由于模糊神经网络结合了人工神经网络和模糊逻辑技术的优点,在智能信息处理方面存在巨大的潜力,使得越来越多的专家学者投入到这一领域的研究和应用中.本文主要是利用模糊神经网络来解决以时间为横坐标的一类动态波形的模式识别问题.在工业生产控制中,此类动态波形的实时监测、有效识别和及时处理十分重要,因此有必要研究开发基于模糊神经网络的一类动态波形模式识别仿真系统.首先,本文分析了神经网络和模糊逻辑系统在处理模式识别问题中存在的局限性,指出了研究模糊神经网络的必要性,并对它的发展历史、研究现状及其主要类型进行了综合阐述.其次,基于二维动态波形的模式特点,将一种四层前向模糊神经网络(FNN)的第一、二层神经元的数目简化,利用自组织学习算法构造SOLA(Self-organizing Learning Algorithm)模糊神经网络,研究了它的网络结构和学习算法,讨论了它的主要参数对网络性能的影响,并与RBF神经网络进行了比较,总结了SOLA模糊神经网络在处理此类模式识别时的优点.最后,针对国内某大型炼钢厂的实时采集数据,根据粘结性漏钢的形成机理和表征此类现象的动态波形特点,在Windows操作平台上,利用Visual Basic6.0语言开发了基于SOLA模糊神经网络的粘结性漏钢动态波形模式识别仿真系统.由于设计时采用功能模块化的思想,不仅有效的实现了SOLA模糊神经网络动态波形模式识别技术,而且使得软件的完善和维护具有较好的操作性.运行调试表明,该仿真系统模拟了现场工况,对粘结性漏钢的动态波形的识别达到了较理想的结果.