在一些大海域进行的分布式测试系统实验中，对大量、多种类测试数据的有效存储管理是必要的。NAND Flash存储器具有非易失、大容量、可擦除与重复性编程等优点，并可基于其构建文件系统实现文件的有效存储管理。无线实时回传处理大量数据是系统的瓶颈，因此存储数据时可提取数据特征并存储特征，为实现基于特征提取的高效数据传输提供可能，提高系统的实时性。

为了研究涡街流量计实际流量信号的能量分布情况，提出了一种基于功率谱幅度的涡街流量计信号能量的表征方法．在此基础上，定义了涡街信号的功率谱能量比，定量讨论实际流量信号在整个涡街流量计输出信号中的能量变化规律．结果表明，涡街信号的功率谱能量比分散性较大；当被测介质为水和空气时，其值分别介于38％～96％和10％～65％；并且在靠近发生体的地方功率谱能量比的值较大，涡街信号强、易于检测．因此，功率谱能量比可作为优化选择涡街流量计检测元件位置的参数之一．

脉冲涡流检测方法是涡流检测技术的一个新兴的分支.本文介绍了脉冲涡流检测技术应用于检测金属表面裂纹.实验结果表明经综合考虑了裂纹深度、材质对测量结果的影响之后,发现裂纹深度和涡流信号幅值峰值之间有着深远的关联.借此可以初步的量化的判断裂纹深度.

针对单元摄像机受测量范围、测量精度和测量效率制约的问题，采用二维图像拼接的方法，达到大测量范围、高精度和多参数综合测量的目的.通过对比不同特征对测量效果的影响，提出采用一点一线法进行拼接测量，并就一点一线法中点和线的参数值对拼接结果的影响进行了误差分析，最后进行了实物几何量测量实验.

针对轴承钢硬度检测要求，提出了对电磁检测信号进行分类处理的简便方法，得出了一种简单实用的无IR区的线性分类规则。在此基础上，利用C＋＋Builder设计了轴承钢硬度虚拟检测系统。

针对液压滑阀在声发射技术下内泄漏信号样本采集不足、变量因素考虑不全的问题,搭建了声发射内泄漏检测实验系统。以公称通径为10 mm、16 mm、20 mm的液压滑阀为研究对象,通过改变阀芯直径、间隙高度、密封长度及滑阀上下游压差对液压滑阀进行声发射信号采集并记录实际内泄漏率。对180个工况内泄漏信号定阶后基于Burg算法进行AR模型功率谱分析,并提取能量特征分析内泄漏率与敏感特征关系。结果表明,能量特征能有效区分不同间隙高度的内泄漏率,并成功判断内泄漏率是否大于40 ml/min。

液压泵早期故障信号具有非平稳性、强背景噪声、弱故障特征特点,故障特征难以有效提取。为此,提出基于自相关分析与最大相关峭度解卷积算法的齿轮泵故障特征提取方法,利用MCKD算法对采集信号去噪处理,增强信号中的原始冲击成分,提高信号的信噪比;基于峭度(或峭度绝对值,或峭度平方值)的特征信息提取方法,来度量机械信号的非高斯性程度,以表征机械设备的运行状态信息。试验结果证明:所提方法能够有效提取液压泵故障信号中的特征信息。

为有效地诊断出内泄故障,通过EHA实验台模拟出不同故障等级的EHA双杆液压缸的内泄漏。在相同控制信号输入下采集液压缸腔室内压力信号,使用小波与EMD分解2种方法分别对健康模式与故障模式下腔体内压力信号进行分解,得到压力信号的一级和二级高频小波系数及一级IMF函数,完成特征提取。通过多组实验求得特征提取后的均方根值,实现了EHA液压缸内泄漏故障与故障等级的离线诊断,并对比了不同诊断方法的诊断效果。结果表明:压力信号的一级IMF函数诊断

齿轮泵动态压力信号蕴含了丰富的状态信息,是齿轮泵的关键性能参数之一;负熵是随机变量独立性的自然测度,反映了机械信号信息的动态变化特征。为了进行基于齿轮泵动态压力信号的故障诊断,在引入经验模态分解技术的基础上,提出了齿轮泵压力信号的负熵基ICA特征提取方法,并进而联合最小二乘支持向量机,探讨了基于ICA和LS-SVM的齿轮泵特征提取和故障诊断方法;理论和试验研究表明,基于负熵的ICA特征提取和故障诊断方法是有效的。

电液伺服阀是电液伺服控制中的关键元件,其性能关系到整个伺服系统的控制精度和响应速度。当前,伺服阀的故障诊断仍以离线为主,缺乏在线诊断的有效手段。根据伺服阀的工作特性,提出一种反映伺服阀动态特征的状态信号选取方法;通过对伺服阀阀芯开口度进行时频联合分析,结合所选取的伺服阀特征参数,提取出反映伺服阀动态特征信息的特征向量;采用粗糙集理论对特征量进行约简以提高在线诊断效率。基于人工神经网络的伺服阀性能在线诊断的实验结果表明：所提取的特征向量能够准确反映伺服阀动态特征信息,有效判断伺服阀的异常状态,为电液伺服阀的在线故障诊断提供了参考。