针对现代工业中输入饱和受限的双摆桥式起重机防摇摆控制问题，设计了一种基于神经网络的非奇异终端滑模控制器。首先，分析起重机的非线性动力学系统，并引入抗饱和模块将系统所需的控制力限制在驱动电机能提供的最大驱动力内；然后，采用部分状态信息反馈控制设计控制器，该控制器只需起重机小车位置、速度的反馈信息，无须实时测量吊重和摆角；之后，利用所提控制器跟踪经过规划的 S 形平滑函数，并用神经网络逼近起重机系统中复杂未知的非线性函数部分；最后，通过李雅普诺夫稳定性理论对系统状态的稳定性进行分析。仿真结果表明，所提控制器能在保证起重机小车准确定位的同时，有效抑制吊钩和重物的残余摆动，并且对外界干扰具有较强的鲁棒性。
需求电压和需求电流是充电桩对电动汽车安全充电的重要依据。然而，随着电池的老化，电池管理系统的数据可能出现错误，使得电动汽车在充电时存在安全隐患。针对该问题，建立最小二乘支持向量机和深度置信网络的组合预测模型，提出一种基于变权组合模型的电动汽车充电方法。首先，针对数据掉线缺失问题，使用 K 均值和反距离加权方法对数据进行插值；然后，使用改进的混合核主成分分析算法对完整数据进行主成分提取，并使用改进粒子群优化算法自动确定混合核函数的权重。基于真实电动汽车数据的实验结果表明，所提方法能够准确地预测需求电压和需求电流，具有实际意义和可行性。
