一种新的旋转机械故障诊断系统

本文提出了一种新的旋转机械故障诊断系统，把基于规则的知识处理方法与神经网络集成在一起，本文研究了系统的知识表示，推理、自学习和集成方法，并结合一实例进行了分析。     

神经网络知识获取及推理技术在番茄专家系统中的应用

针对传统专家系统知识获取的瓶颈性问题，提出了基于神经网络和传统知识获取与表示相结合的方法。传统的推理方式存在推理效率低和冲突消解问题，提出了由神经网络推理和逻辑推理所组成的混和推理系统。利用神经网络的自学习、自组织、自适应特点，来实现自动知识获取；混和推理既利用了神经网络的并行处理的效率、解决了传统推理存在的冲突消解问题，又克服了神经网络推理结果无法解释等特点，具有较高的准确性和效率性。最后给出了番茄病虫害诊断的应用实例。     

带动态因子调整模糊神经网络控制器的研究

探讨了将模糊规则的提取和推理转化为人工神经网络参数的确定及神经计算，提出一种具有自学习功能的模糊神经网络（ＦＮＮ），并用因子动态调整逼近法，解决了系统中静态误差和积分饱和等问题．     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

注塑模模架设计KBE系统及其智能关键技术

结合当前工程设计领域 KBE技术的发展和模架设计的数据流图 ,给出了注塑模模架设计KBE系统的基本框架 ,并对其关键技术进行了分析 :模架设计知识采用框架 -规则的方法表示 ,并给出了推理的流程图 ,通过面向子目标的方法提高了 KBE系统的知识表示和推理能力 ;将事例推理的方法结合在 KBE系统中 ,提高了系统对以往成功事例的参考能力 ;利用神经网络的自学习能力 ,解决了模架中镶块和前后模设计的计算问题 .通过实际的应用 ,该系统能够有效地提高模具企业的模具设计和分析能力     

基于神经网络推理的故障诊断专家系统

本利用神经网络（ＮＮ）知识并行处理，自学习及联想记忆等功能，建立了基于网络推理的专家系统，论述了ＮＮ的结构，算法参数的确定，系统知识获取和离线／在线自学习功能提出了ＮＮ数值推理和ＥＳ深层逻辑概念相结合的输入／输出转换机制与ＮＮ推理的解释机制。研究表明系统具有良实用性。     

板坯连铸二冷水智能控制及仿真研究

基于传统板坯连铸二冷水控制方法，提出用自适应模糊神经网络推理系统实现板坯连铸二冷水智能控制，建立了基于自适应模糊神经网络推理系统的板坯连铸二冷水智能控制系统模型，并对该控制系统进行了计算机仿真，结果表明系统较好地实现了板坯表面的温度控制，且具有良好的自适应和自学习能力．     

结构等价型模糊神经网络算法及其应用

提出一种结构等价型模糊神经网络的学习算法。等价型神经网络根据模糊系统的推理规则,决定等价的神经网络结构参数。     

基于粗糙Multilayer Perceptron网络的规则提取及生成方法研究

将粗糙集理论同神经网络结合起来,提出了一种基于粗糙集的神经网络体系结构,并以此为基础讨论了神经网络中的规则提取方法.为扩大神经网络的适用范围,利用粗糙集理论中的相关概念来指导神经网络系统的构建,从而使系统参数具有较为明确的物理意义.提出一种对该网络进行训练的学习算法.根据网络中各节点所对应的物理意义以及相应连接权值的大小,给出了一种折衷型算法对粗糙神经网络进行推理规则提取和生成.实验结果表明:粗糙神经网络具有较好的工作性能,并且能给出相应的推理规则.     

基于密度聚类补偿模糊神经网络的建模方法

补偿模糊神经网络是综合补偿模糊逻辑和神经网络的混合系统。提出了将密度聚类算法运用到补偿模糊神经网络的输入模糊化和规则提取中。通过该方法对非线性系统的建模,仿真结果证明改进后的网络在提取规则、误差精度、收敛速度等方面均优于传统补偿模糊神经网络。     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数。该方法适用于非线性系统和时变系统,实现了PID参数的在线整定。     

产生式系统与神经元网络的结合

提出了产生式系统和神经元网络相结合的方法,研究了从推理网络转换到神经元网络的途径,研究了从神经元网络权矩阵转换到产生式规则的方法,从而使产生式系统能自动修正规则和获取规则.还提出了一种由二次型阈值元件组成的神经元网络,给出了它的学习算法,并严格证明了它的收敛性.     

智能制造系统中立体神经视觉的校准

提出一种利用神经网络校准立体视觉系统的方法。该方法充分利用神经网络的学习、记忆功能 ,采用样本进行训练后 ,神经网络能学习到立体视觉系统中的非线性关系和摄像机的内外方位元素 ,并且保存起来。该方法克服了传统校准方法计算复杂、计算量大的缺点。通过实际应用 ,获得了很好的效果     

神经网络专家系统的状态识别,知识表示和求解策略

将神经网络与人工智能技术相结合，提出了１种新型的知识表示的形式化描述和知识单元，知识通过模式分类导入，并用ＩＭＳＢＰ和（Ｂ－Ｂ）ＢＰ调节２种不同类型的权，在此基础上提出了神经网络的双向求解策略，以加炉控制验证了其可行性。     

自适应神经PID在软胶囊生产过程温控系统中的应用

以软胶囊生产过程温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发．由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制．实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好．     

淬火炉温度的自适应神经PID控制

以淬火炉温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发.由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制.实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好.     

神经网络PID控制

以工业ＰＩＤ控制中控制器参数调整困难为背景，在分析神经网络特性的基础上，提出神经网络控制方法，设计了具有自适应性的神经网络ＰＩＤ控制器，在描述了神经网络的学习机理的基础上，给出了控制器控制算法。通过２个实例验证了神经网络在线控制的可行性。     

基于反向传播算法神经网络的信用评分系统预测力研究

为了提高信用评分系统的预测准确性和稳定性，建立了基于反向传播（BP）算法神经网络的信用评分系统，并提出信用评分系统预测力和预测稳定性验证的新方法．结合信用评分问题的实际特点建立了模型并确定了参数，然后采用一种正向选入法确定输入变量，进行模型训练，并通过引入接收器操作特征曲线的分析理论、曲线面积（AUC）值及信息理论等评价方式，对所构造的神经网络信用评分系统预测力进行评价，最后利用自抽样法构造出多个验证样本来评估信用评分系统的稳定性．与传统的逻辑信用评分系统的比较结果表明，BP神经网络信用评分系统具有更高的预测准确性和稳定性，其AUC值平均提高0．0367，AUC值的标准误差平均降低0．005．