基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

分布式的网络性能管理专家系统模型

根据目前计算网络管理的需要，提出分布式和智能化的管理体系结构．建立了基于人工神经网络的网络性能管理专家系统的模型，并给出一个设计实例，在实例中重点介绍了数据传换和训练样本集的设计。     

基于MATLAB实现的ANN方法在地下水质评价中的应用

MATLAB 6.5工具箱提供了径向基网络的实现函数,该算法具有自适应确定网络结构和无需人为确定网络初始权值的特点。将其应用于抚州市地下水环境质量评价,并尝试利用MATLAB的PREMNMX函数进行原始数据预处理、利用RAND函数在水质评价标准等级间内插构造足够数量的训练样本、检测样本及其目标输出、确立水质评价等级界限,取得良好的评价结果,对提高水质评价的精度与客观性具有十分积极意义。     

应用BP神经网络模型实现内圆磨床主要零件的快速反应设计

用数字化模型代替三维实体模型，将内圆磨床主要大件的BP神经网络模型放入数据库信息管理系统，应用较简单的使用方法实现了零件结构的再修改、灵敏度分析及优化．根据所提出的方法，通过从数据库信息管理系统中调用桥板的数据文件，对其进行结构参数修改、灵敏度分析及以第1阶扭转频率最高为目标的设计变量自动搜索寻优计算，结果表明将BP神经网络模型与数据库信息管理系统结合是实现零件快速反应设计的有效途径．     

基于结构的神经网络模型

提出了一种基于结构的神经网络模型，并介绍了利用该模型进行系统建模与参数优化的方法，该神经网络模型本质上是结构化的，网络模型的结构与系统结构相对应，网络中神经元的个数是确定的，神经元之间的连接不是盲目的，而是根据子系统间的相互作用关系连接而成，网络的部分连接权值与系统结构参数相对应，具有明确的物理意义，所以，建模后可进一步进行结构参数的优化。     

一种新的加热炉状态识别算法

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程巾要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要.     

基于动态神经网络的非线性系统建模及其控制

结合已知机理信息构造动态神经网络 ,进行了非线性动态系统的建模 ,给出了权值调整算法。利用获得的模型 ,设计了反馈线性化控制器。由训练好的网络在线提供反馈线性化所需要的信息。为了解决模型失配问题 ,采用内模控制结构来引入模型的误差反馈 ,以消除稳态误差。文中给出了仿真实例。     

非线性方法在储层参数平面分布预测中的应用

根据神经网络、非参数回归等非线性方法的基本原理 ,对储层参数平面分布进行了预测。结果表明 ,神经网络方法能够根据井点储层参数观测数据与井旁道地震属性之间的内在联系 ,通过自学习功能 ,建立起储层参数与地震属性间较为复杂的关系 ,适应性很强。但该方法对井点储层参数及地震属性的质量要求较高 ;而非参数回归方法不必事先知道储层参数和地震属性之间的关系 ,可以避免由于模型假设与实际情况的偏差而产生的错误预测。该模型包罗广 ,适用面宽 ,能够有效地反映地震属性与储层参数间较为复杂的关系 ,在油气预测以及油藏描述中将会有广阔的应用前景。     

一种基于小波变换的矢量量化算法

提出了一种基于波变换的矢量量化逄法，算法利用小波变换后各子带间的相关性，合理地构造矢量。采用最优矢量量化器设计原则，给出了小波域的误差竞争学习算法（DCL）。实验表明，这种算法获得的码本优于其它几种算法。     

基于神经网络的铸坯凝固过程自适应控制

对铸坯冷却过程模型进行了改进,同时采用最小方差自适应控制策略和多层前馈神经网络技术,设计了一种铸坯表面温度自适应控制器,该方法克服了传统的拉速配水和根据传热学模型控制喷水的不足,具有一定的实用价值.