基于遗传算法的神经网络被动声呐目标分类研究

被动声呐目标识别系统中目标分类器的设计和训练是一项重要内容，本文设计了目标分类器的神经网络结构，提出了一种用改进的遗传算法训练神经网络分类器的新方法，最后，对海上实录的Ａ，Ｂ，Ｃ三类目标噪声进行了分类识别，实验结果表明基于遗传算法的神经网络分类器比传统的基于ＢＰ算法的神经网络分类源泛化性能有明显提高。     

ONPL：面向神经元的程序设计语言

提出了一种神经元的程序设计语言ＯＮＰＬ，它具有与硬件无关性，前处理一般神经网络的编程问题，在ＯＮＰＬ中，神经元、神经网络是一种特点的对象，因此也具有对象的一切性质。换言之，ＯＰＬ可看作一特殊、更高级的面向对象程序设计语言。     

动力机械隔振系统的神经、网络半主动控制研究

船舶动力机械隔振系统，结构复杂，易受环境影响，系统精确数学模型不易建立，运用ADAMS和MATLAB联合模拟建立了机械被控系统台架模型，提出了基于神经网络的振动半主动控制策略，设计了神经网络控制器。仿真计算结果表明，与传统的被动控制相比，神经网络半主动控制策略对系统振动具有明显的抑制效果，证明了所提控制策略的正确性和有效性。     

一种图象识别神经网络的全硬件实现

本文介绍了神经网络的全硬件实现方法，采用数字脉冲形式，设计了一个全硬件实现的神经网络图象识别系统，提供了数字脉冲神经元电路的设计方法。网络分为三层，采取层内有互连的前向，组合式网络结构，不同层中的神经元不同，同一层中也有不同的元，它们之间存在相互连接。     

机器人柔顺装配夹具的双小脑模型神经网络控制系统

介绍了一种新型的机器人柔顺装配夹具及其装配系统。设计了由装配力信号为输入的小脑模型神经网络CMAC1和以浮动平台位移信号为输入的小脑模型神经网络CMAC2并行叠加构成的双CMAC神经网络控制器，前者作为前馈控制，后者当夹具刚启动时为前馈控制，装配开始后转为反馈控制。双CMAC神经网络控制器具有存储容量少、系统较稳定、能减少系统误差影响、装配力小等优点。     

神经网络自适应给水控制器设计研究

针对船用核动力装置运行的特点，研究了直流蒸汽发生器的水位控制问题．利用现代控制理论，设计神经网络自适应给水控制器的结构和算法．仿真试验分析验证了神经网络自适应控制器的控制性能和可行性．     

异步电机定子电阻的观测

介绍了一种基于神经网络技术的感应电机定子电阻观测方法；讨论了定子电阻样本规划，并设计训练形成了定子电阻神经网络观测器。试验表明，该技术方法能有效地实施定子绕组电阻在线观测。     

用神经网络技术实现的高精度光栅测量装置

描述了一种用神经网络技术实现的高精度光栅测量装置。该装置采用BP神经网络对光栅信号进行细分，在仅用7个训练样本的情况下，细分精度可达0.18μm，使装置的分辨率得到很大提高，同时，简化了硬件设计，提高了系统的可靠性。     

神经网络智能控制系统设计研究

神经网络系统的智能化设计,以微控制器核心板作为核心,将神经网络算法与操作系统相结合,广泛用于数据采集和监控领域。文章将在了解神经网络智能控制系统总体设计思路的基础上,分别从数据采集控制器设计和驱动程序设计两个方面,深入研讨神经网络智能控制系统设计的具体方法。     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

旋转机械故障诊断中的主从混合神经网络模型研究

针对ＢＰ网络在旋转机械故障诊断应用中的不足，借助Ｈｏｐｆｉｅｌｄ网络的优良特性，建立了以反馈式Ｈｏｐｆｉｅｌｄ网络为主控网络、前馈式ＢＰ网络为从网络的主从混合神经网络模型。通过这个网络模型的设计、动力学行为分析、学习算法的描述和测试以及它在旋转机械故障诊断中的应用，结果表明：该网络模型具有收敛速度快、稳定性好、最小系统误差等优点，是一种实现旋转机械故障诊断的优良网络模型。     

空调系统神经模糊控制器——结构和算法

提出了一种适用于空调系统控制的新型神经模糊控制器。这种神经模糊控制器将神经网络和模糊控制紧密结合，是一种以神经网络表示模糊控制规则的模糊控制系统，控制推理基于模糊推理的精确值法，神经网络采用后向传播（BP）学习算法。本文论述这种神经模糊控制器的结构和算法，其仿真和优化将另文论述。     

基于卷积门控循环神经网络的刀具磨损状态监测

针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法。综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,体现磨损的时序特性。实验表明,在有限的刀具磨损数据样本条件下,通过卷积门控循环神经网络进行刀具磨损状态监测具有较好的效果,其准确率达到97%。     

A Study on Turbo—rotor Multi—fault Diagnosis Based on a Neural Network

The multi-fault phenomena are common in the turbo-rotor system of a liquid rocket engine.As it has many excellent qualities,the neural network might be used to solve the problems of multi-fault diagnasis of a turbo-rotor system.First,the feature expression of a common turbo-rotor fault was studied in order to build up the standard fault pattern and satisfy the need of neural network studying and diagnosing.Then.the turbo-rotor fault identification and diagnosis problems were investigated by using a BP(back-propaga-tion)neural network.According to the BP neural network problems,the parallel BP neural network method of multi-fault diagnosis and classification was presented and investigated.The results indicated that the parallel Bp neural network method could solve the turbo-rotor multi-fault diagnosis problems.     

Adaptive noise filtering using an error-backpropagation neuralnetwork

A neural network of the feedforward-error backpropagation type proposed by D.E. Rumelhart et al. (1986) was applied to filter noise from spectral data commonly encountered in infrared absorption of molecular transitions. The purpose was to gain insight into the way a neural network can be trained to remove noise from a noise-corrupted signal with implications for signal processing in general. The neural network simulation was implemented in Fortran and run on a VAX 8800. Training of the neural network occurred on a set of spectral data with random transitions and line shape parameters. Preliminary results of the performance of the adopted neural network are reported and discussed along with observed limitations. Future improvements on noise filtering using a neural network are proposed     

基于RBF神经网络的镍基TiN纳米复合镀层显微硬度预测

针对神经网络在预测复合镀层性能方面的应用情况,以及传统的BP神经网络存在缺陷;通过对RBF神经网络的基本原理和特点的研究,建立了利用RBF神经网络对Ni-TiN纳米复合镀层显微硬度进行预测的模型。通过实验数据验证了所建立的RBF神经网络模型具有很高的精确度,其最小相对误差可达0.62%,而且所建立的预测模型具有优化工艺参数的功能,对复合镀层的其它性能进行预测具有指导意义。     

Prediction of strength parameters of FRP-confined concrete

This research deals with the prediction of compressive strength and crushing strain of FRP-confined concrete using neural networks and regression models. Basic information on neural networks and the types of neural networks most suitable for the analysis of experimental results are given. A set of experimental data, covering a large range of parameters, for the training and testing of neural networks is used. The prediction models based on neural network are presented. The influence of raw and the non-dimensional group of variables on compressive strength and crushing strain of FRP-confined concrete is studied through sensitivity analysis, which provided a basis for the development of a new regression based model. The neural networks based model gave high prediction accuracy and the results demonstrated that the use of neural networks in assessing the compressive strength and crushing strain of FRP-confined concrete is both practical and beneficial.     

基于灰色 Elman 神经网络的爆破飞石距离预测研究

针对单一神经网络预测方法存在一些不足,将建立灰色关联分析法与 Elman 神经网络的耦合模型,对爆破飞石最大飞散距离进行预测研究。首先,利用灰色关联分析方法对数据进行预处理,确定各影响因素与爆破飞石距离之间的关联度;然后,根据关联度的大小,选择关联度较大的影响因素作为 Elman 神经网络的输入层数据;最后,用神经网络的功能对数据进行训练和预测。研究结果表明：利用灰色关联分析方法确定主要影响因素作为输入层,比单一使用 Elman 神经网络的预测精度更高,达到95％以上。     

智能神经网络在Internet入侵检测中的应用

探讨了一个基于智能神经网络的网络入侵检测系统模型，在对网络中的IP数据包进行分析处理以及特征提取的基础上，采用智能神经网络进行学习或判别，以达到对未知数据包进行检测的目的，智能神经网络可以将多种多样的入侵检测任务划分为多个单一的检测任务，并将这些任务分配给功能专一，结构简单的较小的智能神经网络来完成，实验证明这是一种行之有效的网络入侵检测的解决方法。     

神经网络模型在制冷剂物性参数计算中的应用

介绍采用BP，RBF和Elman神经网络计算制冷剂物性参数的方法。以R11，R134a和近共沸混合制冷剂R410A为研究对象，分别建立三种制冷剂的BP，RBF和Elman网络饱和物性参数计算模型。根据该模型由已知温度求各制冷剂在饱和气和饱和液状态下的其他物性参数值，通过与REFPROP软件计算结果进行对比，证明BP，RBF和Elman神经网络物性计算模型具有很高的精度，可以用于物性参数的计算，是一种新的物性计算方法。