基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨；并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断，取得了满意的效果。结果表明：ＢＰ

BP神经网络对快烧瓷质砖烧成工况辩识的研究

本文简述了BP神经网络结构与算法，利用BP神经网络对实验电炉焙烧瓷质砖的烧成工况进行了辩识实验，取得了较满意的辩识结果，并提出选择辩识参数时应选对烧成工况取关键作用的参数，以提高辩识模型的识别率。

BP 算法的可视化研究与 BP 智能算法

本文利用算法的可视化技术，从ＢＰ算法的基本原理出发，分析、研究了梯度、共轭自适应算法的长与短，提出了共轭梯度自适应算法的设想，并在此基础上，利用模拟退火算法思路，构制了ＢＰ智能算法。最后对实际资料进行了多种算法的对比试算，证实了共轭梯度法和ＢＰ智能算法与原算法相比，提高了速度，增强了算法对不同对象的自适应性和智能性。

城市环境质量的BP网络综合评价

人工神经网络已广泛用于模式分类与识别等问题，而城市综合环境质量评价是多因子组合的模式判别问题．采用二级 Ｂ Ｐ 网络构造城市综合环境质量评价模型，该模型应用于四川省 １６个城市的环境质量综合评价和排序，研究结果表明， Ｂ Ｐ网络用于环境质量综合评价具有通用性、客观性和实用性．

人工神经网络在Al_2O_3/TiC/SiC多相陶瓷刀具材料开发中的应用

复相陶瓷刀具材料应用前景广阔。利用基于BP算法的人工神经网络技术,建立了预测颗粒增韧多相陶瓷刀具材料各组分体积百分含量的预测模型,模型应结合材料性能合理确定输入参数。利用该模型实际开发了Al2O3/TiC/SiC系复相陶瓷刀具材料,材料的力学性能满足要求。

基于模式识别和神经网络的电力系统短期负荷预测

当制定发电机组的启停计划和负荷管理计划时,对未来24h内的短期负荷预测是很必要的,精确的负荷预报能大大提高电力系统管理水平.本文介绍一种基于模式识别理论构造的人工神经网络,应用于电力系统短期负荷预测的方法.

火灾探测的人工神经网络方法

火灾早期探测是较复杂和有重大义意的问题，本文指出了传统火灾探测方法所存在的问题，在分析火灾实验数据的基础上，提出了一种新的火灾探测方法，即人工神经网络（ＡＮＮ）方法。由于ＡＮＮ方法具有自学习能力，能适应各种复杂条件，因此它能克服传统火灾探测方法的缺陷。

液压弯辊系统的优化神经网络内模控制

针对轧机液压弯辊系统存在非线性、时变性等特点,采用基于前馈神经网络的内模控制方法,将优化网络用于神经网络辨识器和内模控制器的离线训练,采用学习率自适应调整的改进BP算法在线调整网络权值。仿真研究表明,将优化网络用于液压弯辊系统控制,提高了液压弯辊系统的动态响应速度和稳态跟踪精度,具有较强的快速性和鲁棒性,能够取得理想的控制效果。

智能内模控制器的研究

提出了一种基于前馈神经网络的智能ＩＭＣ，其设计过程分为两步进行：第一步，训练一个神经网描述对象响应；第二步，训练一个网络描述对象的逆，并将此网络作为ＩＭＣ控制器．经仿真实验表明，本智能控制系统鲁棒性强，优于常规ＩＭＣ系统，这类智能控制器适合于对象参数变化、模型不确定和非线性的控制．

用神经网络新算法计算储层参数的可行性和适应性

讨论了近几年轻活跃的人工神经网络的原理及其学习算法，比较了已有的几个算法，提出了一个新的算法，并把该算法应用于大庆油田的九五攻关项目中，用于储层参数计算取得了比较好的效果。

铸钢件耐磨堆焊层人工神经网络成分预测

阐述了人工神经网络在耐磨铸钢堆焊层成分预测中的意义和工作原理,用自行编制的人工神经网络程序计算了铸钢件堆焊层的化学成分。