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．     

偏微分方程非线性脉冲波的研究

阐述了利用偏微分方程研究非线性脉冲波的历史背景和研究现状，说明了偏微分方程非线性脉冲波研究中有待于解决的问题，以引起更多学者关注这一问题的研究。     

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．     

一类带脉冲接种和脉冲剔除的SIR传染病模型的稳定性态

文章研究了一类具有脉冲接种和脉冲剔除的SIR传染病模型的动力学性态．应用Floquet定理研究了无病周期解的局部稳定性，通过脉冲微分不等式证明了其全局渐近稳定性．     

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.     

双丝脉冲熔化极气体保护焊的数字化协同控制

为解决双丝熔化极气体保护焊(GMAW)中焊接过程不稳定、焊接效率易波动的问题,采用高速单片机80C320与80C552构成双微机协同控制器,分别控制主、从软开关逆变式脉冲焊接电源,借助现场总线通信协议,通过软件的方式协调主、从电源的工作;同时,采用模糊控制方法对双丝弧长进行闭环控制.从而使主、从电弧分别获得频率一致、峰值相差180°的脉冲电流,有效减少了电弧之间的干扰,使焊接过程稳定,焊缝成型良好.实验结果表明,数字化协同控制灵活性大,可使双丝脉冲GMAW过程稳定.     

一类捕食-食饵系统绝灭的充分条件

研究了一类具有生物和化学控制(周期释放天敌和喷洒杀虫剂)的两食饵-两捕食者模型的动力学性质.通过线性周期脉冲方程的F loquet理论和小幅扰动方法,证明当脉冲周期小于某个临界值时,存在一个全局渐近稳定的两个害虫根除周期解.     

基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.