通过B样条函数和正交多项式的函数逼近性能分析可以看出，B样条函数可以避免多项式函数因某一个参数的变化而引起整个函数形状改变的问题，且B样条函数的在逼近函数的过程中不易产生振荡现象。为充分利用B样条函数的优越性，本文提出了一种基于B样条展开的过程神经网络模型，该模型将输入函数及其连接权函数表示为B样条基函数的展开形式，实现了对过程神经元时间聚合运算的简化，较好地解决了过程神经网络在训练过程中对于时间和空间开销较大的问题。文中还给出了具体的学习算法，对此算法进行了详细的推导和描述，并对此学习算法的适应性和复杂性进行了简单分析。同时，由于B样条基函数系具有很好的函数逼近能力，且基于这个基函数的展开或拟和易于实现，因此，这种基函数的选择方法及其相应的学习算法在实际中具有较好的实用性。最后本文将基于B样条展开的过程神经网络应用于飞机发动机状态监控中，实现了对机发动机排气温度(EGT)的预测，验证了该网络模型及其学习算法的有效性，并为飞机发动机状态监控提供了一个新的有效的手段，因而具有重要的经济意义和社会意义。