小波分析和神经网络技术在故障诊断中的应用

介绍了智能诊断技术、小波分析技术及神经网络技术，阐述了小波与神经网络相结合的两种方式——松散型小波神经网络和紧致型小波神经网络。在此基础上，以松散型小波神经网络对刀具故障的在线监测为例，说明了小波分析和神经网络技术对刀具故障进行在线监测，故障预报正确率为87.7％。     

模糊神经网络问题解决方法分析

本文针对模糊神经网络的缺陷，综述了提高模糊神经网络综合性能的方法；分析了模糊神经网络和信息熵理论，粗集理论结合的基础，指出信息熵理论、粗集理论在神经网络中的应用有助于解决模糊神经网络存在的问题，完善智能化控制并进一步促进其发展。     

基于模型参考神经网络实现锅炉水位自适应控制

锅炉水位是影响锅炉安全运行的重要参数，而水位控制系统是一个复杂的非线性系统。设计了一个稳定的参考模型来表达所期望的汽包水位特性，再通过构建神经网络控制器，控制锅炉水位输出曲线匹配期望的锅炉水位特性。神经网络控制器由2个神经网络组成：被控对象辨识神经网络和控制神经网络，采用反向传播学习算法作为神经网络训练算法。仿真结果表明，采用该神经网络控制器的系统输出性能明显优于采用传统控制器的系统。     

模糊神经元网络在非线性多变量燃烧系统解耦辨识中的应用

针对非线性多变量对象，提出了基于模糊神经网络的系统辨识，文章结合了模糊、神经网络的优点，既能象模糊逻辑那样表达近似与定性知识，又有神经网络很强的学习能力和非线性表述能力，而且模糊神经网络的物理意义也很清晰。仿真结果表明，该方法对于解耦辨识是有效的，证明了模糊神经网络具有很强的建模能力。     

CNC插补的前馈神经网络模型仿真

神经网络具有较强的非线性处理能力和自学习能力，本文提出了ＣＮＣ插补的神经网络模型和基于神经网络的ＣＮＣ插补原理，介绍了基于神经网络的抛物线插补实例及仿真结果，研究表明神经网络插补器是可行的和有效的。     

神经网络模型在地源热泵地下埋管换热系统中的应用

针对不同输入和输出变量建立了神经网络神经网络预测模型，对埋管换热进行模拟计算和预测，计算结果表明，神经网络的模拟值与实验值相当一致，计算精度高。     

二次调节系统PID控制参数的神经网络自整定研究

文章采用神经网络间接自校正PID控制结构，讨论基于神经网络的PID参数自整定问题，选取三层BP神经网络，选用主动液压转矩和负载阻力矩差值等效代表实际转速微分作为自校正神经网络的输入，并用二次元件的理论模型代替辨识神经网络为校正网络提供预测输入。分析表明，采用上述措施的自校正PID控制器的闭环控制效果比常规PID控制有所改进，能实现闭环PID参数的自整定。     

基于组合遗传神经网络的磨损趋势预测

针对神经网络易陷入局部极值的问题，用遗传算法来改进神经网络时间序列预测模型，并设计了一个组合网络，考虑了单一遗传BP神经网络预测的误差，以误差样本训练了一个校正的遗传BP神经网络，并将该组合网络时间序列预测模型应用于柴油机系统磨损趋势的预测，取得了较好的预测效果。     

基于神经网络的数控机床诊断技术现状及展望

概述了数控机床故障诊断的主要内容，介绍了当前数控机床故障诊断的主要技术，对神经网络在数控机床故障诊断中的应用作了详细阐述，包括RBF神经网络技术、多级混合神经网络技术及联想记忆（AM）神经网络技术。同时对神经网络分别与通讯诊断、专家系统、小波变换及多传感器技术相结合并应用于数控机床故障诊断的前景作了展望。     

基于BP神经网络的制冷机组故障检测与诊断

研究了BP神经网络用于制冷机组故障检测与诊断的方法，并且用来自真实测量的数据建立了冷水机组故障检测与诊断的BP神经网络模型：研究表明，在静态条件下，通过提取制冷机组有代表件参数的残差，以此作为BP神经网络的输入，当BP神经网络经过适当的训练后，能成功地对各种耦合的故障进行辨识，诊断训练时间短．BP神经网络能实现对制冷机组进行实时故障检测与诊断的需要.