针对疲劳试验机控制系统,设计了基于BP神经网络和PID的并行控制器.该控制器充分利用了经典PID控制算法简单的特点,又利用了神经网络良好的自适应能力,首先通过PID控制为神经网络的在线学习提供训练样本,然后神经网络逐渐学习被控对象的动态逆模型并取代PID控制器起主导作用.该方法降低了PID参数的调整难度,同时对控制对象的刚度变化表现出良好的鲁棒性,并通过仿真证明了所设计系统的有效性.

论述了BP神经网络模型拓扑结构及其算法,给出了BP网络正向传播和反向传播的函数,BP网络的结构确定,提出了BP网络运算的改进方案。

为了解决工业中动态流量测量困难的问题，引入软测量方法对动态流量进行测量．考虑BP算法建立软测量模型时收敛速度慢，易陷“局部极小”等不足，提出一种经遗传算法优化的BP网络进行软测量建模，用遗传算法先确定BP网络的网络结构和参数，将训练一定次数后得到的连接权值作为遗传计算的初始值，再用遗传算法确定BP网络的最优连接权值，最后把用BP算法训练得到的网络用于建模．文中对在燕山大学液压实验室采集的数据进行仿真，实验结果表明这种改进的建模方法在模型的训练速度和精度上有了较大的改善．

本文分析了彩色CCD摄像机测量机理，建立了由火焰图像求取燃烧温度场的数学模型，推导和分析了相应的三色温度测量模型，论述了图像噪声的滤除方法，分析了目前较先进的BP神经网络测温误差大的原因，并提出一种新的基于比值输入的BP神经网络法来计算温度。实验证明，该算法具有较高的计算精度和实用性。

针对目前汽车动态称重数据处理中一般方法普遍适用性较差的问题，利用具有良好的自我学习能力的BP网络．对大量实测数据进行训练并检验，效果较好。文章先对BP网络的算法应用于汽车动态称重做了详细介绍。后面针对实际处理情况，对BP网络中隐层神经元个数和实际输入量的选择做了理论分析。

轴流风扇被广泛应用于如刀片服务器等机械设备的通风散热中,在工作时风扇旋转形成的湍流与自身以及固壁发生耦合作用,进而诱发气动噪声.湍流尺度极小,稳定性差,所以对气动噪声模型的数值计算需要耗费大量的计算资源.将人工神经网络与传统的数值模拟方法相结合,首先基于k-ε两方程模型求解纳维-斯托克斯方程得到轴流风扇的流场解,再通过FW-H声类比理论得到其声场解,然后对轴流风扇搭建人工神经网络模型,同时在声远场选取气动噪声声压级样本点,通过BP神经网络算法进行学习,最后利用训练好的人工神经网络模型对轴流风扇工作时的噪声场进行预测,实现了良好的预报效果.该方法可以有效节省计算资源,在工业上有一定的应用价值.

该文针对电液振动台常规控制中反馈振幅下降和台位移偏移的现象，采用BP神经网络对控制指令进行优化，使得控制的峰谷值达到期望的值，通过试验验证，系统修正获得满意结果。