简介：提出了一种将小波变换同神经网络相结合的方法,旨在克服由于广为采用的神经网络在对不定信息处理方面存在的不足和容易陷入局部极小值的问题,将小波变换与神经网络相结合,利用混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优.仿真结果表明,此种算法快速、有效,能很好地解决某些复杂的辨识问题.

简介：该文应用人工神经网络的建模方法及自适应学习速率的BP算法,用于发动机进气管真空度的计算,并使用Matlab中的神经网络工具箱进行仿真模拟.把模型的仿真结果与实际测量数据相对比,试验结果表明,这种新的研究方法具有很高的精度,在一定条件下可以代替理论计算.

简介：针对目前离子迁移型毒剂报警器中所采用的模式识别方法的缺陷，提出了一种模糊神经网络结构，并针对学习训练的经典BP算法进行了一系列的改进，通过仿真实验获得了最优化参数，同时对其可行性和优越性进行了验证。

简介：针对某大型武器装备系统庞大、故障检测难的特点，提出一种基于无线网络技术的在线监测与故障诊断方案。方案中下位机在ARM920T构架的32位微处理器S3C2410A基础上，进行外围扩展。包括信号采集、信号调理电路、JTAG接口、LED显示、无线网卡接口及RS232接口，从而实现大型武器装备各部位状态信息的数据采集及和上位主机的无线数据交互。上位主机由配置无线网卡微机组成，采用笔记本电脑，通过无线网卡接收各下位机采集的信息并显示，在专家系统的支持下给出检测诊断结论与故障信息。实验表明，该技术方案能实现大型武器装备的快速、准确故障定位与远程监测。

简介：在分析神经网络和灰色关联度诊断方法的基础上,研究并提出了改进的BP神经网络和ABO灰色关联度诊断法.应用小波分析法对齿轮箱振动信号进行小波消噪,提取了信号的时频域特征参数.讨论了特征参数的无量纲化处理方法,并结合ABO灰色关联度诊断法简单易于实现和BP神经网络法诊断精度较高的特点,完成了齿轮箱的故障模式识别和诊断决策.

简介：摘要：利用泛函微分方程的度理论，研究一类具有时滞的Cohen-Grossberg神经网络的全局分支的存在性，研究结果为该类神经网络的应用设计提供理论基础．

简介：轮毂电机式电动汽车在启动和运转过程中,电机控制系统经常要接收随机调速控制信号。传统PID控制难以实现快速、精确的速度调节。为解决此不足,提出采用神经网络PID（NNPID）进行控制的方法,首先对无刷直流电机进行建模分析,然后以BP算法训练神经网络并搭建控制系统,最后在Matlab/Simulink仿真环境下对该系统进行多种运转条件下的仿真并与传统控制策略进行比较,结果证明：基于神经网络的控制策略的电机控制系统启动平稳,能有效减少不稳定信号的干扰,对期望输出能实现较好的跟踪,可以满足一般电动汽车运行的需要.

简介：从分析网络时代科技情报研究工作的基本特点入手，对信息化建设条件下的防化科技情报研究工作的特点进行了重点研究，并探讨了如何做好网络信息化条件下的防化科技情报工作的具体对策和建议。

简介：针对火炮身管烧蚀磨损量受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,在采用灰色动态模型对身管烧蚀磨损量进行预测的基础上,构造了组合灰色神经网络预测模型进行预测.结果表明,通过组合灰色神经网络模型可以得出较单一模型预测更加准确的预测值,能更好地反映内膛烧蚀磨损量的发展规律.

简介：摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件，并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间，使该结果在获得更小的保守性同时也降低了计算的复杂度．

简介：研究一类具有分布时滞和反应扩散的随机细胞神经网络的稳定性。通过构造Lyapunov泛函,并利用It公式、半鞅收敛定理以及不等式技巧,得到了系统几乎必然指数稳定的充分条件。

简介：对于结构复杂的自行火炮变速箱,其故障模式具有不可预知性.针对传统的神经网络识别方法明显存在不足这一问题,提出一种基于自适应谐振理论(AdaptiveResonanceTheory)的自行火炮变速箱瞬态过程故障诊断新方法.该方法不仅可以对已知的故障模式进行分类,而且对自行火炮变速箱未知故障模式具有很强的自适应分辨能力.实例证明,ART-2神经网络与传统的神经网络方法相结合为自行火炮变速箱故障诊断提出了新思路.

简介：研究一类具有leakage时滞的随机马尔科夫跳变神经网络的稳定性，通过构造一个新的Lyapunov-Kra—sovskii泛函，并应用It6公式、随机不等式技术，得到了基于线性矩阵不等式（LMI）的均方意义下的全局稳定性判定条件．