（1)非线性 （2)分布处理 （3)学习并行和自适应 （4)数据融合 （5)适用于多变量系统 （6)便于硬件实现

4.1概述 信息科学与生命科学的相互交义、相互 渗透和相互促进是现代科学技术发展的 个显著特点。 ☆计算智能涉及神经网络、模糊逻辑、进 化计算和人工生命等领域,它的研究和 发展正反映了当代科学技术多学科交叉 与集成的重要发展趋势

为了进一步提高板带热轧厂厚控精度及控制品质,需对具有非线性、强耦合、不确定、多约束特性的活套系统建立工程上适用的数学模型,以实现活套高度与张力系统的解耦控制.在分析其动态耦合过程的基础上,考虑到实际的活套系统在工作过程中变量的变化离其稳态工作点的偏差很小,以实际热轧现场数据为依据,给出了完整的传递函数表达形式. 采用线性预测模型的BP神经网络PID控制策略以减弱系统的耦合影响,以提高控制效果.仿真结果验证了本算法的有效性,表明解耦后的活套控制系统可获得更好的控制效果

随着高速铁路的不断提速,高铁轻量化设计中广泛采用高强铝合金材料,但高速列车齿轮箱体服役安全评价亟待完善.本文针对高速列车齿轮箱体使用的铝合金材料服役特性,搭建了声发射检测拉伸试验系统,运用BP神经网络算法对声发射信号进行训练与识别,实现对箱体材料拉伸损伤表征识别与材料服役状态的安全预警.本研究为材料损伤状态的无损实时识别提供了一种识别与预警方法

研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

采用人工神经网络方法建立了钢-铝固液相复合中助焊剂质量分数、铝液温度、模具温度、压力与界面层厚度间的关系模型,并结合最大剪切强度的复合工艺参数得出了钢-铝固液相压力复合的最佳界面层厚度为10.0μm

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上

在深入分析高炉冶炼特点的基础上,提出泛化特性和自适应特性是高炉炉况判断系统稳定有效运行的2个重要特性.设计了增进系统泛化特性和自适应特性的方案,并相应开发出一套炉况判断专家系统.开发的系统在高炉上运行获得了满意效果

鉴于边坡系统影响因素之间的高度非线性和不确定性,融合RS-GP模型的优势,提出了依据边坡稳定性影响因素类比计算边坡安全系数的方法.该方法通过学习样本的数据特征分析、计算属性的重要性及约简规则,降低了遗传规划预测模型的结构规模.人工神经网络(ANN)模型与RS-GP模型计算结果比较表明:该方法具有计算速度快、容错能力强及精度高等特点

采用组合式皮托管测量的方法测量了喷射沉积过程中的雾化气体流场,并基于神经网络的方法对流场进行数值模拟,获得了较为精确的雾化气体压力与流场中轴向气体速度之间的关系,实现了对不同气压下气体流场的预测