提出了用神经网络插值代替拉氏插值计算裂纹形成时间(TTCI)值,用极大似然估计代替均秩估计法估计分布参数的方法.考虑到仅对一组TTCI值进行参数估计具有较大的随机性,文中对每种参考裂纹尺寸对应的TTCI值均进行极大似然估计,得出多组TTCI分布参数;然后利用不同参考裂纹尺寸对应的TTCI分布参数之间的关系确定结构细节的当量初始缺陷尺寸分布参数.对某零件的疲劳实验及其原始疲劳质量分析证明了该方法的可行性和合理性

假设，检验统计量，显著水平，功效 两种假设下的统计检验 纽曼-皮尔森引理 如何构造一个检验统计量 Fisher甄别函数与神经网络 检验拟合优度，P-值定义与应用 信号观测的显著程度 皮尔逊的x2检验

应用神经网络建立连铸钢水温度预报模型，重点研究了转炉出钢到中间包浇铸区间的温度变化，确定钢水温降与其影响因素之间的非线性映射关系.本模型能较准确地预报连铸钢水温度

5.1 阈值分割 5.2 边缘检测 5.3 区域分割 5.4 Hough变换 5.5 近邻法分割 5.6 基于动态聚类的分割 5.7 基于神经网络的分割 5.8 其它分割方法

◼ 智能控制的基本概念 ◼ 智能控制系统的特点 ◼ 智能控制系统的结构理论 ◼ 智能控制与传统控制的关系 ◼ 智能控制的研究对象 ◼ 智能控制的类型 ◼ 智能控制的发展概述 Chapter 2 Fuzzy Control Chapter 4 Adaptive Fuzzy Control Chapter 5 Perspectives on Fuzzy Control 第6章 神经网络控制 第7章 专家控制系统 第8章 智能控制在过程控制中的应用

针对目前锂离子电池寿命预测结果不准确的问题，提出了一种多模态分解的锂离子电池组合预测模型，从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上，采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势，然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测，最后将若干预测结果进行有效集成。结果表明，所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%，平均相对误差在3%以内，且优于其他预测模型

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

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

为了解决带有纯滞后的监控AGC系统的控制问题,提出了基于RBF神经网络的PID控制器与Smith预估器相结合的智能PID控制系统,并对传统监控AGC、应用Smith预估器的监控AGC及应用智能PID控制的监控AGC系统进行了仿真.结果表明,应用智能PID控制的监控AGC系统收敛速度明显加快,适应能力与鲁棒性比常规PID控制要好

随着监测技术数字化和信息化程度逐步提高,获得的大尺度采空区围岩损伤演化过程,以及包括各种数据格式的图形、矢量等信息量呈数量级增加.将小波变换、固体断裂非平衡统计和神经网络理论用于对非线性采空区围岩断裂失稳信号进行数据挖掘以及综合分析,有利于正确认识和理解采空区围岩体损伤演化的全过程