超声检测在多界面粘接检测应用中，由于多界面结构的特殊性，造成回波信号不易分辨。本文采用双探头对射法和单探头反射法对构件进行多次检测，再多次利用自适应滤波对回波信号进行特征提取。实验证明，这种方法能够较好的提取出各界面脱粘特征信号。

通过实测得到油气输运管道缺陷漏磁(MFL)信号,分析了缺陷几何尺寸与信号特征量之间关系.采用特征提取和模式识别技术对缺陷进行量化分析.对缺陷的长、宽、深三个指标分别应用不同的特征量和相应的非线性方法进行定量识别.试验结果表明,缺陷长度、宽度和深度的预测准确度分别达到了100%、89%和77.8% .这里通过使用长宽比特征量描述方法,有效地提高了深度的估计精度,很好地解决了管道缺陷的量化识别问题.

在研究某湿气流量计样机的基础上,提出了一种应用槽式孔板与神经网络技术实现湿气流量计量的方法。简要介绍了槽式孔板的特点及流量计样机的结构,采用统计分析与相关分析相结合的方法对信号特征量进行筛选,并应用神经网络技术对数据处理、构建二级神经网络系统。此设计实现了流型识别和计量,利用网络集成技术进一步提高网络系统的计量精度和泛化能力。现场测试结果表明,应用该流量计进行湿气流量计量,其气相累积流量计量误差为3%,液相累积流量计量误差为6%,满足了生产计量的精度要求。

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。

通过建立齿轮系统试验模型，应用CRAS软件系统采集齿轮实际振动信号，分别采用概率密度估计法、时域分析法和频域分析法对系统信号进行分析与特征提取，在齿轮系统300r／min和900r／min两种不同转速工况下，分别研究了正常齿轮、裂纹齿轮和磨损齿轮的故障特征，并辨识出齿轮系统的不同运行工况。对比验证后表明：概率密度估计法对齿轮故障辨识效果较好，方法简便，提高了诊断效率，能够更好地应用于工程实际的齿轮故障诊断。

为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD（Empirical mode decomposition）方法提取信号的固有模态函数（IMF）,再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征。该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题。通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性。

针对柴油机气缸故障诊断时的噪声干扰问题,提出一种自适应加权多尺度形态分解(adaptive weighted multi-scale morphological decomposing, AWMMD)方法,从各个缸盖表面振动信号中提取故障特征。基于三种组合算子构造一种新的组合差值形态滤波器,用于对振动信号进行多尺度分解;以Teager能量峭度作为评判指标,设计基于遗传算法的各尺度形态模式分量(morphological mode component, MMC)权值自适应分配算法,提出加权多尺度形态分解方法;将自适应权值与多尺度分解的形态模式分量进行绑定,得到优化的故障特征提取结果。仿真信号测试与柴油机故障模拟信号分析结果表明,该方法能有效抑制噪声干扰并提取故障特征。

对于有效的提取轨道扣件的特征,提出一种基于小波变换与多尺度局部二进制相结合的特征提取方法。首先将图像进行小波变换,可以有效的去除图像中的噪声,提取出其低频部分,突出图像局部的信息,然后使用多尺度局部二进制对其进行特征提取,而多尺度局部二进制算法则可以在既保留图像局部信息的同时,最大程度留住图像整体信息。通过实际的实验,用最小距离分类器对该特征进行分类识别,表明该方法有效,可行,提高了图像中轨道扣件的识别率。

由于汽轮机故障的振动频谱的特点,应用小波分析技术进行诊断,介绍了小波函数,提出用小波能量分布来提取故障特征的方法,并用试验加以验证。

针对液压阀件特性影响因素多的特点,提出利用主成分分析方法对多影响因素进行相关分析,根据各主成分的贡献率对液压阀件特性多影响因素进行重构,实现液压阀件多影响因素特征提取,从而用较少的主成分代替多影响因素。研究结果可以有效的降低液压阀件特性与多影响因素耦合规律的分析难度,同时提高液压阀件特性建模的鲁棒性,解决由于输入变量过多所造成的建模效率下降的难题。