该文针对空调系统的控制问题分析了传统PID控制的不足,论述了神经网络的控制原理,探讨了神经网络控制的优点,仿真实验表明该系统在中央空调中具有应用的可行性。

为了解决大多数工程材料真实温度的测量问题,提出了基于BP神经网络的多光谱数据处理方法,分析了随机噪声对真实温度计算结果的影响.结果表明在没有噪声的情况下,训练过的发射率样本真实温度的识别误差在±30 K以内;未训练过的发射率样本真实温度的识别误差在±50 K以内.随着随机噪声的增大,网络的识别误差也相应增大,但训练过的样本其网络的识别误差较小.说明加大发射率样本可以提高真实温度的识别精度.

本文提出了神经网络与机理分析结合的软测量方法，用以实现对气力输送系统中粉料质量流量的在线测量，通过实验验证，这种混合软测量方法是有效的。同时，与机理模型以及与基于标准神经网络的软测量方法的比较研究表明，该方法的精度及适用性更佳。

在飞机地面模拟试验台台架控制的液压伺服系统中,由于其系统存在强非线性,传统PID控制难以使液压马达转角达到精准良好的控制效果。针对这个问题,同时为提高控制系统性能,将基于TS模糊神经网络PID控制的智能控制算法应用于液压马达伺服控制系统中。在建立飞机台架液压伺服模型的基础上,利用基于TS模糊模型的神经网络对PID参数进行自适应整定,并基于MATLAB/Simulink平台进行相应的仿真实验。仿真结果表明,TS模糊神经网络PID控制器相比于传统PID控制器和普通模糊PID有着更好的响应特性,呈现出更佳的控制效果,使飞机台架控制系统的综合性能得到了提高。

锤击成桩收锤标准随外部因素作用的变化而变化,是动态成桩的规定和要求。桩土系统的未知和不确定性决定了收锤标准的复杂性,如何使收锤标准根据外部作用因素的变化而做适时相应地调整,是发挥收锤标准质量控制作用的前提。液压锤的数据采集和传输功能,为收锤标准的模式识别研究提供了条件基础。依据桩的设计、锤-桩-土配置与条件参数、过程参数和验证参数等的数字化,描述收锤阶段桩的模式,通过模式识别判断桩是否达到收锤要求,为收锤标准研究提供了另外一种方法。

本文讨论了非线性系统的神经网络建模的有关问题。提出了对神经网络进行泛化训练及对网络的泛化能力进行定量分析的方法。结合文中提出的一种简化动态网络，通过对一个电液伺服系统的仿真，验证了本文提出的方法是可行的。

针对具有多维输出信息的系统，采用了一种树形神经网络的构造方法，并解释了其物理意义。此外，本文还提出了该网络的一种新的训练结构，与传统的训练方法相比，保证了系统的稳定性与安全性，加快了网络的收敛速度，避免了训练过程中的虚收敛点，同时提高了神经网络的在线学习和实时控制性能。最后给出了针对电液伺服系统的仿真结果。

本文针对二次转速调节系统的阻尼小、精度低和开环不稳定等实际情况，介绍了一种静态神经网络非线性控制策略，并对所组成的控制系统进行了数字仿真研究，给出了有价值的结论。

基于汽油发动机怠速系统的非线性、时变性和不确定性等特点,构建了神经网络与预测算法相结合的控制系统。利用预测控制算法的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型;提供怠速系统的开环输入输出数据离线训练神经网络,再在线对神经网络模型的权值和阀值进行调整,获得精确的预测模型,实现了对怠速系统的自适应控制。仿真结果表明,这种方法有效地提高了发动机怠速系统的控制精度、可靠性和转速的稳定性。

研究了装载机铲斗插入土体过程的阻力变化，在分析原车工作装置液压系统性能的基础上，提出使用神经模糊控制技术控制装置机铲斗插入土体的电液比例液压系统。从工程应用角度探求了运用神经网络，模糊逻辑等新技术对液压系统实施有效控制的途径。