本论文依托外高桥集装箱码头岸桥状态监测分析系统的研制和宝钢原料码头卸船机状态监测诊断系统预研两个工程项目进行一些关键技术的研究。 本论文在讨论基于神经网络的模式识别技术的基础上，阐述了所设计的基于带有偏差值的递归神经网络的模式识别系统的工作原理，并进行了应用。 在应用过程中，本论文所需要的大量学习样本是通过模型试验得到的，本文介绍了在试验过程中用到的岸桥模型和数据采集软件。通过岸桥模型，模拟真实岸桥运行时的各种工作工况，得到了大量的数据，为网络的学习建立了样本库。 本论文依据岸桥实体和模型上传感装置的布置位置和数量建立了神经网络模型，并以采集得到的数据作为教师值，对网络进行训练。 在模式识别的过程中，本论文比较了基于BP网络和基于带有偏差值的递归神经网络两种模式识别的方法。并分别用两种方法进行网络的训练，得出了后者在网络的学习过程中优于前者的结论。本论文还分析了减少网络结构的优化对网络学习的影响，并通过比较加以说明。