智能故障诊断方法的研究和展望

在综合大量智能故障诊断技术和方法文献的基础上,对目前国内、外智能故障诊断技术的发展和应用进行了总结,并指出了不同的智能故障诊断方法的特点,最后对智能故障诊断技术的发展方向进行了展望。     

体积成形过程的模型跟随自适应控制

为控制热锻的生产过程和锻件的产品质量 ,应用体积成形过程的有限元数值仿真离线训练人工神经网络 (ANN) ,采用电学模拟方法 ,通过简单的模拟电路构造出复杂的ANN模型 ,完成了从体积成形过程到模拟电路之间的映射。模拟电路与自适应控制系统并联 ,构成了模型跟踪的自适应控制系统     

关于BP网络算法的输电线速断保护

建立人工神经网络BP算法，利用计算运行方式的变化改进传统的电力输电线系统的保护措施，可以实时跟踪故障点并同步实施控制。利用人工神经网络技术的快速性、自适应性和容错性，在一个周期内准确地定位区内、区外故障点，实现对输电线的速断保护。     

用结构自适应神经网络预测航空发动机性能趋势

 将航空发动机作为复杂非线性系统考虑，运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论，建立航空发动机性能趋势预测的神经网络模型，同时，针对神经网络的结构设计困难问题，建立了基于遗传算法的结构自适应神经网络预测模型，实现了神经网络结构的优化。最后，利用三组民航飞机发动机的性能数据进行了预测分析，验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。     

C/E复合材料声发射信号小波分析及人工神经网络模式识别

以复合材料为对象，以宽频带传感器及线阵列方式对各类模式试样采集了波形及信号参数，比较波形、信号参数、频谱及小波谱的特征，筛选出六类1300个样本，采用多分辨小波变换提取了5个特征向量，实现了特征空间的降维处理，采用B—P型反向传播神经网络构成了智能化模式分类器，研究了网络模型的学习效果和对与复合材料主要损伤机制有关的六类声发射信号的识别能力。试验结果表明，神经网络对六类信号的平均正确识别率达到90.4%。最佳识别率为97.2%。该方法成功用于90°、0°光滑和0°缺口三种试样的破坏过程分析，获得了满意的效果。     

多级涡轮多目标气动优化设计流程

在准三维设计基础上,采用多目标优化设计方法,给出一个多级涡轮气动优化设计流程,优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解。此优化设计流程有三个特点:针对每列叶栅的气动特性进行局部优化;各列叶栅反复多次优化;粗细网格交替使用。并采用此设计流程对一三级涡轮进行优化设计,效率提高1%,说明此方法可以有效的用于多级涡轮气动优化设计。     

石英晶振老化的建模与模型求解

为预测石英晶振的频率老化，提出了一种非线性时变模型。在一阶马尔可夫假设下，利用多层前向神经网络进行迭代逼近求解。对四种晶体的全部或部分实验数据进行了学习和预测试验。结果表明该模型不仅能拟合函数，而且可在存在野值时，根据以往的数据预测目前的频率。与其他线性模型相比，该模型的预测能力更佳，适用于多种类型的晶振老化模式，预测误差小，有很好的抗噪声能力。     

人工神经网络在复合材料研究中的应用

人工神经网络技术广泛应用于复杂系统的建模中,已成为材料科学研究中常用的建模方法;介绍了BP神经网络及其建模的重要特征,综述了神经网络在复合材料性能预测、工艺设计与优化、损伤预测与检测等方面的研究情况.     

利用人工神经网络仿真GPS误差信号

GPS（Global positioning system）是一种在军事和民用方面广泛应用的定位系统。如何降低成本，提高精度是一个重要的课题。本文应用人工神经网络能够实现高度非线性的特点，在对地理位置已知点进行大量GSP实际测量的基础上，设计出一种BP网络，作为GPS误差信号模拟器。在给出时间和天气情况的条件下，该模型器能够输出GPS的实时误差，为应用系统中对GPS误差进行补偿提供依据。通过与实际测试数据相比较，证明这种方法具有较好的模拟效果。     

利用Gaussian型RBF网络进行函数逼近的构造性估计

前馈人工神经网络有着极其广泛的应用，如何估计隐层神经元数及相应的逼近误差，一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络，本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。