神经网络法电力系统状态估计

提出了一种神经网络（Ｈｏｐｆｉｅｌｄ连续ＡＮＮ）法求解电力系统状态估计问题的新方法．根据加权最小二乘原理导出的状态估计模型可计及各种伪量测量．采用ＡＮＮ神经计算，可实现并行分布处理．经数值实例计算，结果表明，该方法是有效的，而且精度高、数值稳定性好．     

基于 ANN 状态识别系统的变压器故障检测方法

提出基于ＡＮＮ状态识别系统的变压器故障检测方法。该系统主要由ＡＮＮ变压器一次电压非线性估计器、比较器、计数器等构成。它通过比较一次电压实际值与估计值的大小,识别变压器内部是否发生故障。关于ＡＮＮ状态识别系统在检测变压器故障中的正确性及快速性,通过数字仿真得到验证。     

基于人工神经网络的点焊工艺参数选择和质量预测

将人工神经网络技术（ＡＮＮ）引入点焊领域，建立了点焊工艺参数选择ＡＮＮ系统和点焊接头质量预测ＡＮＮ系统。验证表明，ＡＮＮ预测精度较好，为点焊工艺参数优选及焊点性能预测提供了一条新途径。     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用田的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证、该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证。该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

不连续密度函数 NN-估计的收敛速度

讨论不连续密度函数最近邻估计（ＮＮ－估计）的收敛速度。由于密度函数不连续时的ＮＮ－估计不是相合的,我们提出一个改进的ＮＮ－估计,使之有相合性,且收敛速度不变。     

基于神经网络的并行诊断推理

将人工神经网络（ＡＮＮ）技术用于不确定性的诊断推理中，方法综合了ＡＮＮ和专家系统（ＥＳ）的优点，模拟结果表明，本文提出的方法是很有效的。     

基于人工神经网络的点焊工艺参数选择和质量预测

将人工神经网络技术（ＡＮＮ）引入点焊领域,建立了点焊工艺参数选择ＡＮＮ系统和点焊接头质量预测ＡＮＮ系统。验证表明,ＡＮＮ预测精度较好,为点焊工艺参数优选及焊点性能预测提供了一条新途径。     

不连续密度函数NN—估计的收敛速度

讨论不连续密度函数最近邻估计（ＮＮ－估计）的收敛速度,由于密度函数不连续时的ＮＮ－估计不是相合的,我们提出了一个改进的ＮＮ－估计,使之有相结合性,且收敛速度不变。     

神经网络自适应均衡器研究

神经网络具有大规模并行处理、自适应、自学习能力和非线性特征，已获得了广泛应用。本文将多层正馈神经网络（ＭＬＦＮＮ）应用到数字通信中的均衡问题，讨论了ＭＬＦＮＮ自适应均衡（ＡＥ）和判决回授均衡（ＤＦＥ）的结构及其学习算法。通过计算机仿真研究了ＭＬＦＮＮ组成的ＡＥ和ＤＦＥ的性能以及系统收敛情况。初步结果表明，神经网络用于通信中的均衡器是可行的、有效的，性能是优良的。     

基于神经网络和元件关联分析的电网故障诊断

利用人工神经网络（ＡＮＮ）和元件关联分析进行电力系统故障诊断,提出了一种电 力系统多重复杂故障的诊断方法。该方法采用面向元件的ＡＮＮ模型,将电力系统的元件分 为３类,即线路、变压器和母线,对每类元件都有一个特定的ＡＮＮ处理其报警信息,确定 故障位置。对于同一跳闸区域中面向各个元件的ＡＮＮ的诊断输出,通过定义一个故障指标 函数,根据各元件的故障指标函数值的大小来识别同一跳闸区域内的多重故障。该方法所使 用的ＡＮＮ模型规模小,通用于网络的所有元件,且故障识别的方法简单,适用于大规模电 力系统的故障诊断。     

基于人工神经元网络的预想事故电压预测

提出了基于代神经元网络的预想事故无功率电压预测的方法，此方法以潮流计算所得的数据为训练样本， 过筛选及预处理后，在不同的负荷条件下及不同的系统拓扑结构下对ＡＮＮ进行训练，建立了可在预想事故下进行电压预测的ＡＮＮ网络模。在Ｗａｒｄ＆Ｈａｌｅ６节眯系统上仿真计算结果证明，该方法能够满足在线安全分析对精度和速度的要求。     

神经网络控制器用于永磁电机的伺服驱动

提出用一种遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，简称ＧＡ）训练的多层神经网络结构（ＮＮ），并把它用于交流直线永磁同步电动机（简称ＬＰＭＳＭ）的辩识与控制，使其运行在伺服驱动环境．ＮＮ可随时辩识被控系统的动态待性，而不需要ＬＰＭＳＭ的精确的数学模型．仿真结果令人满意     

基于 ＯＲＢ算法和改进 ＫＮＮ- ＲＡＮＳＡＣ算法的无人机遥感影像拼接

根据无人机遥感影像自身的特点,提出了一种基于 ＯＲＢ算法和改进 ＫＮＮ-ＲＡＮＳＡＣ算法的无人机遥感影像拼接。该算法首先通过 ＯＲＢ算法对特征点进行提取,然后利用改进的 ＫＮＮ-ＲＡＮＳＡＣ算法进行特征匹配,最后使用加权融合算法对图像进行融合拼接。实验结果表明,ＯＲＢ算法和改进的 ＫＮＮ-ＲＡＮＳＡＣ算法在保证匹配精度的前提下,提高了匹配速度,有利于无人机遥感影像的拼接。     

ACKERMANN函数递归计算中实参的约束范围估计

ＡＣＫＥＲＭＡＮＮ函数是一典型的递归函数,若采用递归方法计算其值,如其实在参数选择不当易造成死机,主要原因是递归计算过程中递归工作栈深度需求超过最大限度,造成堆栈溢出。文中给出了如何确定ＡＣＫＥＲＭＡＮＮ函数的实参取值范围的方法。     

基于人工神经网络的振动 钻削仿真与参数优化

将人工神经网络（ＡＮＮ）技术引入振动钻削领域,研究适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明, ＡＮＮ优化精度较高,为振动钻削研究提供了新的分析方法与途径。     

结构优化新方法的简介

介绍了解决结构优化问题的新方法：遗传算法ＧＡ和神经网络方法的ＮＮ的一般概念，数学模型及网络，说明了它们用于优化问题的思路。对门式钢架进行了优化设计，结果表明，用人工智能技术可以很容易地选择优化问题的各个参数，使整个设计更合理。ＧＡ及ＮＮ两种算法用于结构优化都有优点，它们是目前解决优化问题比较先进，且具有较高精度的方法。可以将它们与其它算法相结合以弥补二者的不足，进而得到新的混合算法用于大型结构优化     

聚丙烯酸羧基α—H的Mannich反应研究及其在皮革鞣剂合成中的应用

研究了聚丙烯酸羧基α－Ｈ的ＭＡＮＮＩＣＨ反应,采用１Ｈ－ＮＭＲ分析、１３Ｃ－ＮＭＲ分析及ＩＲ分析表征和验证了聚丙烯酸羧基α－Ｈ的ＭＡＮＮＩＣＨ反应产物,并以此研究结果为依据,合成了选择填充型两性复鞣剂ＳＡＴ,对其进行了初步的应用研究．结果表明：在适当的条件下聚丙烯酸羧基α－Ｈ具有足够活性发生ＭＡＮＮＩＣＨ反应,ＳＡＴ选择填充型两性复鞣剂用于猪皮服装革的复鞣具有克服“败色”、改善粒面、选择填充、改进手感的特性．     

非高斯信号的非因果非最小相位ARMA模型辨识

提出了一种新的ＡＲＭＡ模型参数辨识方法，该方法以受噪声污染的系统输出信号的三阶矩和双谱作为工具，通过求解一系列线性方程组，分别估计出ＡＲＭＡ模型的ＭＡ部分和ＡＲ部分的参数。其主要特点在于应用了基本域内的所有双谱采样，从而有效的利用了信息量。计算机模拟结果表明，它具有很好的数值特性和较好的参数估计。     

混合神经网络及其在高炉径向煤气流模式分布中的应用

提出一种高炉径向煤气流模式分布的混合神经网络模式识别方法,针对从“样本特征模式空间”到“样本类别空间”具有较强非线性的模式识别问题,提出了一种由自组织竞争子神经网络（ＡＳＣＳＮＮ）和基于径向基函数子神经网络（ＲＢＦＳＮＮ）串联而成的混合神经网络．其中,ＡＳＣＳＮＮ用于对输人的特征模式空间进行自组织分类,以使识别更加稳定;ＲＢＦＳＮＮ对样本特征模式进行识别．根据工业现场采集数据进行实验,验证了该方法的可行性．