人工神经网络在工业控制领域中的应用

将BP神经网络引入到对焊缝成形信息进行预测，并在此基础上设计逆向神经网络模型，通过控制焊接工艺参数，达到实现预期焊缝形状的目的。通过比较发现神经网络的预测精度较高，同时其反向控制系统可以对焊接工艺参数予以实时监控，实现预期控制目标。由此得出结论：神经网络在工业控制领域的应用范围广阔，前景可观。     

人工神经网络在超塑性固相焊接头质量预测中的应用

以 4 0Cr/T10A恒温超塑性固相焊接工艺试验数据为样本 ,经正则化预处理 ,采用径向基函数网络 ,建立由恒温超塑性固相焊接焊接工艺参数预测其接头质量的人工神经网络模型。试验结果表明 ,训练出的网络模型具有收敛快、精度高等优点 ,其完全可以应用于恒温超塑性固相焊接接头质量控制设计中。     

计算机在焊接物理冶金中的应用

针对目前在焊接冶金中存在的问题——很少能定量的预测焊接质量，介绍了国内外焊接工作者在定量焊接物理冶金方面做的大量工作，特别是随着计算的应用，在焊接接头的性能预测、显微组织的预测及分析和焊接缺陷的预测及诊断方面取得了可喜的成果。     

浅谈焊接机器人在汽车制造业中的应用技术及发展趋势

本文首先对焊接机器人在工业中的应用情况作了简要的介绍,然后较全面的介绍了弧焊机器人的各种焊接新技术,重点论述了激光焊接,双丝高速焊和焊缝跟踪的研究现状。     

人工神经网络在矿藏预测中的应用

将人工神经网络方法应用于矿藏预测，本文介绍了该方法的原理和计算步骤，报道了应用人工神经网络方法评价化探异常。特征变量包括化学成分Ｃｕ，Ｓｎ，Ｍｏ，Ａｓ，Ｓｂ，Ｎｉ，Ｐｂ以及物理和地质变量，训练样本的分类正确率达１００％，据此模型预报了若干矿点为铅矿区，将人工神经网络的预报结果和模式识别结果作了比较，并讨论了它在地质勘探中应用的若干特点。     

基于焊接温度场的焊缝跟踪与熔透控制

研究了从焊接温度场中获取焊缝位置和熔透信息的方法，在此基础上设计了规则自调整模糊控制器，实现了MIG／MAG的焊缝跟踪与熔透控制．该系统已成功应用于螺旋管缝内焊自动跟踪与熔透控制．     

基于视觉传感器的移动焊接机器人测控系统

设计焊枪侧置的轮式移动焊接机器人并搭建基于虚拟仪器的移动焊接机器人测控系统.在分析移动焊接机器人特点的基础上,设计由PC,NI-PCI7344,NI-DAQ6015以及图像采集卡等组成的硬件系统结构,采用LabVIEW编程平台编制测控系统软件.设计自适应模糊控制器和高斯基模糊神经网络控制器对十字滑块和车轮进行协调控制.采用高斯函数作为模糊神经网络的隶属函数,利用BP算法实现模糊隶属函数和控制规则的在线修改.实验结果表明:该测控系统运行稳定可靠,其跟踪精度可始终控制在-0.4～0.4n'mm以内,满足实际焊接工程的需要.     

规则自调整模糊控制器在焊缝跟踪中的应用

根据水下焊接的特殊情况，设计了一种带修正函数的规则自调整模糊控制器，对不同形状的焊缝进行药芯焊丝湿法水下焊接的焊缝跟踪试验，并将采用规则自调整的模糊控制器与简单模糊控制器得到的跟踪结果进行比较，试验结果表明，采用所设计的规则自调整模糊控制器进行焊缝跟踪，能够获得更高的跟踪精度和自适应性。     

人工神经网络在海运量预测中的应用

人工神经网络是一种模仿动物神经网络行为特征,进行分布式并行信息处理的数学模型,广泛应用于自动控制、模式识别等领域.本文首先简单的介绍了人工神经网络的相关理论,接着重点分析了BP神经网络预测应用的基本原理,并通过某货物海运量的实例建立BP神经网络时序模型预测未来运量,最后对预测结果和BP网络结构性能进行分析.     

人工神经网络在控制中的应用及发展前景

通过对人工神经网络的历史与现状的分析，指出人工神经网络具有强大的生命力和应用前景，特别是在解决复杂控制问题方面具有五大优势．总结了人工神经网络在控制领域的主要应用实践，并对其发展前景和存在的问题进行了探讨．     

人工神经网络及其在岩土建模中的应用

探讨了应用人工神经网络技术模拟岩土本构特征的可行性,认为神经网络为岩土材料本构特性的研究提供了一种新方法,并结合重庆红粘土本构特性的社会网络模型,介绍了该方法的具体应用,计算结果与试验结果均说明了该方法的有效性。     

多神经网络在软测量仪表中的应用

针对化工过程对象的复杂性和不确定性,介绍了采用以RBF神经网络作为子网络的多神经网络在软测量仪表中的应用。用粘度软测量仪表的实例证明了使用多神经网络建模的有效性。     

一种新的高阶前馈神经网络及其在旋转机械故障诊断中的应用

剖析了基于 BP神经网络和径向基函数网络的故障诊断模型的诊断性能和应用中的局限性 ,针对这些诊断模型的局限性 ,提出了基于椭球单元 (Ellipsoid Unit)高阶网络的诊断模型 ,并对网络训练算法进行了研究 ,提出了基于模糊聚类算法的网络权重初始化方法和网络动态训练策略 ,有效地改善了网络的学习性能和诊断性能 ;最后对该网络在旋转机械故障诊断中的应用进行了研究。结果表明 :比之经典前馈网络 ,椭球单元网络在故障分类方面因其能形成封闭有界的决策区域而具有明显的聚类的优越性和分类的合理性 ,很适合故障诊断领域的分类问题     

基于模糊神经网络融合的目标自适应跟踪算法

为解决基于“当前”统计模型的自适应滤波器对弱机动,特别是非机动目标跟踪精度下降问题,提出基于模糊神经网络的目标自适应跟踪算法,对并行工作的两滤波器进行数据融合.仿真结果表明:与一般自适应算法相比,该算法对各种机动程度的目标跟踪精度均有不同程度的提高,能更好地适应目标的各种运动形式,尤其适用于对目标的速度和加速度估计精度要求较高的场合,在指控、火控系统中具有实用价值.     

神经网络动态集成技术及其应用

针对当前神经网络集成方法在提高泛化能力方面的不足,提出了神经网络动态集成技术。该技术首先对神经网络集成中的个体之间进行负相关处理提高个体的差异度,然后选择训练误差较小的个体来提高个体的精确度。最后,以广东省某市的宏观经济数据为例,证明了该技术的有效性。     

人工神经网络在电力系统暂态安全分析中的应用研究

探讨了两种人工神经网络用作电力系统暂态安全分析工具的适用性。首先将一个适度规模电网的暂态稳定性分析问题转化成适合于人工神经网络处理的识别问题。对样本数据进行适当的预处理后，分别将ＢＰＮ和ＫＮＮ两种神经网络用于该系统的暂稳分析；并就人工神经网络对暂稳分析问题的映射能力、插值可信度估计、网络大小等问题，分析和比较了两种模型的适用性和优劣。结果表明，ＫＮＮ模型作为暂稳分析工具有着更大的潜力。     

梯度网络平稳点集合的Hopfield稳定性与吸引域

给出梯度神经网络模型的电路实现 ,证明了网络平稳点集合的全局 Hopfield稳定性。对各个平稳点吸引域的几何估计得到了相关结果 ,这为网络初始输入的数量与方向判定提供了基本的量度参数准则。     

前向神经网络的处理能力和推广性量度

目标问题的复杂程度和网络处理能力的适合程度是影响人工神经网络推广性的本质因素。为了衡量前向神经网络（ Ｆ Ｎ Ｎ）的处理能力,该文对 Ｆ Ｎ Ｎ 的插值误差进行了研究,得到了统计意义下 Ｆ Ｎ Ｎ 处理能力的估计值,进而定义了能间接反映神经网络推广性的推广性量度。该方法能够估计出适合目标问题的网络规模,应用于函数逼近和样本分类问题,仿真结果证实了该方法的有效性。     

一种过程神经元网络在管道土壤腐蚀速率预测中的应用

针对管道材料在土壤环境中的腐蚀速率预测问题,构建了一种基于过程神经元网络的动态预测模型.模型较好地模拟了金属在土壤环境中的腐蚀过程.文中给出了过程神经元网络预测模型和具体实现算法,对Q235钢管道材料在土壤中的腐蚀速率进行预测.结果表明:采用该方法得到的预测数据与实测值非常接近.验证了模型和算法的有效性.     

人工神经网络在储层地质建模中的应用研究

在油田注水开发过程中,储层物性、微观孔隙结构和非均质性都会发生动态变化。通过综合应用多学科的理论方法,利用计算机手段来构建地质模型,研究不同开发环境中储层参数的变化和规律,对预测储层剩余油的分布规律、提高油田开发效果具有十分重要的地质意义。人工神经网络技术具有极强的自适应和自学习能力,其通过很强的非线性映射,能够精确地建立储层参数与测井响应之间的非线性模型。在地质模型中,历史储层资料的基础上,采用神经网络技术,对大量宏观储层数据进行分析、学习与训练,选取具有代表性的储层参数,表示出各井点储层参数随时间的演变规律,进而有效预测剩余油的分布。