为了进一步提高采用交流励磁定位无线跟踪胶囊内窥镜的定位精度,减小系统误差,提出了改进的神经网络定位校正方法。首先,设计了适应于胶囊内窥镜定位校正的神经网络结构;然后,采用Levenberg-Marquart算法结合贝叶斯正则化方法改进校正网络,抑制校正网络的过拟合。通过定位实验平台,建立了定位目标的跟踪位置与实际位置的样本对照数据表,并应用校正网络对定位数据进行校正。定位校正实验表明,改进的神经网络校正法可进一步减小定位误差,校正后的X,Y,Z,α,β分量的平均误差分别减小至8.7 mm,10.1 mm,7.3 mm,0.086 rad和0.081 rad。与基本BP算法相比,采用Levenberg-Marquart贝叶斯正则化的改进算法有效提高了定位校正网络的泛化能力和收敛精度。

以双离合变速器齿轮传动系统为研究对象,运用Romax软件,建立了齿轮传动系统虚拟样机模型,分析了修形前1挡齿轮的承载能力、接触斑点和传动误差;基于斜齿轮螺旋线修形和齿廓修形的理论基础,利用最优拉丁抽样原理对1挡齿轮三维综合修形参数进行设计分配,运用神经网络遗传算法寻优,得到最优三维修形参数组合。仿真计算结果表明,齿轮三维修形可以较大幅度的降低齿轮接触应力,优化齿轮接触斑点,降低啮合传动误差。优化前后结果对比,也能证明文中所用方法的有效性,对变速器齿轮设计优化方面具有一定借鉴作用。

随着经济的快速发展，市场经济的竞争也越发激烈。企业为了更好地适应经济的发展，必须要有强大的竞争力。通过订单与客户保持联系，能够准确了解客户的需求，为企业的生产提供充足的准备时间，有利于实现快速生产。通过选择自适应权重粒子群算法和BP神经网络相结合的方法，建立神经网络模型，训练数据，得到预测结果。并通过一个企业的订单实例，完成订单预测，从而验证算法的实用性。

用神经网络逼近非对称泵缸系统的非线性逆模型,通过神经网络模型参考控制实现电液斜盘位置和流量的控制,使系统的不确定性和非线性等得到补偿.仿真和实验表明,所开发的神经网络控制器能够较好地实现模型跟踪控制,有较好的自适应性和鲁棒性,跟踪性能有较大改善.

调控型气体密封作为一种非接触密封，可以提高系统服役过程中运行的稳定性，但是目前密封状态参数的计算方法存在计算模型建立过程繁杂以及迭代计算耗时较长等缺点。本文采用了一种符合智能调控系统输出精度及时效性要求的粒子群算法（PSO）优化下的BP（BackPropagation）神经网络方法，开发了基于PSO-BP的调控型气体密封状态参数的智能调控程序。并且对神经网络模型初始阀值与权值进行取值优化，讨论了粒子群种群数量，隐含层数，神经元数等参数对智能计算程序的影响。搭建了基于PSO-BP的调控型气体密封试验验证系统，验证了密封状态参数智能计算程序的精确度。实现了调控型气体密封的智能调控，提高了调控型气体密封抗干扰能力，促进了大型离心压缩机向宽工况、高参数、高效率和智能化方向发展。

为了设计动态性能更优的磁悬浮水泵磁轴承支撑系统,本文利用多功能磁悬浮试验平台,通过整定磁轴承PID控制参数实现了转轴的5自由度稳定悬浮,然后随机选取径向磁轴承B的Y方向进行辨识试验,建立了其控制系统被控对象的BP神经网络模型,并采用Simulink进行PID参数优化,最后模拟磁悬浮水泵3种不同工况进行控制仿真对比。使用优化参数的系统仿真结果显示系统响应更快,试验结果表明,0~4000r/min慢扫频过程中,转子X、Y方向位移分别降低了32.9%和24.1%,试验结果为磁悬浮水泵的PID参数优化提供了一种方法。

介绍风洞稳Ｍ数神经网络的非线性控制，包括预测模型，动态优化和反馈校正原理，以实现速度快，精度高，低耗油的优化控制目标，试验表明，该系统不仅稳Ｍ数控制精度高，响应速度快，而且鲁棒性好，节省燃油。

由于直升机自身的特点，旋翼／机身气动干扰呈现非线性，且受多种因素的影响，用神经网络来解决这一非线性问题是一个很好的办法。将旋翼／机身气动干扰试验数据构造的学习样本，对网络参数进行学习，可以得到旋翼／机身气动干扰神经网络模型，进而可以用该神经网络模型研究直升机机身受旋翼气流干扰时的空气动力特性。参数训练好的旋翼／机身气动干扰神经网络模型可直接用于直升机气动设计和实时仿真。笔者在对旋翼／机身气动干扰神

液压阀件系统是一个具有多几何要素影响——多系统特性的复杂系统,建立液压阀件系统特性预测模型,实现系统特性预测,将对降低液压阀件产品返修率、废品率具有重要意义。提出利用灰色系统理论的灰关联分析方法及径向基函数（RBF）神经网络实现液压阀件系统特性预测,通过SQLServer 2000、Visual C＋＋6.0与Matlab 7.0三者之间的无缝联接,开发液压阀件系统特性预测软件。在实际生产中,利用该软件实现在装配前预测液压阀件产品装配后特性,避免因液压阀件产品装配后不合格返修带来的反复装拆工作。试验结果表明,所开发的液压阀件系统特性预测软件能够很好地满足工程实践中液压阀件系统特性预测要求。

径向基函数（RBF）神经网络是一种在逼近能力、分类能力和学习速度等方面均优于BP网络的另一种网络。针对液力变矩器性能试验中的数据处理和分析需要，提出了应用径向基网络对试验数据进行辅助分析，实现数据分析处理的自动化。通过对仿真后的数据、图表的分析，为液力变矩器与发动机匹配提供了数据基础。