轮胎在侧向力、纵向力联合工况下的神经网络模型

建立了轮胎在侧向力、纵向力联合工况下的神经网络模型，分析了不同训练方法对模型精度的影响。通过对轮胎实测值与神经网络预测值的对比表明，轮胎神经网络模型的精度能满足工程要求，BP前馈神经网络可有效地应用于车辆轮胎特性的数学建模。     

基于人工神经网络的铜合金形变热处理工艺和性能

利用神经网络对Cu-Cr-Zr合金变形量、时效温度和时间与硬度和电导率样本集进行训练和学习，采用改进的BP网络算法-Levenberg—Marquardt算法，建立了形变热处理工艺BP神经网络模型，得出了具有较高综合性能的最佳工艺参数：在80％变形量，450-480℃，2～5h形变热处理条件下，硬度和电导率分别可达HV150～157和74％～77％(IACS)。     

机器人视觉伺服综述

介绍了机器人视觉伺服系统的概念及历史背景,系统介绍了视觉伺服系统的分类方法,重点论述了基于位置和基于图像的视觉伺服系统.对摄像机校正进行了介绍,并详细阐述了智能算法在机器人视觉伺服系统中的应用.最后,对机器人视觉前沿问题做了概括,并指出机器人视觉伺服系统的发展方向.     

A354合金热处理制度的人工神经网络模型

采用人工神经网络方法,研究了固溶温度、固溶时间、时效温度和时效时间对A354合金热处理性能的影响,建立了A354合金热处理制度的人工神经网络模型.     

基于遗传算法的Al-5%Cu合金电脉冲孕育处理参数优化

以实验为基础,利用神经网络和遗传算法优化Al-5%Cu合金的电脉冲孕育处理工艺参数。神经网络的输入参数为脉冲电压、脉冲时间和电脉冲孕育处理时熔体温度,输出参数是合金凝固组织的晶粒度。在神经网络训练的基础上,采用遗传算法优化神经网络的输入参数。结果表明,神经网络和遗传算法的组合建模获得了较好的优化结果。     

AB_5型贮氢合金P－C关系的人工神经网络研究

本文利用人工神经网络方法研究了ＡＢ５型贮氢合金的Ｐ－Ｃ曲线、平台宽度和平台压力等，并取得了满意的结果，表明人工神经网络可用于贮氢材料的设计     

人工神经网络模型预测不锈钢在高温水中的应力腐蚀破裂

采用两种基于人工神经网络(ANN)的经验学习方法，即双层感知器(DLP)模型和Elman反馈(EF)模型，分析应力腐蚀破裂(SCC)数据，预测奥氏体不锈钢在高温水(HTW)中的SCC敏感性，对304不锈钢(SS)和316SS的两组SCC数据，DLP模型经过长时间的训练周次并不收敛，而EF模型在有限的时间内收敛到一稳定值。304SS和316SS的SCC敏感性依赖于温度(T)、溶解氧浓度(DO)、氯离子浓度([Cl^-])以及电位(E)．采用EF模型，待预测样本数据被包含在训练数组里(方法Ⅰ)比不包含(方法Ⅱ)的情况有更高的预测率．用于EF模型的SCC阈值(ThV)影响预测率，当ThV≤0．6时，对304SS而言，预测率的范围大约是0．66～0．90(方法Ⅰ)，0．60—0．79(方法Ⅱ)；对316SS，预测率范围约为0．81～0．98(方法Ⅰ)，0．78～0．90(方法Ⅱ)．从预测率平均值来看，预测率服从正态分布，0．5应为最佳阈值．EF模型对定性预测ASS在高温水中的SCC行为有较高的预报率，是一个很有用的工具。     

齿轮选材及热处理工艺智能专家系统

分析了专家系统和人工神经网络各自的特征和优缺点及其在选材和热处理方面的应用，将人工神经网络技术引入齿轮选材和热处理专家系统，建立了两级BP网络模型，在很大程度上克服了传统专家系统的缺陷．本系统包含有大量的齿轮选材和热处理资料。     

基于RES理论的岩体失稳模式判别及其智能实现

基于完全耦合模型解决复杂岩石力学问题的方法论——岩石工程系统理论(RES)的基本原理，构造了地下工程岩体失稳模式判别的智能预测模型，并采用具有自学习、非线性映射和数据挖掘功能的模糊自组织人工神经网络模型ANN来实现RES交互作用矩阵的编码。通过一个实例说明这种方法具有良好的实用性。     

热变形参数对Ti-15-3合金显微组织的影响及预测

通过等温压缩试验和金相分析研究了热变形参数对Ti-15-3(Ti-15V-3Cr-3Sn-3Al）合金固溶处理后显微组织的影响，等效晶粒尺寸随变形温度升高而增大，随变形程度和变形速率增加而减小，再结晶程度随变形温度升高而减小，随变形程度和变形速率增加而增大，采用人工神经网络的方法建立了等效晶粒尺寸及再结晶晶粒体积百分数与变形程度，变形速率和变形温度间的数学模型，预测值与实测值吻合较好，表明该方法很好地预测热变形参数对Ti-15-3合金固溶处理后显微组织的影响。