测效果上的可靠性与优势。

由于噪声、周期性、非线性和非平稳性的干扰，现有的大多数因果分析方法在工业过程控制系统的应用中往往是不可靠和不准确的。为提高厂级振荡源定位的性能，提出了一种基于改进收敛交叉映射的因果关系检测方法。首先，指出噪声和周期性对因果关系检测的不利影响。其次，将经验模态分解和去趋势波动分析相结合，实现了振荡信号去噪。然后，通过奇异谱分析有效地去除信号的周期性。利用收敛交叉映射可以对去噪去周期后的信号进行分析，进而准确地定位厂级振荡的源头。仿真结果表明，所提方法能提高过程控制系统中厂级振荡源定位的准确性。

采用有限单元法对单螺杆挤出机不同螺杆组合段流域进行研究。使用Polyflow软件计算普通螺纹螺杆、普通螺纹与菠萝头组合螺杆、普通螺纹与销钉组合螺杆流场的压力场、剪切速率场、速度矢量、混合指数等参数，并对后处理结果进行了比较分析。结果表明，普通螺纹螺杆能为流体提供较大的轴向速度；菠萝头螺杆虽然阻力较大，但是较多的斜截面设计能为流体提供较好的轴向分速度和周向分速度；销钉螺杆的屏障作用会使一部分流体回流。三种新型螺杆在为流体提供良好的线速度的同时，能有效地对流体进行拉伸和剪切，使其分散混合更加均匀，从其曲线分析结果来看销钉螺杆混合效果最佳。