煤层突出危险性预测的神经网络专家系统

提出了煤层突出危险性预测的神经网络专家系统的结构，介绍了知识的获取、推理过程及知识的表示和设计方法，实例分析表明，神经网络专家系统适合于预测煤层突出这一极其复杂的动力现象。     

基于神经网络的球磨专家系统

利用神经网络系统的学习、联想记忆、非线性并行分布处理功能,建立了基于神经网络的球磨专家系统的基本框架,同时提出知识表示、获取、推理的神经网络方法。在ＭＡＴＬＡＢ环境下,用ＢＰ和ＲＢＦ网络建立了球磨神经网络专家系统,该系统还解决了神经网络专家系统不能向用户提供解释工作过程的不足。     

采煤机液压系统故障诊断专家系统

建立了采煤机液压系统故障诊断专家系统－ＭＧＨ－ＤＢＥＳ。介绍了系统开发流程，知识获到，知识表示，知识推理及系统测试与评价等。     

基于FNNES的加热炉炉温控制系统的研究与应用

针对加热炉温度控制系统特点,设计了一种集神经网络、模糊逻辑、传统专家系统于一体的新型控制系统—模糊神经网络专家系统(FNNES)。该系统具有推理速度快、抗干扰能力强、系统能耗低等优点。     

浮选指标预测与判断神经网络专家系统的研究

将神经网络与传统专家系统有机地结合，建立了用于浮选过程中浮选指标预测与判断的神经网络专家系统，该系统适应性强，且具有良好的自学习功能。     

晋城矿区顶板事故预报集成系统开发

介绍晋城矿区安全信息管理与事故预报智能集成系统结构与功能。该系统包括安全信息管理、事故分析与隐患预报3个子系统。安全信息管理涉及伤亡事故信息和影响采矿生产安全的地质、采矿和设计信息；事故预报分别采用基于知识推理的常规推理专家系统和基于实例的神经网络专家系统；事故分析采用事故树分析方法。开发的系统能够进行采矿安全管理、事故分析与隐患预报，是一集“安全信息管理、事故分析与隐患预报”于一体的智能集成系统。     

基于ES和ANN相结合的通风机故障诊断专家系统研究

鉴于传统专家系统和神经网络的优缺点,将专家系统和神经网络相结合应用于通风机故障诊断,建立通风机故障诊断专家系统。详细介绍了神经网络学习系统、知识库和推理机制等。     

神经网络与岩石力学专家系统

介绍了岩石力学知识神经网络的表示、知识的获取与学习、神经网络专家系统等，反映了岩石力学与工程专家系统发展趋势。     

采煤工作面设备科学选型专家系统开发工具（CLES）

采煤工作面设备科学选型是近年来受国内外重视的研究课题。本文介绍了采煤工作面设备科学选型专家系统开发工具（ＣＬＥＳ）的结构、程序设计方法、知识表示结构、推理机制、人机接口和实例研究等，最后总结了ＣＬＥＳ的优点。     

采金船开采技术咨询专家系统

本文应用专家系统理论，建立了采金船开采技术咨询专家系统，并对系统的结构、功能、知识表示和推理策略进行了阐述。     

基于神经网络与专家系统的高压断路器故障诊断研究与分析

利用神经网络获取故障编码,把与之相对应的故障类型存放到知识库中,故障诊断时专家系统利用故障编码通过正向推理找到对应的故障类型,给出合理的故障解决办法。经仿真结果证明,这种将神经网络与专家系统集成的智能诊断系统,为高压断路器的快速故障诊断提供了一种新的途径。     

基于神经网络的混合智能故障诊断技术研究

目前 ,故障诊断的关键是寻找一种使诊断结果更为有效的方法。神经网络作为一种新兴的故障诊断方法 ,越来越受到人们的关注。对于复杂的系统 ,单一的传统神经网络很难给出理想的结果。对神经网络与其他诊断方式融合的混合智能技术 ,即神经网络与专家系统、模糊控制、小波分析和遗传算法的结合以及集成神经网络等在故障诊断中的应用进行了综述     

基于BP神经网络的煤矿机械故障诊断专家系统的开发

构建了基于BP神经网络的煤矿机械故障诊断专家系统的结构,以常见的20种故障诊断为研究对象,知识库、规则库和BP神经网络相结合进行推理,优化专家系统,提高了专家系统的响应速度和准确性。采用DreamWeaver、MatLab和.NET技术实现了专家系统的开发。并以一种煤矿机械为例,验证了整个系统的有效性和实用性。     

基于Windows CE的矿井提升机故障诊断专家系统设计

以ARM为平台开发了一套融合了状态机和神经网络的矿井提升机故障诊断专家系统,着重介绍了专家系统下的神经网络原理以及Windows CE操作系统下采集程序EVC编程的实现方法。系统具有监测提升机状态参数和数据处理等功能,能在状态机下完成一般故障报警,能根据BP神经网络对故障进行分类识别,并且提供了将数据传输到服务器大型故障诊断专家系统中的网络接口。     

神经网络和钻井工程实时专家系统的初步研究

介绍神经网络专家系统的结构特点及其在实时专家系统中的应用，初步探讨了钻井工程实时专家系统设计的几个方面，在此基础上给出了钻井工程实时智能辅助决策专家系统的初步构想。     

基于人工神经网络系统的选矿指导子模块的构建-----2015年6月份增刊

由于影响选矿流程及选矿指标的因素较多,且因果关系往往呈非线性关系,使传统的数学建模方法难以利用。本文基于矿物工艺矿物学参数实现计算机自动识别和初步计算的基础上,提出了建立基于BP神经网络的选矿指导专家系统来解决这一问题,对选矿子模块进行了构建。重点研究了5个重要环节：子模块的基本结构、基本感知单元和多层感知器的构建、输入与输出的合理转变以及神经网络的功能构架。通过这几个方面的探讨和研究,最终建立了实用性很强的基于人工神经网络系统的选矿指导子模块并将其预测指标与实际选厂指标进行了对比,结果表明,该遗传神经网络具有较高的预测精度。此子模块可用来预测选矿流程或选矿试验的基础数据及产品指标,为优化选矿工艺流程奠定基础。     

基于神经网络的综采设备配套专家系统研究

对基于神经网络的综采配套专家系统进行了研究,给出了具体处理方法。在此基础上建立了工作面生产能力预测BP神经网络模型和综采工作面设备参数神经网络预测模型,并采用上述模型对济二号煤矿试验工作面的产量、工效和综机设备等主要技术参数进行了预测。