一种人工神经网络在测试中的应用

本文给出一种人工神经网络及其在传感器信号处理中的应用．由计算机仿真实验结果表明该神经网络结构简单，应用方法效果良好，     

交流异步电动机直接转矩控制系统的一种新型设计方案

将模型参考自适应控制、滑模变结构控制和人工神经网络控制应用到交流异步电动机的直接转矩控制系统中，从而可以改善系统的动态和稳态性能，提高了系统的鲁棒性．     

神经网络-遗传算法优化反应烧结ZrO2-SiC材料制备工艺

应用人工神经网络对反应烧结ZrO2－SiC材料制备中工艺参数与原位SiC颗粒生成量的关系进行拟合和预测，并结合遗传算法优化出了最佳制备工艺．     

应用人工神经网络专家系统进行拉深件成形缺陷分析

人工神经网络专家系统是一种新型的专家系统。阐述了人工神经网络专家系统在冲压件成形缺陷分析中的应用，着重指出了人工神经网络专家系统与传统专家系统的不同之处以及在建立冲压件缺陷分析人工神经网络专家系统时所要注意的关键技术。     

多重结构神经网络在平台罗经故障诊断中的应用

提出了基于层次分类诊断模型的多重结构神经网络(MNN)在平台罗经故障诊断中的应用方法，并对其温控子系纯的人工神经网络(ANN)进行了Matlab实现．     

人工神经网络建模在抗烧蚀炭/炭复合材料基体改性研究中的应用

基体改件是防止炭／炭复合材料氧化的主要手段。通过将人工神经网络引入炭／炭复合材料的基体改性研究，借助kvenberg-Marquardt算法对不同添加剂组成改性试样所具有的氧化烧蚀率学习，建立了炭／炭复合材料改性添加剂组成一氧化烧蚀率的BP网络模型?研究结果表明：所建模型可以较好地反映添加剂含量与试样氧化烧蚀率间的内在规律，网络模型的输出值和实验验证值间的误差＜0．5％，将模型筛选出的最优配方用于基体改性，试样的氧化烧蚀率下降了49．5％，说明将人工神经网络用于炭／炭复合材料基体改性是可行和有效的。     

人工神经网络技术与智能化CAPP

人工神经网络技术在目前得到了高度的重视和迅猛的发展，研究此技术在智能化ＣＡＰＰ中的应用是一项很朋意义的工作，本文介绍了人工神经网络的研究内容、主要应用领域及构成原理；分析了在智能化ＣＡＰＰ中应用人工神经网络技术的必要性；讨论了符号逻辑方法ＣＡＰＰ与人工神经网络ＣＡＰＰ的区别；提出了采用多种技术相结合构造智能化ＣＡＰＰ的思想；文中还分析了应用人工神经网络技术开发智能化ＣＡＰＰ的研究现状。     

人工神经网络硬件实现方法研究

本文简要回顾了人工神经网络的发展和现况，概括介绍了人工神经网络硬件的实现方法，详细探讨了人工神经网络的ＶＬＳＩ实现，其中又分成模拟ＶＬＳＩ实现数字ＶＬＳＩ实现和模／数混合ＶＬＳＩ实现三大部分，同时说明了三种方法各自的优，缺点。     

人工神经网络在材料科学研究中的应用

人工神经网络模型已成为材料科学中广泛使用的技术，综述了人工神经网络在材料设计，材料加工的智能控制，材料相变研究和材料性能预测等方面的应用。     

神经网同步并行计算机

提出了一种人工神经网络同步计算机结构－ＮＮＳＰＣ，并对模型机进行了性能分析，为人工神经网络计算机的制造提供了理论和实践依据。     

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。     

基于GA-BP神经网络的结构损伤位置识别

针对传统BP神经网络训练中存在的一些问题，提出了一种基于遗传算法(GA)-BP神经网络混合技术识别结构损伤位置的方法。该方法利用基因实数编码的遗传算法优化BP网络的结构及初始参数，从而大大提高了神经网络的训练精度。运用GA-BP网络与传统BP网络技术分别对两个算例进行了结构损伤定位的识别仿真，结果表明遗传BP稳定性好，精度高，对噪声有很好的鲁棒性，便于工程应用。     

增量式PID神经网络控制器和仿真

针对三档阻尼可控减振器的特点,利用神经网络理论,设计一种基于M×Q×3结构BP神经网络的PID 神经网络控制器。该控制器可根据被控系统的运行状态,通过神经网络的自学习、加权系数调整,使神经网络输出PID控制器参数,从而达到较好的控制效果。对被动悬架与可控悬架系统进行三种典型工况的仿真分析,验证本文所提控制算法的有效性。     

基于人工神经网络的光谱反射率重建

目的研究基于BP神经网络法和FNN神经网络法重构图像光谱反射率的精度。方法以SG标准色卡作为训练样本,分别使用BP和FNN神经网络法,对测试样本DC标准色卡的光谱反射率进行预测,并利用CIEL*a*b*色差公式、均方根误差(ERMS)和光谱匹配精度(GFC)对结果进行评价。结果 BP和FNN神经网络重构的光谱反射率平均色差(ΔEab)分别为2.997和3.071,平均均方根误差(ERMS)分别为0.056和0.049,平均光谱匹配精度(GFC)分别为0.987和0.991。结论 2种神经网络方法重构的光谱反射率具有相当优越的色度和光谱精度。相比于FNN神经网络,BP神经网络更加适合于光谱图像的获取领域。     

基于WOA–BP神经网络的液滴铺展预测

目的 提高BP神经网络对电喷印过程中液滴铺展行为的预测能力。方法 提出一种鲸鱼优化算法(WOA)优化BP神经网络的液滴铺展预测模型。首先，采用相场方法建立电场作用下液滴铺展的数值模型，并通过实验验证仿真结果的准确性。然后，选取初始直径、撞击速度、接触角和电场强度作为神经网络的输入参数，将最大铺展直径作为神经网络的输出参数，利用鲸鱼优化算法优化神经网络中的初始权值和阈值，构建液滴铺展预测模型。最后，基于仿真结果对预测模型进行训练与测试，并将其与传统的BP神经网络模型进行对比分析。结果 相较于传统BP神经网络预测模型，WOA–BP神经网络预测模型的平均绝对误差、均方根误差分别降低了72.60%、77.60%，而平均绝对百分比误差则从15.029 3%减小为4.585 3%。结论 WOA–BP神经网络预测模型可以更好地预测液滴铺展，可为液滴铺展的预测提供新的方法。     

用小波神经网络检测结构损伤

用小波和神经网络ART2相结合的方法检测结构的损伤位置。给出了小波变换和人工神经网络的基本理论及其用于损伤检测的原理与特点。通过把小波变换作为神经网络的前处理来构造小波神经网络。首先通过数值试验检验了小波消噪和小波神经网络损伤检测的能力。然后在一个框架结构模型上进行了试验。实验证明这种方法使网络抗噪声能力增强,使损伤识别的效果更好。ART2网络具有自动从环境中学习的能力,能自动的给出新的识别输出。     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

光纤陀螺刻度因子的建模方法

针对低精度光纤陀螺(FOG)刻度因子线性度较差的问题,提出了采用径向基函数(RBF)神经网络对刻度因子进行建模的方法,以减小光纤陀螺输出误差。通过测量数据对 RBF 神经网络进行训练,获得神经网络参数,根据神经网络结构和参数可以得到非线性刻度因子的解析表达式,将其作为刻度因子的模型,来提高 FOG 的精度。同时将 RBF 神经网络对刻度因子进行建模的结果与传统的建模结果进行了比较,验证了采用 RBF 神经网络对低精度刻度因子建模是非常有效的。     

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