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。     

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。     

基于神经网络的织物剪切性能的预测研究

探讨织物剪切性能和结构参数之间的关系，在33种精纺毛型织物实验数据的基础上，利用BP神经网络方法，建立了精纺毛型织物剪切性能与织物结构参数之间的网络模型，并对模型进行验证和评估。结果表明可以用神经网络来预测织物剪切性能指标，限于样本量，预测平均误差率在15％左右。     

曲轴磨床动态特性的试验研究

本文阐述应用模态分析法对曲轴磨床动态特性的研究。主要的进展是提出根据动静态测试辨识机床动态结构参数的方法,从而得以建立整台机床结构的数学模型。借助这一模型可对机床结构进行理论分析,指出危险模态和薄弱环节.最后,对曲轴磨床的不同参数的设计改进方案在计算机上进行动态特性的预测。本模型也适用于外圆磨床。     

基于神经网络修正的结构有限元模型简化

介绍了神经网络修正技术在结构有限元模型简化中的应用，并根据实际工程润扬大桥桥塔的现场实测模态数据对所建的有限元模型进行修正简化．建立了结构物理参数与结构自振频率之间复杂非线性关系的BP神经网络模型，反演仿真数据代入的有限元计算结果与实测结果较为吻合，证实了该方法的有效性．     

考虑变刚度解耦膜的液压悬置动特性快速预测模型

针对液压悬置幅变特性难以计算的问题,提出了一种考虑解耦膜变刚度的固定解耦式液压悬置动特性快速预测模型。首先通过阐述固定式解耦膜的工作原理和特性,引入固定式解耦膜与金属笼的非线性接触力,依此建立固定解耦式液压悬置的集总参数模型;然后对解耦膜进行流固耦合有限元仿真,用分段函数描述解耦膜等效位移与非线性力的关系,并研究了解耦膜厚度、直径以及解耦膜与金属笼间隙等结构参数对变刚度特性的影响规律,采用BP神经网络建立了解耦膜刚度预测模型;最后,选择某固定解耦式液压悬置进行动态特性仿真计算,并与实测结果进行对比。结果表明:文中提出的模型是准确的,且可大大缩短液压悬置动态特性预测的计算时间。     

利用BP神经网络反算沥青路面结构层弹性模量的研究

 基于层状弹性理论,利用BP神经网络预测沥青路面结构层弹性模量。根据常用的路面结构形式,基于层状弹性理论构建路表弯沉值与结构层参数之间的数据库,并以此数据库建立沥青路面结构层弹性模量BP神经网络预测模型。对理论及实测弯沉盆进行结构层弹性模量预测效果检验,并对比分析计算弯沉盆与实测弯沉盆拟合程度。分析表明,建立的沥青路面结构层弹性模量BP神经网络模型具有较好的预测精度,为准确、快速地评价沥青路面结构层的使用状况提供了参考。     

海水腐蚀梁抗剪强度及其智能分析

为了确定海水腐蚀钢筋混凝土梁斜截面承载力特性，用人工海水对15根钢筋混凝土梁进行加速腐蚀试验，得到海水腐蚀下钢筋混凝土梁斜截面受剪承栽力．随着腐蚀循环次数增加，承载力与构件参数及循环次数之间存在非线性关系，而采用常规的方法建立它们之间的关系，难以用数学公式来表达．利用神经网络方法，建立3层BP网络模型，以拟合不同条件下海水腐蚀钢筋混凝土梁受剪承载力的变化规律．根据试验训练样本数据，对该模型进行训练，建立BP网络模型系统．结果表明，基于模型系统的拟合曲线与试验曲线符合较好，能够反映承载力和腐蚀循环因素之间非线性变化关系，为腐蚀钢筋混凝土梁的抗剪强度预测提供参考．     

应用BP神经网络模型实现内圆磨床主要零件的快速反应设计

用数字化模型代替三维实体模型，将内圆磨床主要大件的BP神经网络模型放入数据库信息管理系统，应用较简单的使用方法实现了零件结构的再修改、灵敏度分析及优化．根据所提出的方法，通过从数据库信息管理系统中调用桥板的数据文件，对其进行结构参数修改、灵敏度分析及以第1阶扭转频率最高为目标的设计变量自动搜索寻优计算，结果表明将BP神经网络模型与数据库信息管理系统结合是实现零件快速反应设计的有效途径．     

基于蚁群算法和神经网络的位移反分析

运用蚁群算法和人工神经网络构造了位移反分析的蚁群人工神经网络模型，并基于正交试验获得的训练样本对网络进行学习，以此训练好的神经网络模型来描述岩体力学参数和位移之间的关系。该方法以神经网络为基础，用蚁群算法来学习神经网络的权系数。利用反演结果，建立快速拉格朗日快速计算法（FLAC）模型，对地表沉陷进行预测。结果表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。     

基于小波包分析与BP神经网络的氧化铝熟料检测

利用小波包分析与BP(Back Propagation)神经网络相结合的算法,对氧化铝熟料检测的应用进行了研究.通过采集回转窑中氧化铝熟料下落碰撞窑壁产生的声音信号,利用小波包分析提取特征向量,根据氧化铝的烧结状况与声音信号特征向量的对应关系,提出建立BP神经网络模型.利用MATLAB对测试样本进行验证,结果表明BP神经网络模型在氧化铝熟料检测中具有可行性,而且具备一定的准确率.     

流化床喷雾制粒神经网络模型及其应用

建立了反映流化床喷雾造粒过程参量同产品物性之间映射关系的BP神经网络模型。在建模中运用了正交实验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术，对网络结构及其参数进行了优选。网络模型输出同实验结果非常接近，具有广泛的适应性。该网络可以实现各种定量分析计算，例如：预测在特定过程参量下的产品粒径，或者根据指定的产品目标，确定合适的工艺参量等。     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度     

BP神经网络在热轧中厚板力学性能预测中的应用

基于神经网络原理,采用BP算法训练网络,建立热轧控制参数(轧制温度、化学成分、变形量等)对描述产品力学性能的参数的映射关系。离线仿真表明,将神经网络模型应用于热轧控制预报,具有现实意义。     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

基于ANN的废纸造纸废水处理过程的动态建模

研究了人工神经网络技术在废纸造纸废水处理过程动态建模中应用的可行性,采用误差反向传播网络（BP网）建立了表征原水COD、加药量、进水流量、历史出水COD与预计出水COD之间复杂关系的动态模型,并对不同训练方法进行了比较,发现带有动态调整的方法具有较好的效果,其模型的计算输出值与过程的实际输出值具有较好的一致性．利用所建立模型对造纸厂现场排放废水进行实验,结果表明该模型可用于废纸造纸废水处理的动态描述,并为进一步的废水处理系统在线智能控制奠定了基础．     

BP神经网络在储层物性参数预测中的应用——以梁家楼油田沙三中为例

在储层四性特征及其四性关系研究的基础上，应用BP神经网络方法，对梁家楼油田沙三中储层的物性参数（孔隙度、渗透率）进行了预测，并对其预测精度进行了检验。将神经网络解释结果与常规数理统计方法精度对比可见，神经网络法的参数预测精度有较大的提高，显示出BP神经网络法在储层参数预测中的优势与应用潜能。     

基于Elman型神经网络的空调负荷预测模型

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且这种关系具有动态性，因而传统方法的预测精度不高，而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点，建立了基于Elman型神经网络的空调负荷预测模型，并进行了实例预测。文中还比较了Elman网络和BP终结建模效果，仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点，说明Elman网络是一种新颖、可靠的负荷预测方法。     

神经网络在光栅系统动态测量精度分析中的应用

设计了一种基于计量光栅的光栅全系统动态测量精度分析装置。针对实验所得的此光栅系统在五种不同速度下的动态测量误差，对误差特性进行了分析，并应用ＢＰ神经网络进行其误差分布特性的预测及动态测量误差的预报，结果表明ＢＰ神经网络可用于动态测量中的误差预报，从而可为动态测量误差预测、修正与补偿提供有效的手段和依据。     

应用反向传播神经网络算法的发动机动态总压畸变预测

为提高动态总压畸变预测的准确性,通过引入反向传播神经网络算法,研究其在紊流相关中的可行性和准确性.结果 表明:反向传播神经网络可应用于紊流相关以预测动态总压畸变;采用单个工况进行自我预测时,神经网络显示了良好的预测能力,预测结果与试验值吻合很好;采用反向传播神经网络法,5个工况作为样本预测各工况紊流度时,样本工况的平均紊流度与试验值一致,而测试工况中个别工况的平均紊流度与试验值有些偏差,网络的设置和训练需要进一步研究,以提高网络的预测能力.从与最小二乘法的预测结果对比来看,神经网络法是一种更有前途的预测方法.