由于电阻炉温度控制具有非线性、大滞后、时变性等特点，提出了一种采用遗传算法作为神经网络的学习算法，设计出一种神经网络PID控制器，使电阻炉炉温控制系统具有较高的控制精度和良好的动态特性与鲁棒性。采用MATLAB仿真及试验结果表明，该方法有效可行，可以推广到其他温度控制系统的应用上。

利用嵌入式高性能ARM的Cortex—M3内核微控制器芯片STM32进行红外测温仪的研制，给出了硬件设计的原理框图。重点阐述了信号处理、带通滤波和检波部分的设计，并进行了相关软件的设计。由于STM32芯片内部集成度比较高，使硬件结构得到简化。该红外测温仪具有扩展方便、配置简单、可靠性高、成本低等特点。

将粗糙神经元和传统神经元混合构造的粗糙神经网络,用于对毫米波辐射计回波信号的目标识别。其中粗糙神经元包含一对重叠的普通神经元,使用一对上下值作为输入和输出。对于实际应用中变量值是范围值的情况,用粗糙神经网络来开发模型,结果优于传统神经网络。仿真实验表明,该模型提高了目标的识别率和网络的收敛速度。

通过实际模型及其分析提出了几种快速称重方法和提高传感器性能的原理，着重阐述了基于神经网络理论，设计出称重传感器神经网络动态补偿器和提高传感器性能。仿真研究表明有效的提高了传感器动态响应的快速性，且对系统参数变化具有鲁棒性。将先进控制理论应用于实际传感器系统中，为提高传感器性能开辟了新途径，促进了称重传感器行业的发展。

研究了基于神经模糊混合技术的电液伺服系统控制问题。综合神经网络与模糊逻辑技术的优势，构造了一种神经模糊控制器，它具备知识自动获取、并行分布存储及快速模糊推理决策的能力，给出了一种在线学习算法。用于一类典型的电液伺服系统的控制，获得了满意的效果。神经模糊混合技术对于电液伺服控制的发展与要求（如更复杂系统及其高性能控制）具有重要价值。

文章较为详细的介绍了六自由度运动平台的机构特点及应用。在平台控制总体设计的基础上完成了液压伺服系统的建模工作,在Matlab软件中对系统进行了仿真分析,将常规PID控制和基于神经网络算法的先进PID控制方法进行对比,仿真结果表明基于神经网络的PID控制方法对伺服系统具有良好的控制效果,同时也证明了电液伺服控制系统设计的合理性,将控制策略应用于样机平台,平台运行稳定,流畅。为平台控制的进一步改进和完善奠定了基础。

针对泵控缸电液位置伺服系统的跟踪控制问题,提出了神经网络模型参考自适应控制方法。泵控缸电液位置伺服系统由于其自身特性以及外界干扰因素的影响存在严重的非线性,因此,很难采用传统的控制方法来控制。为此,首先利用GA-BP算法离线辨识伺服系统的神经网络模型,得到网络参数的初值,然后利用改进的BP算法在线对网络参数进行微调,以得到较为准确的网络预测输出,从而为在线神经网络控制提供较准确的梯度信息。仿真结果表明,该方法能保证系统具有较快的响应速度和较高的控制精度,并具有较好的自适应性和鲁棒性。

火电厂自动发电控制AGC是保障发供电频率和功率平衡的关键。正如非线性是任何系统或多或少都存在的特性一样,AGC控制回路中往往具有大延迟、大惯性环节等非线性特性。本文通过自回归各态历经ARX模型和人工智能领域的BP神经网络,分析AGC控制回路的非线性特性。结果显示BP神经网络在分析AGC控制回路时,输出拟合度高、速度快,表明AGC控制回路具有明显的非线性特性,为AGC控制回路制定控制方案或进行系统辨识提供参考。

以液压泵振动信号的５个时域信息：峰值、峰峰值、均方根值、方差和波形系数作为最小诊断参数组合，用ＢＰ神经网络进行信息融合，提出一液压泵的神经网络在线状态监测及故障诊断系统．

为有效诊断飞机液压系统故障,根据液压系统压力信号采用了熵权ABC-BP神经网络的故障诊断模型。模型先提取飞机液压系统压力信号的特征值,根据熵权法计算特征值信息熵,选取熵权值较大的作为神经网络的输入,同时利用人工蜂群优化BP神经网络,将BP神经网络的误差函数作为人工蜂群的适应度,选择适应度最优的个体参数作为神经网络的权值和阈值,不仅降低模型输入维度,还提高了诊断精度。最后建立了飞机起落架收放系统仿真模型进行仿真研究,结果表明该诊断模型具有较好的故障诊断效果,为飞机液压系统故障诊断提供一种新思路.