金属工件孔径电涡流非接触在线测量的研究

提出了一种新的金属工件孔径非接触在线测量方法 ,讨论了电涡流传感器在线测量的工作原理 ,给出了金属工件孔径的计算公式 ,实践证明 ,这种方法检测简单易行 ,精度高 ,速度快 ,切实可行。     

钢材表面涂镀厚度在线测量的研究

主要研究了电涡流传感器在多频率多参数下镀层厚度的测量方法。提出了采用两频率两参数测量镀层厚度的方法，从而可以在线测出镀层厚度的大小。理论分析和试验证明该方法是可行的。     

电涡流比拟自动测试系统的研究

介绍了以微电脑为中心的电涡流比拟自动测试系统的设计原理,所研制的系统可自动测量自由扭转杆的全场应力和抗扭刚度。     

加振电涡流传感器非接触在线测量金属表面温度的研究

提出了一种新的金属表面温度非接触在线测量方法。通过对传感器非接触在线测温原理的分析,提出给传感头施以稳定的低频激振信号,使其在测量时处于传感器的线性范围内（即恒灵敏区）,以消除传感器与被测金属体之间的间隙对温度的影响。实验结果表明,该方法能有效地克服零漂问题,且具有起始间隙大,线性范围大,分辨率高的特点。     

电涡流传感器在人民币硬币识别系统中的应用

本文介绍用电涡流传感器研制的能够识别人民硬币面值的装置。以单片机为系统的处理核心,用传感器将非电量转换成可测量的电量信号,通过数据处理和智能模式比较识别出人民币硬币的面值。     

蚁群神经网络在涡流无损检测中的应用

本文针对RBF神经网络参数选取问题,提出蚁群智能算法优化RBF神经网络,该算法利用正反馈机制迅速确定较优中心节点,同时利用其分布式计算特点避免算法过早的收敛。在涡流无损检测中的应用表明:蚁群算法提高了中心节点的聚类质量,优化了RBF网络结构,提高了识别的精度,应用效果良好。     

神经网络方法在涡流无损检测定量分析中的应用

采用人工神经网络完成涡汉无损检测中的定量识别,首先,用数值方法分析了阴抗增量的幅值、相位与缺损尺度的关系,得出结论：用相位值来表征深度效果更好,精度更高,然后,应用小波边缘检测方法确定的信号特征值作为网络的输入,结果表明：计算量大为减小,网络结构得到了简化。     

平面电涡流线圈的结构参数设计

为提高平面电涡流传感器的灵敏度,以Biot-Savart-Laplace定理为基础,研究了传感器线圈结构参数对其灵敏度的影响。推导了平面电涡流线圈的磁场分布梯度公式,仿真计算、分析了不同结构参数条件下线圈的磁感应强度-距离曲线,并进行了实验验证。结果表明:增加外径和圈数,减小内径,可以有效地提高平面电涡流线圈的灵敏度。     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

电缆铝护套厚度在线测量的研究

根据电涡流原理对电涡流传感器高频反射与低频渗透试验方法进行了研究，提出对电缆外壁的形状和厚度进行测量，直接从ＰＣ机的显示器上给出管壁的形状和管壁的厚度。试验证明此法可行。在此基础上，利用８０９８单片机实现智能化，并与上位机实时通讯，做到实时显示跟踪。     

基于神经网络处理油井液面深度的方法

本文介绍了利用神经网络处理油井液面信号的基本方法，并给出利用此方法处理液面信号的结果。     

基于神经网络的温度测量方法研究

介绍基于神经网络的温度测量方法，给出系统原理图及温度测量误差自动校正方法；采用错位累加计算法(LEA判别法)以实现梯度迭代法和牛顿迭代法的有效结合，使神经网络学习步数明显减少而收敛率提高；采用DSP技术实现温度实时快速测量，并给出实验结果。     

基于Hopfield神经网络的系统优化

分析Hopfield型神经网络的系统特征及其优化方面的应用原理,证明了DHNN的权值公式,改进了基于Hopfield型神经网络的系统优化模式,总结相对传统优化方法的特点。     

基于神经网络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖面分辨率的有效方法．常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题．针对这一问题，提出了一种基于反馈神经网络及其衍生物（ＴＨ网络）的地震剖面反褶积方法．实验结果表明，本方法效果明显，尤其在地震剖面中存在一些相隔较远的反射层时有很好的效果，充分显示了神经网络方法处理地震剖面反褶积问题的有效性．     

基于BP神经网络的艾滋病预测模型

利用神经网络的自学习、自适应及非线性逼近能力,建立了艾滋病预测模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为艾滋病预防提供了一种科学、可行的预测模型。     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

基于神经网络的非线性自适应除噪研究

提出一种适用于非线性自适应除噪（ANC）的神经网络方法。当参考通道中的噪声是主通道噪声的非线性变换时，采用线性ANC往往效果不好，此时应采用非线性ANC。由于径向基函数网络具有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性自适应除噪。模拟结果表明，这种方法具有明显的抑制噪声能力。     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性