在以弦向声道布置的多声道超声气体流量计原理的基础上,采用Gauss-Legendre数值积分和线性神经网络相结合的方法完成自适应调整权系数的多声道超声气体流量计建模。在建模过程中,根据Legendre正交多项式的节点值,计算多声道超声换能器的位置分布值,再按照Widrow-Hoff学习规则,由leanrwh函数求解出各声道的层流流速和权系数值表,最后根据实时测量出的层流流速,通过插值算法自适应匹配一组最佳的权系数值,计算出流速和流量值。并以4声道交叉布置方式的超声气体流量计为例,进行测量误差仿真实验和物理实验,误差均能满足实际测量要求。

针对上海市联运式专用集装箱在工作过程中密封不严的状况,文章对集装箱密封条的结构形状参数进行了优化设计。首先应用分析软件对集装箱密封条进行建模和受力分析,然后应用神经网络与遗传算法相结合对密封条形状、高度以及宽度等参数进行设计,最后对比优化前后密封条的各项性能。密封条优化后,应力下降,压缩力减少,接触长度增加,能有效解决箱体的渗漏状况。

针对液压设备的故障数据具有非线性、不确定性以及信号噪声多等特点,本文提出一种基于T-S模糊神经网络的液压设备故障诊断,T-S模糊神经网络是将T-S模糊推理模型与神经网络相结合的机器学习方法。对于采集的液压设备振动数据提取相关特征构成特征矩阵,将特征矩阵输入建立的T-S模糊神经网络模型,利用其自适应提取能力,自主选择最佳故障特征进行分析,实现液压设备故障诊断。通过液压设备数据验证,说明该方法具有较快收敛速度、较高诊断精度高和稳定性。

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明：神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。

刀具磨损状态监测的研究中,采用传统BP算法的神经网络识别切削过程中的刀具磨损量,具有局限性。文中提出了一种改进的BP神经网络结构,选取了新的BP算法,并对网络结构参数进行优化调整。对振动信号和AE信号分析后提取出刀具磨损特征量输入改进的BP神经网络,经过训练后用于识别刀具磨损状态。通过比较,改进的BP神经网络的收敛速度明显提高,且减小了识别误差。实验证实了其可行性和有效性。

本文分析了轴向柱塞泵主要故障──松靴故障的振动特征，并探讨了用神经网络实现松靴故障诊断的方法，结果令人满意。

<正> 1 引言 用BP(Back propagation)算法进行前馈神经网络的训练近来已被用于解决故障诊断问题,它能有效地进行故障分类,但如果输入并未被训练数据占据的话,它将任意分类,而不是根据与训练数据的近似性来分

将PNN网络运行于CVT液压系统的故障诊断,阐述了基于PNN网络进行液压系统故障诊断的基本原理,结合CVT液压系统结构特点和工作原理,编制了基于PNN神经网络的故障诊断系统,对故障模式进行了识别。利用Matlab/Simulink软件进行仿真分析,在不同样本数量及SPREAD下研究PNN网络的预测诊断率。仿真结果表明:该方法具有良好的故障模式识别能力,对CVT液压系统具有良好的适用性。

针对液压柔性机械臂在运动作业过程中由于系统参数不确定、运动轨迹缺乏控制导致运动 失稳的情况首先介绍了神经网络结合柔性机械臂的高自由度特点选择适合的轨迹跟踪方法;其次结合模 糊神经网络图对液压柔性机械臂系统进行参数化设计利用其能跟踪轨迹误差的特点结合一阶梯度法寻 找液压柔性机械臂的运动期望位置;最后在满足两个关节达到期望轨迹的同时利用神经网络系统有效控 制液压柔性机械臂的运动轨迹.实验表明该智能网络方法具有更好的跟踪效果.

首先针对电动液压助力转向（EHPS）系统助力特性非线性特点，将BP神经网络引入EHPS系统中。因BP神经网络存在易陷入局部最小缺点，提出了利用遗传算法来优化BP神经网络的连接权值的改进型BP神经网络（简称ENN）控制算法，对助力特性曲线进行全车速拟合。通过对拟合结果的分析得出ENN算法具有收敛速度快、泛化能力强的特点，准确实现了非线性助力特性的全车速拟合，克服了EHPS系统的助力盲区。最后，通过台架试验验证该ENN控制算法的可行性。