人工神经网络与设备故障诊断

智能化诊断是现代设备故障诊断技术发展的主要趋势，人工神经网络技术的发展为这种智能化提供了一个全新的途径，本文在分析研究模式识别方法和ＢＰ，ＡＲＴ神经网络的基础上提出了基于神经网络的自适应故障模式的分类方法，并将其应用真实轴承故障诊断中，实验表明，该方法有较好的诊断效果。     

人工神经网络与液压设备故障诊断

介绍了人工神经网络用于液压设备故障诊断的基本原理与实现方法,并给出了诊断实例,结果表明昨用神经网络能有效地解决液压设备的故障诊断问题。     

基于神经网络的桩基故障诊断

介绍神经网络方法后,对其应用于桩基的故障诊断进行了探讨,训练和测试网络说明该方法能够快速,方便地桩基进行模式识别。     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ） 实现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断．仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件．     

机械故障诊断的神经网络技术

首先论述各种状态信息和设备状态之间的对应关系，即模式分类的重要性，然后通过学习，建立故障诊断的神经网络模型，并应用于大型旋转机械的故障诊断，实验研究表明，神经网络能够较好表达训练样本要求的决策区域，具有较强的分类能力，利用机械振动特征信息进行训练的网络对大型旋转机械个故障有较好的联想能力，其识别效果令人满意，投入现场应用是可行的。     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ）帝现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断。仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件。     

神经网络技术在设备故障诊断中的应用进展

概述了国内外设备故障诊断的发展状况、神经网络在设备故障诊断的发展状况．对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．考虑到设备故障的复杂性，利用集成神经网络对旋转机械故障进行诊断并对集成神经网络在设备故障诊断中的应用进行了预测．     

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。     

神经网络用于设备故障诊断的理论与方法

本文利用神经网络的理论对机电液设备系统故障诊断的几个基本问题进行了探讨，提出了以神经网络系统定义机电液设备系统故障的概念；再通过形式神经元构造逻辑函数，求得了故障树的最小割集和控制事故发生的最小路集。     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

ART3神经网络的研究分析及应用

在ＡＲＴ３神经网络模型的研究基础上，分析比较了ＡＲＴ３的分布式和压缩式识别码的模式识别情况，并且与ＡＲＴ２神经网络模式识别情况进行了比较，并将其应用在轴承故障诊断中．研究分析表明：ＡＲＴ３不仅继承了ＡＲＴ１和ＡＲＴ２神经网络的功能，而且还具备了相当强的功能和可扩展的潜力．     

ART神经网络集成系统软件的研制

根据自适应谐振理论以及心理学、生物化学和神经生理学研究成果，深入研究了ＡＲＴ神经网络模型并探索出ＡＲＴ１网络、ＦＡＲＴ网络、ＡＲＴ２网络和ＡＲＴ３网络所对应的一套实用基本算法，在此基础上研制完成了ＡＲＴ神经网络集成系统软件并将其应用于轴承的状态监测和故障诊断。     

神经网络与自动控制

本文在简单地介绍了神经网络之后,给出了神经网络在自动控制及其相关领域中的应用。最后,展望了神经网络的发展方向及前景。     

人工神经网络和模式识别

80年代重新兴起的人工神经网络已成为世界人工智能研究的热门课题之一。本文介绍了人工神经网络的一般结构及其算法,着重介绍人工神经网络在模式识别方面的作用及用作模式识别的人工神经网络分类器。希望能给读者了解这一当今世界科学前沿热门课题起一介绍作用。     

基于神经网络的电站锅炉漏风诊断

基于人工神经网络提出了一种有效的电站锅炉漏风部位诊断的方法,以额定工况下不同受热面出口烟气温度为特征参数,建立了神经网络漏风部位诊断模型,此模型可以有效的诊断锅炉漏风情况,仿真测试结果表明了这种方法的有效性。     

一种基于FPGA的硬件神经网络设计方法

在FPGA硬件神经网络设计中激活函数的实现和数据表示方式是两个难点。本文提出了用非线性函数和21位定点法相结合来实现激活函数的逼近算法,采用源码定点表示法实现数据的硬件表示,明显减少了FPGA的资源占用,降低了激活函数逼近算法的复杂性和实现难度,最后,给出实际FPGA硬件神经网络设计实例并进行了仿真验证。     

应用概率神经网络预测股市的方向变化

预测股票价格的方向变化是一个分类问题,可以有效的指导投资决策,获取投资利润。运用概率神经网络能够有效的进行模式识别,具有训练速度快,可以实时更新数据的优势,因此在金融时间序列的分析预测中有一定的应用价值。通过概率神经网络提供的贝叶斯分类器,应用概率神经网络作用原理,对上证180指数的变化方面进行了预测,结果表明了概率神经网络在预测股标市场的方向变化方面具有实用性。     

时滞神经网络的全局渐近稳定性分析

研究了一类具有时滞的细胞神经网络的稳定性问题,利用Lyapunov-Krasovskii泛函的方法,给出了时滞相关的稳定性判据。稳定性判据是以线性矩阵不等式的形式给出,可以很容易得出时滞的上界。在得到时滞相关的稳定性判据的同时也可以也可以得到时滞无关的稳定性判据,包含了已有文章中的很多结果。最后,数值算例说明了本文结果的优越性。     

三神经元CNN自治系统中周期与混沌行为的研究

细胞神经网络（ＣｅｌｌｕｌａｒＮｅｕｒａｌＮｅｔｗｏｒｋｓ）自从１９８８年由Ｌ．Ｏ．Ｃｈｕａ等首先提出后，已有了很大的进展，并在很多领域得到应用。本文仅针对ＣＮＮ基础理论中稳定性问题，研究了一个含有三神经元ＣＮＮ自治系统的非线性的力学性质，用计算机模拟的方法，揭示了此系统中存在着各种周期及混沌现象．