为提高装有液压机械式变速器(hydraulic-mechanical transmission,HMT)拖拉机的行驶平稳性,使拖拉机能以目标车速稳定行驶从而提高拖拉机的作业质量,文章对装备HMT拖拉机的小波神经网络PID控制进行了研究。通过Matlab/Simulink建立液压机械传动系统模型、拖拉机动力学模型及小波神经网络PID控制模型,根据拖拉机目标车速、实际车速及其误差,通过小波神经网络对PID控制参数进行在线整定,使实际车速有效追踪目标车速。将小波神经网络PID控制与常规PID控制进行比较,验证了小波神经网络PID控制方法可以使拖拉机始终稳定在目标车速进行作业,避免了因车速变化对作业质量的影响,提高了拖拉机的行驶平顺性和作业质量。

针对水轮机结构复杂等特点，传统的时差定位及模态定位方法不能满足其裂纹水轮机叶片定位要求，提出利用小波神经网络对水轮机转轮叶片的裂纹进行定位．训练采用标度共轭梯度算法（SCG），并对输出结果采用竞争处理方式．结果表明，与BP网络相比，小波神经网络提高了定位的准确度，所确定的裂纹位置最大误差仅为4．2％，是一种适合复杂结构的定位方法．

本文构造了一个波神经网络，利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明，以上方法对鼠笼也电动机的故障诊断是有效的，并验证了其可行性和优越性。

为使所建立的气动力模型能够准确刻画复杂动态特性,提出一种基于改进UKF算法的小波神经网络(Wavelet Neural Network,WNN)飞行数据失速气动力建模方法。引入一种自适应因子来改善无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的性能;按照飞行数据的气动力建模流程,利用改进UKF算法对WNN参数进行最优化估计,构建失速现象的气动力模型。实验结果表明,针对飞行器失速的气动力建模问题,基于改进UKF算法的WNN建模方法,在建模精度和速度方面,优于传统神经网络和其他现有WNN方法,因此,使用提出飞行器失速的气动力建模方法是可行和有效的,得到预测结果也能准确刻画飞行器失速的动态特性。

针对传统液压机泵阀控制系统传动效率低、节能效益差的问题,本文设计了多级压力源液压机泵阀复合智能控制系统。并分析了多级压力源系统组成结构以及泵阀复合控制的原理,根据液压泵能耗组成构建多级压力源液压机能耗模型,选择多级压力源液压机泵的变频节流方式时进行调速。考虑负载扰动、流量脉动等因素对多级压力源液压机的制约,采用小波神经网络对液压缸进行双闭环的控制。实验结果表明,该系统能够在载荷扰动情况下对静压力成型线上的液压缸进行良好的控制,液压缸的位移跟踪响应准确性好,液压缸两端的压力响应在0.4 s左右达到稳定位置,平均节能量为88 J。

针对目前铸件砂芯表干炉温度控制性能差、燃烧效率低,设计一种新型热风循环温控系统。该系统以变限幅双交叉燃烧策略为基础,采用改进灰狼优化(GWO)算法的小波神经网络对PID控制参数进行自适应调整。系统仿真表明:与传统PID控制相比,超调量接近于0,系统调节时间减少了50%,温度切换控制速度提高了47%。最后通过砂芯烘干试验验证,与传统比值串级PID控制相比,变限幅双交叉燃烧策略和改进GWO小波神经网络PID对炉温的控制效果有很大的提升。

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明:液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑...

为提高数控车床主轴热误差的预测精度,以某型号数控车床主轴为研究对象,提出基于小波神经网络(WNN)的主轴热误差建模方法。利用K-means++聚类结合相关性分析理论,将温度测点从10个减小到2个。针对小波神经网络对初始值敏感的问题,采用蝙蝠算法(BA)将预测输出值与实验测量值之差的绝对值作为个体适应度函数,将蝙蝠个体的位置向量映射为小波神经网络的初始连接权值、尺度因子及平移因子,实现对小波神经网络初始值的优化。利用优化后的小波神经网络建立车床主轴热误差预测模型,与未优化的小波神经网络和BP神经网络预测模型对比。结果表明:BA-WNN对主轴轴向热误差的预测精度较高、残差较小、预测能力更强。

电力变压器是是电力系统的核心设备。为预防并降低电力变压器发生故障概率，设计了小波神经网络对电力变压器进行故障诊断。为提高迭代计算速度及计算精度，提出一种基于自适应修正因子的模型优化方法，通过自适应修正因子可以忽略模型中的局部极值，进而消除微小变化特性，排除杂波干扰。基于自适应修正因子设计变压器故障诊断小波神经网络模型训练方法，从而提高迭代计算效率及精度。通过与传统的神经网络模型及粒子群小波神经网络的故障分析结果及误差对比分析，验证所设计的电力变压器故障诊断模型具有较高的可用性。研究结果为电力变压器故障诊断分析提供理论基础。

由于伺服直驱泵控缸压力与位置双闭环控制系统的结构复杂存在非线性、时变性等特点单纯通过数学模型进行分析比较繁琐结果也不精确。通过对泵控缸压力与位置双闭环控制工作原理的分析在AMEsim中搭建出系统控制回路的物理模型在Simulink中搭建小波神经网络控制部分模型然后进行联合仿真分析并进行实验验证。伺服电机采用三相交流永磁同步电机控制芯片采用DSP28335驱动器采用台达ASDA-A2伺服驱动器实验采用2种控制方式即普通PID控制和小波神经网络控制通过对额定负载情况下压力与位置的响应特性曲线进行分析结果表明采用小波神经网络控制可以显著提高伺服直驱泵控缸压力与位置控制系统的控制精度和稳定性。