实际系统的影响因素和输出结果往往是一些时序过程量.针对这一实际情况,何新贵院士提出了过程神经网络的概念,并在过程神经网络的聚合机理、拓扑结构、学习算法以及网络的相关性质等理论方面进行了研究,同时将其有效的用于了石油地质、旋转机械故障诊断等工程实践中,奠定了过程神经网络的研究基础.目前,过程神经网络的研究尚处于起步阶段,有很多理论问题和实现技术还有待于进一步的研究和完善.在国家自然科学基金的资助下,该论文在过程神经网络的理论研究和实际应用两方面都进行了一些尝试.在过程神经网络的理论研究方面,论文首次提出了混合输入过程神经网络的概念,并给出了基于正交基函数展开的混合输入过程神经网络的聚合运算简化方法,此网络兼顾传统神经网络及过程神经网络的输入特点,为实际系统的研究提供了一种新的分析手段;然后在分析了传统BP算法不足的基础上,提出用改进BP算法对混合输入过程神经网络进行训练,并描述了改进BP算法应用于混合输入过程神经网络的全过程,同时基于matlab语言实现了此算法对网络的训练.改进BP算法在混合输入过程神经网络训练中的应用,提高了网络的学习效率,在一定程度上扩展了过程神经网络的训练算法理论.在过程神经网络的实际应用方面,论文紧紧围绕飞机发动机状态监控这一重要的工程应用背景,首次将混合输入过程神经网络应用于了飞机发动机的状态监控中,实现了发动机尾气温度指数(EGT Index)的预测,验证了上述理论研究成果的正确性.飞机发动机状态监控是航空公司的重要工作,它直接关系到航空公司的经济效益和旅客的生命财产安全.发动机在役期间,随着发动机性能的衰退,其EGT值将按某种规律呈上升趋势.EGT值的监控是世界各航空公司实现发动机性能监控的常用手段,传统神经网络能根据EGT的值判断发动机的健康状态,但难于实现对EGT值的预测.将过程神经网络应用到EGT指数值的预测中,既展示了过程神经网络的广阔应用前景,又为飞机发动机的状态监控提供了一种新的手段.