为准确计算烟度计的有效光路，基于人工神经网络提出了对QN-1型全流消光式烟度计有效光路的计算方法．该方法利用烟度计有效光路的关键影响因素即空气扫气压力和发动机的转速为输入，构造了一种反向传播神经网络，并利用试验数据进行训练，然后仿真烟度计的有效光路．试验表明，仿真数据与试验数据偏差在-0．0399～0．0486之间．由此可见，利用人工神经网络计算烟度计的有效光路准确实用．

声波信号时延的准确估计是实现强噪声环境下声学法高精度测温的关键.介绍了声学测温中基于互相关函数、人工神经网络和小波变换等几种典型的信号时延估计方法,对这3种时延估计方法的实现原理分别进行了论述,分析比较了它们的优缺点,相比于其他两种方法,小波变换技术更适合于强噪声环境下的声波信号的时延估计.

提出一种基于遗传算法优化BP网络结构的自适应噪声抵消器，BP算法是最典型的多层神经网络学习算法，它在局部搜索时比较成功．但由于BP网络大多采用沿梯度下降方向的搜索算法，因而不可避免地存在收敛速度慢，容易陷入局部极小点等问题。而遗传算法擅于全局搜索，鲁棒性很强，将采用遗传算法优化网络初始权值的方法，将两种算法相结合，做到优势互补。GA与BP算法的混合算法不论是在运行速度还是在运算精度上都较单纯的BP算法有提高，在信噪比的改善程度上，混合算法的信噪比针对余弦信号提高了23db左右。

针对扫描探针显微镜中扫描图像显示的大小与实际大小存在较大误差，提出了基于图像处理和人工神经网络标定的方法。经过图像处理提取标准光栅图像的特征矩阵，用人工神经网络训练特征矩阵和真实矩阵，用于预测扫描图像实际施加在x，y轴的电压值。应用于某原子力显微镜的标定软件中，使扫描图像的x-y表面失真度从7．2％降至2．44％。

以遗传算法和人工神经网络为基础，结合结构静力位移测量进行参数识别，从而判别工程结构的健康状况。

设计了一种可用于步行器精密测力系统标定的3层反向传播人工神经网络模型,以测力系统12导联应变片电桥输出电压作为网络输入向量,6个负载分量力作为网络输出向量,并通过目标误差下的绝对误差和对比确定出模型隐含层的最优神经元数.有关误差校验结果表明,使用该神经网络技术标定后的系统最大单向力精度误差为7.78%,最大交叉干扰为7.49%,与传统的线性标定方法相比,能够有效提高步行器受载力的测量精度并大大降低干扰误差,未来有望为步行器助行康复训练效果的准确监控和评估提供帮助.

研究从液压泵振动、流量脉动和压力脉动信号的时域信息中提取诊断特征参数，组成最小诊断参数组合，并用人工种经网络进行信息融合。提出一种液压泵的人工神经网络在线故障诊断系统，并进行仿真试验。

从船舶动力装置动态建模与仿真的实际需求 ,引出了其主要部件之一的液力耦合器数学建模在稳 /动态特性研究中的重要性 ,以及利用其试验曲线 (输入特性形式 )作为数据源去构建准稳态数学模型的困难之处 寻找一种通用的数学表达形式 ,以实现 1液力耦合器在额定工况及其附近的试验曲线的内插与外延 ;2过渡工况液力耦合器数学模型的设计 (如液力耦合器接合和脱开过程其滑差从 1 0 0 %向额定滑差值方向的变化 )。本文介绍了人工神经网络方法在液力耦合器动态建模中的应用。文章先介绍了其数学建模的思路和要点 1选择人工神经网络算法 (包括传递函数 )与结构 (人工神经网络隐含层数目和神经元个数 ) ;2提高人工神经网络泛化能力的措施 ;3利用专业知识扩充人工神经网络训练用的数据样本。然后叙述了其数学模型在某船舶动力装置稳态、动态特性...

提出一种基于多维高斯隐马尔可夫模型（MGHMM）和BP人工神经网络（ANN）的SUV车辆侧翻预警方法,采用侧倾角和侧向加速度作为隐马尔可夫（HMM）的可观测序列,车辆行驶运动状态作为HMM的状态序列,采用BaumWelch算法对模型进行训练,运用马尔可夫预测算法对未来3s内车辆的行驶运动状态进行预测,用预测出的车辆运动状态作为指引,使ANN有目的学习,减少不必要的ANN训练,提高训练效率和预测精度。仿真结果表明,建立的侧翻预警方法所需参数少,效率高,不仅能预测车辆行驶运动状态而且能预测具体的运动参数,可使驾驶员量化判断侧翻,也可为抗侧翻电子控制系统提供数据。

为了实现超声检测对缺陷的智能识别，引入小波包分析与人工神经网络技术。该方法利用超声信号进行三层小波包分解，提取各频率成分能量为特征值。建立并训练了一种BP缺陷识别的神经网络，该网络使用Levenberg—Marquardt算法。实验分析表明，小波包分析和人工神经网络的引用能为缺陷类型提供有效的智能识别。