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．