液化石油气船再液化装置的热力研究

对一典型的液化石油气（LPG）船上的复叠式再液化装置进行热力分析，并引入Yong和Yong流图来分析，计算再液化装置中各设备能量损失的原因及大小，提出了减小Yong损的途径。     

一种自学习策略及其在模糊控制与神经网络控…

提出一种新的自学习控制策略，模糊控制与神经网络控制的仿真研究证实该策略具有易于实现，在线学习，跟踪控制和一定通用性的优点，并具有满意的学习功能。     

自适应神经网络用于船舶动力定位系统

船舶动力定位采用一种控制系统驱动装在船上的侧推器和尾部推进器或者几个全回转的推进器，使船定位在海平面的要求位置上，船受到风，浪及流等海洋环境力的作用时会漂移离原位置，传统的控制方法是采用ＰＩＤ反馈控制。顾和李提出了一种新的基于人工神经网络的控制方法，它具有许多优越性；（１）一个可随意调节的目标函数以适合不同的需求－定位精度高或节约定位能量，（２）前馈控制产自适应不同的环境力数以适合不同的需求－变化     

关于Cn^4和Cn^5（n≡0（mod5））的邻强边色数和全色数

得到了Cn^4和Cn^5（n≡0（mod5））的邻强边色数和全色数．     

利用复合神经网络进行柴油机故障诊断

在对ART-2和并行BP人工神经网络模型进行分析的基础上,提出了一种针对大型复杂设备进行故障诊断的复合神经网络诊断策略:先运用ART-2识別单一类故障,再使用并行BP网络实现并发故障和新故障的分离,解决了对复杂设备并发故障诊断和新故障都能有效识別的问题。该模型利用柴油机缸盖振动数据进行诊断验证,能够有效识別并发故障和新故障等复杂故障类型。     

BP神经网络在土工合成材料蠕变预测中的应用研究

过对目前广泛应用于加筋土工程的土工合成材料-CE131土工网、SDL25土工格栅进行不同应力水平作用下的长期荷载蠕变试验,获得大量的实验数据.在此基础上,运用最小二乘和BP神经网络对其蠕变量进行预测.最小二乘原理是在曲线族中寻找一曲线去拟合实验数据,从得到的误差平方和σ=0.00116来看,其拟合精度较高.BP神经网络具有自适应学习和记忆能力,尤其是三层BP神经网络模型,所得预测值与实际值误差最大为0.91%,较最小二乘3.4%的误差改善了许多,该法为蠕变预测找到了一条新的途径.     

复突触神经网络模型及其稳定性研究

传统的Hopfield网络在联想记忆、优化计算方面发挥了重要作用,但该网络存在一个弊端,即它只能处理线性或二次的最优化问题。因此,本文首先对Hopfield神经网络进行了扩展,将其称为复突触神经网络(或模型),扩展的网络不仅可以解决目标函数或约束中含有高阶的最优化问题,而且还可以处理目标函数含有对数、三角形式等较复杂函数的最优化问题;然后给出了该网络稳定的充分条件并给出了证明,同时对网络中的权矩阵是否对称也进行了讨论;最后结合典型的模糊c均值聚类问题验证了该模型的有效性。     

自适应神经网络用于船舶动力定位系统

船舶动力定位（DP）采用一种控制系统驱动装在船上的侧推器和尾部推进器或者几个全回转的推进器，使船定位在海平面的要求位置上。船受到风、浪及流等海洋环境力的作用时会漂移离开原位置，传统的控制方法是采用PID（比例、积分、微分）反馈控制。顾和李（1994）提出了一种新的基于人工神经网络的控制方法，它具有许多优越性：①一个可随意调节的目标函数以适合不同的需求──定位精度高或节约定位能量后前馈控制并能自适应于不同的环境力变化包括非线性的波浪漂力；本文在目标函数中引入了与速度相关的项，从而提高控制质量。这一方法也可用于自动驾驶船舶沿设定的轨迹航行。计算机模拟结果表明本方法能达到很好的控制效果。