基于规则的晶间腐蚀和氢致开裂的失效模式诊断

根据对现有的压力容器、石油管道腐蚀失效案例和现有失效知识的分析与总结,提出了晶间腐蚀和氢致开裂两种模式的腐蚀失效特征。依据这些失效特征建立相应的两种腐蚀失效模式的失效判断规则,根据这些失效规则运用COM Wizard、数据库技术和可靠性技术建立有效的腐蚀失效模式诊断专家系统。该专家系统根据输入的腐蚀失效特征来识别案例的腐蚀失效模式并给出综合可信度作为诊断结果的评价参数。     

基于信号特征提取的电阻点焊质量在线评判

以焊点接头强度作为焊点质量评判的指标,通过对点焊过程焊接电流、动态电阻、电极位移信号的同步采集和特征分析,提取若干特征参量监测点焊过程,依据特征参量与焊点接头抗剪强度间的相关分析结果,选取来自不同监测信号的7个特征参量建立了表征点焊过程的特征模式,并将此转化为计算机可以识别的模式矩阵,同时以焊接电流参数为模式分类的依据,建立不同模式矩阵类别和焊点接头抗剪强度之间的映射,将模式矩阵作为Hopfield神经网络的记忆样本存储于网络,利用网络联想记忆的功能实现对未知样本点焊过程的模式识别,进而实现点焊质量的评判。网络测试结果表明,利用Hopfield网络进行焊点质量在线评判可以得到满意的效果。     

一种基于Hopfield神经网络的系统辨识方法及其在舰炮随动系统辨识中的应用

给出了一种将Hopfield神经网络运用于线性系统辨识问题的方法。通过测量输入、状态变量和状态变量的微分，构造Hopfield网络神经元之间的权重和各神经元的偏流。网络神经元的状态将收敛到被辨识系统的参数的值。使用Hopfield神经网络辨识舰炮液压伺服系统的三阶模型，仿真结果表明用这种系统辨识方法辨识时变和时不变系统是可行的。     

人工神经网络在设备故障监测与诊断中的应用

文章综述了神经网络技术在设备腐蚀，材料失效，泄露，结垢，堵塞及其它故障监测和诊断中的应用，探讨了其优缺点，作用原理及发展前景。     

一种作业车间调度问题的Hopfield神经网络优化方法

结合Hopfield神经网络结构和作业车间调度问题(JSSP)的约束特点,给出了适合于Hopfield神经网络求解的作业车间调度问题的矩阵表达数学模型。借用神经网络中能量函数的概念和含义确定网络的连接权,并将模拟退火算法应用于Hopfield神经网络求解,避免了系统输出陷入局部极值。将优化作业车间调度方案问题转换成求解网络系统的平衡点,即吸引子,该网络不仅能输出可行最优解,且优化速度快、实时性强。并通过计算机仿真表明了该方法的有效性。     

基于人工神经网络的金属土壤腐蚀预测方法

将神经网络用于金属土壤腐蚀研究，利用神经网络的学习特征和高度的非线性特征，以土壤理化性能，腐蚀时间，Ａ３钢在土腐蚀试验１，２，８个月的腐蚀数据作为网络训练样本，对土壤中埋片２４个月的Ａ３钢腐蚀速率进行预测，并对结果进行了分析。     

基于Elman神经网络的液压泵故障诊断模型研究

针对传统BP网路进行液压泵故障诊断时，网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出了将Elman神经网络应用于液压泵故障诊断的新方法，建立了Elman神经网络的应用结构模型，介绍了该网络的训练算法，阐明了液压泵故障诊断的实现过程。通过试验验证了该神经网络收敛速度快，学习记忆稳定，具有很好的学习功能；测试结果表明该诊断方法具有高可靠性，达到了预期的效果，可以用于液压泵故障诊断。     

基于Hopfield神经网络的板形预测控制模型

将Hopfield神经网络建模方法与预测控制思想相结合用于带钢板形自动控制,建立了基于Hopfield神经网络的板形的模型算法预测控制系统数学模型。模型经仿真验证表明能较好地跟踪目标值,并具有较强的抗干扰能力。     

腐蚀电化学多参数相关法研究有机涂层失效子过程特征

同步采用电化学阻抗和腐蚀电位等平均信息方法以及Kelvin探针电位分布信息方法研究了有机涂层失效过程特征及其相关性.研究发现,有机涂层失效过程的电化学阻抗、腐蚀电位、电位分布等特征和腐蚀电动势数据具有腐蚀相关性,其对应有机涂层失效子过程均具有特征响应.与单一参数分析相比,多参数相关分析方法能够同时从多个不同角度识别和评价涂层失效过程的进展,能够获得涂层失效各个子过程进程的更深入的信息.     

铝合金腐蚀损伤及疲劳寿命分布特性的统计研究

用AFGROW软件计算了2024-T3铝合金的不同腐蚀损伤程度下的疲劳寿命，与实验数据比较吻合.建立了对腐蚀损伤和疲劳寿命分类的概率神经网络模型，输出结果表明：铝合金的失效模式：点蚀-晶间腐蚀-剥蚀，决定了腐蚀损伤和疲劳寿命的分布类型；对铝合金的腐蚀损伤和疲劳寿命，应用3种或2种分布类型，而非单一分布来表征其分布规律.      

复合正交柔性神经网络及其应用

针对目前神经网络所存在的不足,提出一种带参数的单极性Sigmoid函数的柔性复合正交神经网络,并给出相应的参数学习算法,这种柔性复合正交神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性,非线性逼近精度高等优异特性。以模型辨识作为应用实例,仿真结果表明,其算法是有效的,柔性神经网络能提高正交神经网络的性能。     

改进BP算法的腐蚀管道剩余强度预测

利用人工神经网络所具有的高度非线性映射功能,对现役长输油气腐蚀管道失效压力进行预测,并综合分析了管径、壁厚、屈服强度、环向腐蚀速率、径向腐蚀速率、缺陷长度及蚀坑深度对腐蚀管道失效压力的影响。为了验证人工神经网络具有很好的通用性,通过选择6种不同管径的腐蚀管道样本训练集交叉对网络进行训练,并利用训练好的网络进行预测。结果表明,人工神经网络在满足工程需要的前提下,是一个比较准确、疗便的数学模型。     

基于RBF神经网络的LSD2000点焊机故障诊断

本文介绍神经网络用于LSD 2000点焊机控制系统的故障诊断技术，分析了点焊机故障诊断的方法，并采用RBF神经网络实现点焊机控制系统故障诊断的算法和程序设计。     

基于RBF神经网络的数控机床故障诊断研究

本文介绍神经网络用于数控机床控制系统的故障诊断技术，分析了数控机床故障诊断的方法，并采用RBF神经网络实现数控机床控制系统故障诊断的算法和程序设计。     

力作用下的腐蚀失效专家系统的设计与实现

利用Visual Basic 60语言编制了一个力作用下的 腐蚀失效专家系统。该系统包括大量应力腐蚀开裂、腐蚀疲劳、氢脆等力作用下的腐蚀失效案例，具有数据浏览、添加、修改、查询等多项管理功能，以及人工神经元网络模型预测系统。     

非线性对象快速神经网络辨识方法

本文使用改进的神经网络模型结构与算法来辨识未知非线性系统，具有辨识精度高，速度快的特点。该方法简单有效，为设计非线性对象控制器提供了一条思路，从而摆脱了用线性模型近似被控对象的粗略做法。算法中，学习率采用随误差变化率而改变的做法减小了学习率选取的盲目性，加速了网络训练过程。     

A Neural Gripper for Arbitrary Object Grasping

This paper presents a two-stage neural system to determine the contact points between a three-fingered gripper and an object of arbitrary shape. In the first stage, a CCD camera captures the image of the object and such an image is transformed into a two-dimensional outline through a nearest neighbour algorithm. In the second phase, two neural networks, functioning in cascade, select three contact points in the outline. A competitive Hopfield neural network defines an approximate polygon considering a reduced number of boundary points of the original outline. Then, a supervised neural network, either a multi-layer perceptron or a radial basis function (RBF) network, find the contact points. The experiments suggest that the RBF network trained by the global ridge regression method is suitable for on-line applications and presents the best overall performance in terms of accuracy and robustness to noise. Moreover, this method is able to find correctly the contact points for objects of arbitrary shapes.     

神经网络在金属土壤腐蚀研究中的应用

利用人工神经网络从已有的土壤腐蚀试验数据中通过训练求得土壤的理化性能与碳钢在土壤中的腐蚀速度之间的非线性关系,从而预测碳钢在土壤中的腐蚀速度采用的神经网络结构为5—8—1的形式,学习算法采用BP算法.结果表明,含水量和Cl-离子是影响碳钢土壤腐蚀的主要因素.