基于神经网络的车轮运行状态的动态监控

在介绍神经网络的基础上，提出基于RBF神经网络的轮轨间滑行情况的动态监控的方法，包括神经网络类型的选用，RBF神经网络的建模方法，神经网络非线性仿真的特性，数据修正的方法，预测的具体过程等。     

基于过程神经网络与气动热力参数的航空发动机状态监视

采用前馈过程神经网络方法预测发动机排气温度，讨论了网络输入输出参数的选择问题，基于正交基函数简化了前馈过程神经网络的聚合运算，提出了从前馈过程神经网络向传统前馈神经网络网络模型的转化方法，基于传统前馈神经网络先验知识给出了学习算法，进行了网络训练及仿真，取得了满意的结果。     

基于混合神经网络的一般动态系统MT方法建模

利用MT理论对一般动态系统的分解提出了混合神经网络建模的方法，混合神经网络模型采用动态神经网络和静态神经网络级联的方式，结合了二者的优点，克服了各自的不足之处．探讨了采用混合神经网络对一般动态系统建模的方法．研究结果表明，此方法对于一般动态系统，特别是复杂的非线性动态系统的建模有其独特的优点．     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法，并根据火灾传感器信号处理的特点，提出了将其用于火灾探测的方法，在子波神经网络中采用了子波函数和并轭梯度优化方法。实验表明，子波神经网络对火灾信号具有很好的学习和探测能力，与ＢＰ神经网络火灾探测方法相比，所提出的方法能够更快和更准确地探测各种标准实验火。     

神经网络复合推理技术的研究

提出了神经网络复合推理的思想，阐述了神经网络数值推理和传统符号逻辑推理的差异，提出了神经网络前置处理器和神经网络后置处理器的设计方法，建立了复合推理系统的结构，结合大型工程课题进行了验证。实践检验证明，该方法对解决非结构化，半结构化，结构化问题效果显著。     

容错神经网络及容错BP算法研究

给出了容错神经网络有关定义，建立了容错神经网络的数学模型，提出了容错神经网络的学习算法，即容错ＢＰ算法以及容错神经网络的结构设计方法，进行了仿真研究，并给出了实验结果及结论。     

自适应模糊神经网络构建方法

模糊极大极小神经网络的结构与超盒形状系数有关，该神经网络的性能取决于超盒形状系数的选择．在构建该神经网络时，最优超盒形状系数的确定比较困难，故提出了一种自适应的模糊极大极小神经网络构建方法，取消了超盒形状系数对扩张过程的限制，以是否包含其他类样本为超盒扩张条件．实验结果表明，使用这种模糊神经网络方法生成的神经网络结构更简单，对模式分类的效果更好．     

网络设计中集中器定位问题的神经网络解决方法

给出了用于解决网络设计中集中器定位问题的神经网络方法，这类容量受限的集中器定位问题是求最小总花费的NP完全问题，利用拉格朗日乘数法和惩罚函数构造神经网络动态系统的微分方程，采用专门的神经网络可以有效解决，模拟结果表明，这种神经网络方法有效可行，并能求出最优解或近似最优解。     

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。     

动态Hopfield神经网络模型及学习算法

为了解决Ｈｏｆｉｅｌｄ神经网络对可变对象的学习问题，在「１」的基础上，建立了一动态Ｈｏｐｆｉｅｌｄ神经网络，及其学习方法，彻底解决了Ｈｏｐｆｉｅｌｄ神经网络的动态学习问题。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法，如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感，故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦，能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构，然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出，对于文中所给出的非线性系统，这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型，引入了合力作用机制，解决了储层流体类型划分的判定半径问题，克服了以往神经网络对任何输入数据都要产生响应，并给出一个分类结果的缺陷。改进了传统的距离计算方法，克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料，对某油田的储层流体性质及类型进行了识别，获得了很高的识别率。与径向基神经网络的判别结果相比，该神经网络的识别率明显提高。     

基于BP神经网络模型的机床大件结构动态优化方法及其应用研究

将BP神经网络理论与有限元建模方法相结合，提出了采用BP神经网络建立机床整机主要部件的动力学模型，并应用大型有限元分析软件ANSYS的APDL进行BP神经网络样本的快速采样的方法，根据所提出的方法，建立了机床双W筋板床身的筋板位置，厚度与床身前5阶频率之间的BP神经网络模型，并以床身第1阶固有频率最高为目标进行了设计变量的自动搜索寻优计算且获得了满意的结果，表明神经网络理论与传统的数值方法相结合应用于实体结构的动态分析计算具有重要的现实意义。     

基于遗传神经网络的产品价格预测方法

应用遗传神经网络方法，建立了工业产品预测的神经网络预测模型，并运用遗传算法对建立的神经网络模型的结构和推理参数进行优化，使预测结果更加准确，为工业项目的投资评估提供了一种更为合理的预测方法．     

土钉支护变形的灰色预测方法

应用灰色系统理论方法建立土钉支护变形的GM（1，1）预测模型，对比神经网络预测方法，算例表明：灰色理论方法的预测精度高于神经网络方法。     

摆式客车倾摆控制系统神经网络预测控制

考虑伺服电机及机械系统的非线性对车体倾摆的影响，并包括伺服电机的饱和非线性特性的影响在内，采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究，建立摆式客车伺服系统神经网络非线性模型；提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统，解决这类非线性系统的控制问题，即应用神经网络进行辨识及预测控制．研究表明，从理论及工程应用角度看神经网络预测控制都是切实可行的，为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向．     

基于人工神经网络数值求解Helmholtz方程

本文主要研究运用无网格化的神经网络方法数值求解有界域上的Helmholtz方程边值问题。与基于网格化的传统数值方法相比，无网格化的神经网络方法不会因为精密的网格剖分带来巨大的计算开销和存储开销。首先针对单位正方形区域，提出满足边值条件的神经网络，将其用于Helmholtz方程的数值求解。对于一般矩形区域上的Helmholtz方程边值问题，将通过线性变换，映射成单位正方形区域上的二阶偏微分方程边值问题，再利用上述神经网络数值求解相关问题。最后，通过数值算例，讨论神经网络方法数值求解有界域上Helmholtz方程边值问题的特点，并验证方法的有效性。     

三温区电加热炉的神经网络模型参考自适应控制

提出了一种基于神经网络非线性系统的模型参考自适应控制方法，通过在线训练获得反映对象动态持性的神经网络辨识器和神经网络控制器，对三温区电加热炉进行实时控制，仿真结果表明该方法的有效性及其优良性能。