基于神经网络PID的连挤连轧速度控制系统

根据连挤连轧速度控制的特点,将改进BP神经网络与PID控制算法相结合,采用西门子S7-200型PLC实现连挤连轧机的变频调速控制.通过与传统PID和BP神经网络PID算法比较,改进BP神经网络PID控制器具有较短的动态响应时间和良好的跟随性,表明该方法在连挤连轧速度控制中有良好的应用价值.     

基于小波和RBF神经网络的多传感器时间对准算法研究

提出利用小波降噪和RBF神经网络进行时间对准算法,该方法先对采集到的数据进行降噪处理,为下一步操作提供准确数据;然后利用RBF神经网络将不同传感器采集不同采样周期的数据对应到同一个时间点上,进行多传感器时间对准,为后面数据特征提取和数据融合提供高精度数据支持。通过仿真结果与其它方法的对比可得该方法运算速度快,具有数据修正能力和精确度高的特点,适用于多传感器的时间对准。     

具有无穷时滞高阶模糊Cohen-Grossberg神经网络的稳定性

利用M矩阵理论和矩阵不等式、矢量Lyapunov 函数法,研究了一类具有无穷时滞的高阶模糊Cohen-Grossberg神经网络的全局指数稳定性.在不要求神经网络激活函数的单调递增性、可微性及Lipschitz连续等假设条件下,得到了该类神经网络平衡点的存在性和唯一性,以及全局指数稳定性的代数判据.该判据为M矩阵的显式形式,与系统的时间滞后以及反应扩散无关,易于在应用中进行检验.最后,通过仿真算例,验证了该方法的正确性和有效性.      

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

用人工智能和神经网络的方法组建数据压缩系统

数据压缩是现代信息处理的基础课题之一。文中对数据压缩的设计思路作了分析和拓展，从系统的角度对数据压缩与人工智能、神经网络的结合作了一些大胆的、初步的尝试，并对这个研究方向作了一些功能上和性能上的分析，提出了再压缩的概念。     

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。     

神经网络自学习控制研究

提出一个新型仿真器网络结构并推导出学习算法；提出面向输入输出模型结构的自学习控制器训练结构并推导出学习算法，解决约束控制作用 下多目标终态控制问题并实现感应加热温度智能控制。     

一种组合径向基函数网络结构的分类方法

介绍了径向基函数网络（简称ＰＢＦ网络）模型，分析了ＲＢＦ网络的分类机理和分类特点，由于该网络层激活函数的有界性，ＲＢＦ网络用于分类时，其分类判决范围也是有界的。针对一船的多层前馈网络分类器不能识别瓣的模式类型的问题，研究了一种将若干个ＲＢＦ网络组合起来的分类方法，该分类器不仅能够对新类型的模式作出有产的拒识，而且还能通过再学习识别新的模式类型，具有增量学习的能力，最后给出一个分类实例。     

神经网络用于刚架结构裂纹识别的反问题

对刚架结构，利用传递矩阵方法建立含裂纹单元的刚度矩阵，用有限元正分析得到在裂纹的不同位置和深度时结构的固有频率。用已知（计算）的裂纹与结构频率所相应的一定数量的样本，对三层前蚀式神经网络进行训练，自学习后的网络将用于裂纹位置和深度的识别。以悬臂梁为算例，计算实验结果表明，此方法对裂纹的识别有一定的精度。