针对回归神经网络辨识和建立非线性动态系统模型的问题,研究非线性状态空间描述的回归神经网络数学模型。讨论极小均方误差网络训练收敛准则,通过研究Kalman滤波估计公式中的随机变量,提出一种参数增广的回归神经网络非线性状态方程,无导数的Kalman滤波器用于增广参数估计,人工白噪声强迫网络学习,更新网络权值,避免了扩展Kalman滤波器计算Jacobian信息和基于递度学习算法收敛慢的问题。在电液伺服系统辨识建模的应用中表明,回归神经网络较好地跟踪了液压油缸压力变化,与扩展Kalman滤波估计学习算法相比,新的算法具有较快的收敛和精度。

为分析某轧机颤振原因，对机座系统模态进行了有限元计算。首先由于结构的对称性，只建立了机座系统一半的三维模型，通过对称面上所加的对称和反对称约束考虑机座系统的整体性，再采用节点自由度耦合方式实现机座与横梁的联接，最后计算得到机座系统的前20阶。计算结果表明，机座系统的固有频率对轧机颤振无直接影响。

国内某钢厂棒材生产线在轧制Φ12 mm规格螺纹棒材时,精轧机组增速箱输入轴非驱动侧出现异常轴向振动且幅值较大.文中建立了增速箱整体有限元模型,通过有限元模态分析和谐响应分析,得到了增速箱固有频率、固有振型以及施加载荷后增速箱输入轴非驱动侧振动情况.结合现场检测数据,确定增速箱异常振动的原因是共振,并提出在增速箱箱体表面添加竖向筋板提高刚度以抑制其振动的措施.通过有限元方法对改进后的模型进行验证,该措施能够解决增速箱异常振动问题.