为了避免单一节点宕机或其他网络相关系统的故障造成核电站整体仪控系统故障,构建了基于仪控系统的核电站网络安全系统防护体系模型,通过基于差值序列的超限学习机算法提取数据的周期性特征,采用空间卷积算法强化数据特征,经过模糊神经网络挖掘数据规律,使用对数神经网络实现数据整合,将数据优化,并进一步分析数据挖掘效果。通过仿真测试,发现使用该算法模型增大了数据预警提前量,延长了数据预警周期并且不会降低数据预警的敏感度和特异度;对预警系统的稳定性进行分析。比较发现,使用新设计的预警系统,可以降低数据延迟时间、丢包率和计算响应周期,同时宕机时间比也有所降低。实验证明该系统具有一定的可行性。

离合器波形片轴滑磨控制受载荷条件影响,导致滑磨控制精度较差,因此提出一种新的基于模糊神经网络的离合器波形片轴滑磨控制方法。分析离合器波形片轴的结构,构建离合器总成动力学方程,获得离合器波形片轴的摩擦力矩。研究模糊神经网络五层结构,选择输入与输出变量,设定模糊规则,计算滑磨力矩,构建离合器有限元模型,确定热分析和静力分析模块约束及载荷条件。设定转速控制规则,完成滑磨控制。由仿真验证结果可知,所提方法能够精准计算滑磨力矩,有效控制滑磨温度与离合器接合速度,为保障离合器稳定运行奠定基础。

中央空调作为广泛使用的高能耗系统,其节能问题受普遍关注。针对传统的定流量方法存在的问题,本文提出采用改进的负荷随动跟踪方法,实时监测中央空调的负荷,并由计算机控制水泵电机,降低主机能耗。利用模糊神经网络理论,建立符合随动跟踪的模型,并利用实际数据进行系统仿真。仿真结果表明,此方法提高中央空调的工作效率,实现良好的节能效果。

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。

提出了一种模糊神经网络的纸机变量泵故障诊断方法。针对纸机变量泵运行时转速变化的特点,采用基于数字重采样的阶比分析方法对变量泵振动信号进行预处理,将非平稳信号转换成平稳信号以利于有效提取信号特征。以变量泵振动信号阶比波谱各频段上的能量为特征参数,通过模糊神经网络模型诊断其转子不平衡、油膜振动、轴与轴承不对中故障。该方法充分发挥了模糊神经网络强大的自学习能力和知识表达能力的优点,有效提高了故障诊断的精度和效率。

针对电磁阀控气缸系统时变、非线性的特性,应用模糊神经网络整定PID参数。利用AMESim物理图形建模软件搭建被控对象的模型,应用MATLAB编写模糊神经网络PID的S函数,再联合MATLAB和AMESim对算法进行仿真,仿真结果表明模糊神经网络PID的适应性好、抗干扰能力强,性能优于常规PID。最后搭建实验平台进行了实验。实验结果表明,系统在不同环境下的控制精度高、响应快、过程平稳,满足阀门开度控制的要求。

采用模糊神经网络,对液压可调减振器的调节机制进行建模并将此模型应用到1/4车辆悬架试验。利用该模型可以依据所需阻尼力和实时的活塞位移、活塞速度、油液温度预测液压可调减振器的阻尼等级,从而实现通过调整步进电机角度得到所需的阻尼力。结果表明:利用模糊神经网络可以较准确地预测液压可调减振器实时阻尼等级。为实现此模型的工程应用,将液压可调减振器安装在1/4车辆悬架试验台上进行试验测试,实现了车辆的垂向性能整体提升,验证了所

提出一种基于模糊神经网络的电液复合控制变量泵调节系统智能学习控制方法，并将其应用于电液比例复合调节轴向柱塞变量泵的恒排量、恒流量、恒压力和恒功率调节系统的控制中。实验结果证明，所提出的控制方法是有效的，较传统的PID控制方法具有更优良的控制品质。

针对液压弯辊系统非线性和时变性等特点,提出了基于遗传算法和BP算法相结合的模糊神经网络智能控制系统,并应用于液压弯辊系统,改善了系统的超调量和过度时间.

针对气动肌肉驱动的膝关节康复训练装置存在时延、非线性和时变特性，将PID控制、模糊控制和神经网络相结合，设计了基于模糊神经网络的复合控制器，并将其应用于膝关节康复训练装置的等速持续被动运动控制中。实验表明：在负载变化干扰下，该控制器具有控制精度高、抗干扰能力强等特性，对提高该类装置的控制特性有借鉴作用。