神经计算机并行模拟结构

神经网络实现技术是神经网络研究的一个极重要的领域。本文首先分析了神经网络模拟对并行计算机系统的要求,认为影响神经网络计算机速度和容量提高的主要因素是单个处理单元的速度、单个处理单元的局部存储器的容量以及互连网络的通信带宽。要提高模拟神经计算机的速度和容量,就要有相应的并行结构来支持。在定量的需求分析的基础上,本文还提出了一种模拟神经计算机的并行结构。     

超高精度车床直线运动误差检测与补偿系统的理论与实验研究

本文介绍了用三传感器误差分离法在线检测超高精度车床拖板直线运动误差和加工工件的素线直度误差。检测系统的精度高达±0.078μm。在此基础上,通过微计算机对误差数据进行数学处理,并驱动伺服机构对工件素线直度误差进行补偿加工。结果使工件素线直度精度提高到0.5μn/160mm,比补偿前的精度提高了50%以上。     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

新型智能化平直度测量装置

本文主要介绍了“智能化平直度测量仪”的结构和工作原理,它解决了在几何量计量中对平尺、平板、以及机床导轨等的自动检测及误差评定问题。工作效率提高近百倍。由于采用了分立式结构,该仪器还可以广泛地应用于形位误差、螺纹、齿轮等几何量计量领域,是一种实用的智能化测量仪器。     

火炮反后座装置气液量检测的新方法

本文提出火炮反后座装置气液量检测的一种新方法,讨论了系统的工作原理、实现途径及保证检测精度的措施,并给出了实验结果。在新方法的基础上业已形成实用的、具有智能化特征的系统装置。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

水池拖动模型阻力测量系统

介绍了以8031单片机为控制核心,由传感器、放大器、微型打印机及数据采集自动启动电路构成的阻力测量系统。它装在水池小型拖车上,能自动启动阻力测量,自动计算及打印结果,具有体积小、重量轻、自动化程度高、精度好等特点,有较好的实用价值。     

在线测量精密机床和加工工件直线度的新方法——优化误差分离法（OEST)

目前,运用多传感器对工件和精密机床的直线度进行在线测量的方法有ＳＴＰ法、ＳＴＲＰ法和ＦＳＴＰ法等。由于受到传感器相邻间隔距离的限制,这些方法往往只适合于长工件的在线测量。本文推荐的新方法──优化误差分离法（ＯＥＳＴ）可以用于短工件中的测量,它是基于频域分析和时域优化搜索的原理,可以克服频域变换中出现的边缘失效问题以保证频域变换的正确性。本文还介绍了计算机仿真和实际测量实验的结果,并验证了该方法的可行性和正确性。     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。