武钢热轧1700 mm生产线经过2009年的技术改造后,精轧F1~F7的压下部分设备全部更换为电动和液压混合控制。为了提高精轧AGC控制的水平,应用BP网络的理论对AGC厚度模型进行自学习,通过实时数据的统计和分析,证明BP网络的理论对提高带钢的厚度精度有明显的效果。

结合传统自适应噪声抵消系统的基本原理，建立了基于人工神经网络的自适应噪声抵消器，并在理论探索的基础下，将这种方法应用于工程实际问题-万能材料试验机测试系统微机化改造的信号处理。最后，经基于Matlab的Simulink仿真证明，这种方法具有很强的噪声滤除能力和鲁棒性，同时为在线检测应用提供必要的前提条件。

针对基于时域组合特征的故障诊断方法的不足,提出一种基于小波包能谱熵分析的液压油缸内泄漏故障诊断方法。分析无杆腔压力信号的时域特征,采用小波包变换提取压力信号的能谱熵并输入到改进LM神经网络进行内泄漏的故障诊断。实验结果表明,无泄漏压力信号的能谱熵向量各元素分布较均匀;而泄漏信号的能谱熵向量各元素差异较大;改进LM神经网络在精度、准确率等方面高于传统BP、LM神经网络。与时域组合特征法进行比较,结果验证算法的高效可检测性。以不同分类器、不同小波基对算法诊断性能的影响进行分析,结果表明,该方法具有很强的稳定性和优越性。

本文针对BP神经网络存在的一些缺陷,将粒子群算法引入神经网络,通过粒子群算法来优化神经网络的初始权值与阈值。最后分别建立基于柱塞泵故障诊断的PSO-BP网络诊断模型与BP神经网络诊断模型,对比这两种模型的分类精度与迭代收敛速度,实验证明PSO-BP网络在柱塞泵故障诊断方面的性能要优于BP神经网络。

基于零件加工表面粗糙度在线检测困难问题,应用BP网络建模对外圆磨削加工表面粗糙度值进行预测,并通过实验验证所建模型的正确性,同时也验证了实验数据的准确性。

分析引起产品质量问题的主要因素，并以此为依据构建了一种基于BP网络的机械产品质量预测模型。对于不同材质的工件，当选定了加工参数后，就可以通过该模型提前预测出工件加工完成后的尺寸误差，从而为控制、提高产品质量打下坚实的基础。最后，通过实例验证了该预测模型的可靠性。

气动比例位置控制系统中，摩擦力是影响其定位精度的一个关键因素。采用在控制信号的变化率方向上叠加低幅高频脉冲信号的方法，运用BP网络自学习功能在线调整信号幅值，解决了由比例阀和无杆气缸的摩擦力引起的系统定位精度的问题。仿真结果证明该方法是有效的。

NF-6风洞是一座增压、连续、高速回流式风洞,对各子系统的控制性能都有较高的要求.针对NF-6风洞对模型姿态系统控制性能提出的高要求,提出了一种BP网络自整定PID控制策略,并结合现有的改进型PID控制思想对其进行了进一步的分析与改进.仿真结果及初步应用表明:该算法在算法收敛性、实时性及控制精度上较传统PID算法及BP网络算法都有较大程度的提高.

以三阶系统和实际被控对象的辨识模型NNI为研究对象提出了一种神经PID控制策略.利用神经PID控制器的自学习、自适应能力实现PID控制参数的自整定利用BP网络的离线辨识简化了电液位置伺服系统数学模型的建立过程并在此基础上对论文提出的研究对象进行了仿真研究.实践证明神经PID控制策略能较好地解决电液位置伺服系统存在的问题是一种实用可行的控制策略.

针对液压系统的泄漏问题，提出了基于ＢＰ神经网络，以液压系统压力动态过渡过程为分析对的分析对象的故障诊断方法。该方法在通常ＢＰ神经网络的基础上，采用对学习样本加噪声的方法，提高了ＢＰ网络对噪声的抑制能力，它比传统方法，具有可靠性高，适用性广，而且成本低廉的特点。