针对板带轧机液压AGC系统在线故障诊断问题,建立了一种基于非线性自回归滑动平均模型(NARMA的递归神经网络,通过AIC定阶法确定模型阶次。运用生产实际数据,通过动态学习算法完成对网络的训练,使网络映射系统的动力学特性。该网络模型避免了故障的自学习,能够很好地实现故障检测。试验研究证明了该神经网络方法进行轧机液压AGC系统在线故障诊断的可行性和有效性。

利用以知识为核心的专家系统和模糊推理技术，实现了机械手表设计的智能化和自动化。论述了多种知识表达形式和以模糊推理技术为代表的推理方法在手表设计系统中的应用。