智能装配系统中神经视觉的三维物体识别

根据智能装配系统的实际要求，提出了一种利用神经视觉进行三维物体识别的理论和方法，在利用立体象对重建物体的三维外形的基础上，建立物体的区域图，利用物体的三维矩及其不变性来构造代表物体的特征矢量．采用ＡＲＴ２神经网络构成神经网络分类器，把物体的特征矢量作为神经网络分类器的输入，从而对物体进行识别或分类．这种识别或分类方法可以在线学习，能满足智能装配环境下连续作业的要求     

改进BP反传算法在智能控制系统虽的应用

在一般的基于神经网络的智能ＰＩＤ控制基础上，针对受控模型参数，系统设定值以及扰动幅值在大范围内变化的情况，探讨并建立了ＢＰ反传算法学习速率与受控模型参数，系统设定值以及扰动幅值的关系，神经网络控制器在在线调整学习速率，使控制系统具有较强的适应能力和较好的调节品质。     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。     

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．     

基于格点场数据的沙尘暴双预报模型

为提高沙尘暴预报的准确率，以描述大气环流形式的物理场格点数据作为建模样本，采用自组织神经网络对物理格点场数据样本进行聚类，构建出由大规模阵列式数据格式表示的建模样本的低维特征，再用模糊神经网络综合建模样本的一般性规律，用非典型样本进行二次建模以反映建模样本的特殊性，并设计隶属度调整方案对一般性和特殊性进行协调，由此形成兼顾建模样本一般性和特殊性的双预报模型．测试结果表明，基于特征提取方案的双预报模型体系使沙尘暴预报准确率达到80．4％．     

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．     

一类恒等逼近

针对文献[1]在R上引进的一类恒等逼近，研究了它在R上对应物的性质，并且对一类重要的特例（本文称为p型恒等逼近）进行了分析．     

Cohen-Grossberg神经网络的指数稳定性

研究了Cohen-Grossberg神经网络模型的指数稳定性．运用非线性测度方法证明了神经网络平衡点的存在性和惟一性，接着通过构造一个新颖的Lyapunov泛函，得到了神经网络指数稳定的全新充分条件，并给出了解的指数衰减的精确估计．与已有文献相比，文中给出的条件更为宽松且易于验证．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标,分别利用模糊模式识别和误差反向传播(BP)神经网络两种方法对储层含油气性进行了分析.结果表明,气测资料与储层含油气性具有较强的相关性.模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系,而且对待识别样品气测资料的随机性具有较强的适应性;神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系,但在待识别样品气测资料具有随机性的情况下,识别结果具有随机性.利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性,能快速为储层含油气性分析提供一定的参考依据,并且前一种方法的识别效果优于后一种方法.