神经网络用于切屑类型监视

利用一种称为传感器融合的新监测方法，集成来自各种传感器的信息，建立了一个基于神经网络的切屑类型监视的智能系统。当使用不同的切削用量时，系统的正确识别率达８４％，表明神经网络模型具有在较宽工作条件下识别复杂系统的优点。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略；首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性，学习结果后，将该神经网络作为控制器对系统实验控制，对一个具体的线性控制在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器，而且在系统发生未知故障时，同样具有容错性。     

多传感器信息融合的算法比较

神经网络技术已经越采越多的应用于传感器的信息融合，但是由于传统的神经网络结构对于计算大学习样本．需要的隐结点数很大，导致训练的时间很长，性能下降。本文提出了一种阵列神经网络的结构模型，通过将传统神经网络中的中间隐层用子网络代替，不同的信息分配到不同的子网络中，然后再进入融合层进行融合，从而克服了传统神经网络计算大容量样本的缺点。本文还结合测量压力的多传感器系统，通过比较阵列神经网络和传统神经网络对信息融合的效果和速率来研究阵列神经网络的作用。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．     

基于神经网络处理的井巷气体自动检测系统设计

介绍用普通气体传感器组成多维气体集成敏感阵列传感器克服交叉敏感干扰，由PC机采集阵列传感器的相应特征并结合数学方法和神经网络方法训练阵列传感器处理气敏信号，完成对气敏阵列传感器的标定。阵列传感器连接单片机构成采集前端。采集前端监测报警并将采集的数据传送到井巷气体监测系统上位机，由系统分析机对整个井巷系统内的气体环境综合分析、监控。     

二维力传感器动态补偿器设计

为改善扁环式二维力传感器动态特性以及消除其维间耦合现象严重的问题,提出了用神经网络逆系统方法去构造该二维传感器的动态补偿器,并由此设计了由微分器和静态神经网络构成的神经网络逆动态补偿器.通过对原传感器的数据采集和数据处理得到了静态神经网络的训练样本,用所得到的训练样本对静态神经网络进行了训练,训练后的静态神经网络即可用来和微分器构成所期望的动态补偿器.将该动态补偿器串接在扁环式二维力传感器之后,进而构成复合的测量系统.进一步地仿真实验表明,经过动态补偿器的信号远好于未补偿的原传感器输出信号.由此可见,利用该方法设计的动态补偿器所组成的复合测量系统在消除维间耦合现象的同时、也大大改善了系统的动态特性.     

基于神经网络预测器的单传感器故障检测方法

目的 研究单传感器的故障检测方法,方法 提出了神经网络预测器用于单传感器故障检测的实现方法,并给出了神经网络预测器的在线和离线学习算法。结果 本方法只需要一个传感器的输出信号就可检测系统中的传感器是否发生故障,如果对系统中多个传感器建立神经网络模型,可以检测控制系统中多种类型的以及多个同时发生的传感器故障。结论 用汽车发动机仿真实验可以表明本方法是行之有效的。     

基于MATLAB的无速度传感器矢量控制仿真

设计了参数自调整模糊控制代替常规的PI调节器，构建无速度传感器异步机矢量控制系统，并运用Matlab＼Simulink工具构造异步电动机的矢量控制解藕数学模型、自适应神经网络速度辩识模型和参数自调整模糊控制器，对无速度传感器矢量控制系统进行了仿真．仿真结果表明：自适应神经网络速度辨识具有较高的辨识精度，且该系统具有良好动、静态性能．     

基于遗传神经网络的扭矩传感器设计

分析了传统扭矩传感器存在的主要误差,利用遗传算法优化的BP神经网络对扭矩传感器误差进行了补偿,提高了系统的测量精度.利用MSP430单片机完成神经网络的回想,使设计的智能传感器体积小、耗电省、成本低.     

多传感器信息融合在水环境监测中的应用

将多传感器信息融合技术应用于水环境监测系统，提出了采用分散化滤波方案的系统融合结构模型，并讨论了向量卡尔曼滤波算法和单隐层3层前向神经网络。实践表明，融合效果良好。     

机器人人工嗅觉系统设计

利用半导体气体传感器的交叉敏特性,将气体传感器阵列与神经网络相结合,构建了一个用于临场感机器人的人工嗅觉系统,用于气体的定性识别.自组织神经网络(SOM)将被测气体的多维特征信息映射到一个二维平面上,从而实现了对被测气体的识别分类.实验结果表明半导体阵列人工嗅觉系统可以提高气体传感器的选择性,用SOM神经网络构建人工嗅觉识别模型是完全可行的.     

结合传感器阵列和BP神经网络的挥发性有机物定量检测系统

为了快速准确获得挥发性有机物浓度,提出了一种基于金属氧化物气体传感器阵列和BP神经网络的挥发性有机物定量检测系统。首先,使用4个金属氧化物气体传感器组成传感器阵列,将被测气体组分与浓度转化为电信号波形,对传感器阵列信号进行特征提取得到特征矩阵;然后,使用BP神经网络实现目标气体浓度的检测,对BP神经网络拓扑结构设计与参数进行优化;最后,使用遗传算法提高BP神经网络检测精度。采用该检测系统检测混合气体中挥发性有机物异戊二烯浓度,检测结果表明,异戊二烯、氨气混合气体和异戊二烯、丙酮、乙醇混合气体中异戊二烯体积分数的均方根误差分别是0.058和0.077,系统满足挥发性有机物定量检测均方根误差低于0.1的要求。     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

基于神经网络的传感器故障监测与诊断方法研究

提出了一种基于神经网络的传感器故障监测与诊断的新方法。该方法先用BP网络的预测输出和传感器实际输出之差来判断传感器是否发生了故障，然后用函数型连接神经网络模拟传感器的输出特性函数，通过计算神经元连接权值的变化，确定传感器哪个输出特性参数发生了变化，最终推断传感器发生了哪一类故障。该方法的特点是只需要知道一个传感器的信息。电阻应变式力传感器故障诊断实验结果证明了该方法的实用性，为传感器故障监测与诊断提供了一条新途径。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

舰艇化学侦察中的毒剂识别技术

为了更有效地对海战场化学战剂实施监测与快速准确识别,提出将多传感器信息融合（MSIF）技术、小波分解和神经网络应用于舰艇化学侦察领域中,构建了多传感器融合式舰艇化学侦察系统模型。同时,把小波分析和神经网络有机地结合起来,创建一套基于小波变换和神经网络的化学战剂特征快速提取与识别系统——神经网络识别毒剂系统,建立了带有偏差单元的递归神经网络识别毒剂模型和基于小波分析的毒剂特征提取方法。实验与仿真结果表明;利用基于MSIF技术和小波分析的神经网络识别毒剂系统,对毒剂进行定性定量分析是切实可行的,该方法能显著提高测量结果的准确性和可信度,且结果具有可重复性。     

一种基于小波变换与神经网络的传感器故障诊断方法

传感器故障诊断在化工生产中有着重要地位。该文以小波变换与神经网络方法为基础,提出了一种传感器故障诊断的方法。该方法能够有效区分传感器故障造成的信号变化与过程本身正常波动造成的信号变化,同时在训练神经网络时只需要系统正常状态下的样本,克服了传感器故障样本稀少的困难。此外,该方法可以在传感器发生故障后估计出正常的模拟信号。实验证明,该方法能够有效完成故障诊断,并可以判断出传感器的故障类型。     

信息融合技术在智能楼宇防火报警系统中的应用

防火报警系统是智能楼宇的一个不可或缺的重要组成部份.传统的火灾报警系统只要监测传感器中有1只传感器的被监测量超限,系统就报警,使系统的误报率升高,可信度大大降低.运用多传感器融合技术,采用模糊神经网络技术进行信息融合,使得防火报警系统的可靠性得到大大提高.     

基于蚁群神经网络的两级信息融合算法

为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首先运用蚁群优化(ACO)算法对BP神经网络的权值进行优化,并将优化后的蚁群神经网络用于无线传感器网络的信息融合.通过对簇成员节点采集到的原始数据进行两级融合处理,只将代表原始数据的少量特征值发送给汇聚节点,大幅度减少节点数据通信量,提高了数据传输效率,同时降低了系统能耗.     

神经网络配合声发射传感器在钻岩和磨矿中的应用

该项研究是对声发射传感器联机探测岩石性质进行评价。首先探讨了声发射与岩石破碎机理的关系，然后介绍了把声发射传感器联接到锚杆孔钻机上，用反向传播神经网络“识别”岩石破碎特性和岩石种类。辨认岩石的准确度为９９％。试验表明，神经网络的计算和校准能力能够使声发射传感器发挥更佳的探测作用。