BP算法的改进及用模拟电路实现的神经网络分类器

基于用模拟电路实现神经网络分类器的目的，对多层静态前馈神经网络的ＢＰ算法做了改进，采用线性限幅函数代替Ｓｉｇｍｏｉｄ函数作为神经元的激活函数，给出了改进的ＢＰ算法。对该算法性能的实验研究表明：这种改进算法不但方便了用线性模拟集成运算放大电路实现神经网络，而且具有学习速度快，映射能力强等优点。根据本文算法设计的神经网络分类器，无论是计算机仿真，还是模拟电路实现，都得到了比较高的识别率。     

大型回转机械故障的神经网络分类器

建立邦联类型的自动识别系统是机械设备诊断学的发展方向。神经网络理论的兴起和发展为邦联类型的自动识别开辟了一条崭新的道路。本文产生了这一现象的原因，并利用组合网络来克服单一网络对组合故障分类精度不够高的缺陷，取得了令人满意的结果。     

基于DCS的联合制碱过程控制系统

针对联合制碱的工艺过程,对不同工段建立了不同的控制模型.采用软测量技术、神经网络控制技术和模糊控制技术相结合的控制策略,通过合理优化与反演计算不同控制量的给定值,达到了各工艺参数设定指标要求的目的,实现了以生产为目标的复杂工业过程给定值优化的自动控制,达到了降低生产成本的效果.     

基于人工神经网络的水洞试验装置的PID自动控制系统

在水洞试验中，通过水泵及收缩段的形状控制水洞的运行过程，以保证水洞的稳定运行，并保证所进行的各种试验的质量。PID调节是最常见的一种。文章给出了一种基于人工神经网络实现自学习PID控制方法。利用该方法可以较好地实现水洞的控制。     

振动力场作用下聚合物挤出制品结构与性能的质量控制与优化

利用实验数据，分析与研究振动场振动参数对聚合物挤出制品质量的影响，对聚合物挤出制品的熔体流动速率，微晶结构，拉伸强度等主要性能质量指标，建立以振动频率为主要控制变量的神经网络模型，并引入信息分配模型，探讨了一个网络输入节点下神经网络学习样本的特征提取与优化。实验结果表明，经过信息预处理的学习样本，可以使网络有更好的收敛效果。     

储层敏感性快速预测软件在大港油田的研究与应用

在储层特征分析，室内实验，机理研究的基础上，利用人工神经BP网络建立预测模型，并编制了预测储层5种敏感性的软件，该软件受人为因素干扰小，所需参数少，准确度高，综合符合率大于80％现场应用结果表明，该技术能为制定保护油气层技术措施提供较可靠的依据，能提高油田滚动开发效益，改善老油田的开发效果，该软件对BP算法进行了改进，（1）从两方面入手使网络摆脱平坦区，一是对输入数据进行归一化处理，使O1的取值在[0,1]之间，二是一旦网络陷入平坦区域，局部极小，使连接权值Wkj,Wji和阈值Qk,Qj同时缩小一个因子，λ＞1，可使Ok(1-Ok)脱离零值，离开平坦区；（2）加速收敛，方法有自动调整学习因子，添加动量项以及对权值进行批处理，用BP算法预测储层潜在敏感性，首先应确定影响储层敏感性的主要因素，然后根据这些因素有针对性地收集有关资料并进行处理，再根据敏感性预测的要求，设计相应的网络结构进行训练，最后对训练好的网络进行.检验。     

利用自组织图识别和划分多次波

人工神经网络能有效地用于识别和划分地震数据集中的多次波。可用一种特别的神经网络，即自组织图（SOM）建立起表征实际问题的规则。将从CMP道集中选取的地震数据属性作为输入模式，SOM则在抽象空间中将数据聚成不同的类。通过合成数据和实际资料来说明如何用SOM识别和划分一次波和多次波，以及如何划分与地下某种生成机制相适应的各种多次波。     

基于神经网络模型的发动机工况识别

提出了利用BP神经网络对发动机工况进行识别的方法。建立了NN识别模型,实现对发动机工作状态的有效识别与预报,为有针对性地对发动机进行适时控制提供了依据。