基于径向基函数网络的社会消费品总额预测模型

利用BP、RBF神经网络自适应学习法模型,对社会消费品总额进行了预测和研究,结果表明用RBF网络自适应学习法所建立的模型经过训练后,可得到较精确的预测结果,并具有较强的应用性。     

神经网络用于汽车制动跑偏特性仿真的研究

制动性是汽车的主要性能之一，为了探讨神经网络在汽车制动特性研究中的应用，利用神经网络ＢＰ算法对汽车制动跑偏特性进行了仿真研究，结果表明，神经网络对汽车制动特性的研究有实用价值。     

基于非线性最化的模糊神经网络控制新算法

根据人类专家处理问题的一般思路，提出一种仿人非线性最化函数并把它有效地应用于模糊神经网络控制器中，仿真研究表明，它能有效地克服原有算法的缺陷，具有良好的动，静态，性能。     

人工神经网络在船舶自动舵上的应用

提出一种用于船舶航向保持的人工神经网络控制器，设计了一种“直接控制法”，与目前常见的几种人工神经网络控制方法相比，其特点是结构简单，可直接应用在实时控制中，在实际应用中，只要知道被控过程的定性控制特点，“直接控制法”即可用于干扰环境下的非线性过程控制。“直接控制法”在船舶自动舵上进行了验证，并同传统的ＰＩＤ自动舵进行了比较，结果表明，在随机风和测量噪声的干扰下，人工神经网络自动舵的控制效果明显优于     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析，论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义，提出了一种可作为非线性时序模型的内反馈神经网络。     

基桩动测专家系统的构建

对基桩动测法尤其是应力波反射法的特点及局限性进行了探讨，同时对专家系统原理作简单介绍，重点论述基桩动测专家系统的构建与应用的可行性，并提出结论和建议。     

RBF神经网络在传感器故障诊断中的应用研究

提出一种基于RBF神经网络的传感器在线故障诊断方法,用某气囊隔振系统隔振装置中大量的传感器数据进行了仿真实验,验证了方法的可行性.通过对每个传感器建立单独的神经网络预测模型,实现多传感器的故障诊断.     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法。该方法利用模糊逻辑和神经网络的优势，通过数据融合充分利用各种信息，提高诊断的精度。经算例证明，该方法可靠、有效，对于复杂装备的故障诊断有一定意义。     

基于正交基神经网络的热敏电阻温度传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题，提出了应用正交基（0BF）神经网络进行非线性补偿的方法。研究结果表明，OBF神经网络非线性补偿算法具有补偿精度高、计算量小的优点，因而是一种有效的非线性补偿方法。     

基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。