本文采用小波变换的Ｍａｌｌａｔ算法，求取智能露点仪温度曲线的拐点，这种算法的显著特点是可由背景噪音中很好地提取有用信号，在３－５次测量中，即可得到重复性好极的曲线拐点值，与传统的最小二乘拟合建模方法相比，不但可以减少测量次数，而且使露点温度值的自动检测达到了更高的准确度及稳定性。

超声检测时探伤仪的电噪声和被检粗晶材料的散射噪声严重影响检测回波的信噪比.研究小波变换软阈值去噪方法在超声检测回波处理中的应用.在分析仪器电噪声、材料散射噪声和缺陷回波的小波变换特性的基础上,提出一种用一个尺度间变化的门限阈值来抑制噪声回波的小波变换系数再重构检测回波的方法提高信噪比.距离-波幅-当量曲线测定实验结果表明,该方法具有很好的去噪效果,处理后的回波损失小,能保证超声探伤的定量准确性.

制备了C60碳纤维混凝土,并对其进行高温处理,模拟碳纤维混凝土的高温损伤状态。采用声波测试仪对试件受高温前后的超声特性进行了测试,通过对信号进行小波变换处理,同时以高温前后的纵波波速变化来定义损伤因子。研究结果表明,随着温度的升高,信号频谱的主频不断向低频方向移动,频率幅值不断减小;损伤因子则随温度升高而呈现出指数增大趋势,表明碳纤维混凝土结构的高温损伤与频谱和纵波波速变化有密切联系。

研究从全息重建颗粒图像中进行颗粒识别和定位的方法.利用小波函数重建颗粒全息图,采用灰度阈值自动判定方法对所重建的三维颗粒场图像进行颗粒图像与背景的分离和颗粒判定.根据重建颗粒图像灰度的空间分布特点,采用灰度和颗粒面积双判据方法实现颗粒空间位置,特别是流场深度方向的准确定位.对已知记录距离的理想模拟颗粒群全息图进行重建测试,同时在共轴全息试验台上对已知记录距离的颗粒试验片进行颗粒识别和定位算法的测试和验证.结果表明,所提出的灰度阈值自动判定方法准确、有效,最大灰度和颗粒面积双判据方法能够更加准确地进行颗粒空间定位.

差动热分析仪广泛应用于测定物质在程序温度控制下产生物理或化学性质变化时所发生的热效应与相应温度。为提高差动热分析仪的分析精度，应用虚拟仪器技术对差动热分析仪的数据采集、数据分析系统进行了开发，介绍了在LabVIEW环境下，结合MATLAB小波工具箱提供的小波分析功能函数，对采集的差热信号进行去噪预处理的方法，着重对小波基函数的选择以及阈值的选择问题进行了详细的讨论。比较了5种可用于噪声处理的小波函数对热分析信号DSC曲线预处理的结果。结果表明，对于类似正弦的比较平滑的DSC信号，采用sym8小波rigrsure准则去噪可以达到很好的滤波效果。

提出基于小波神经网络的图像去噪方法，该方法兼有小波分析的良好时频域特性和神经网络的自适应能力。实验结果表明，该方法在去除噪声上优于中值滤波等传统去噪声方法，其散斑指数较小，峰值信噪比较大．在有效去除噪声同时，又能很好地保护图像的细节信息。

针对液压信号的高度复杂性以及难以识别的特点,提出一种基于深度置信网络的方法用于液压泵内泄漏状态的诊断。首先利用小波变换和HHT对压力信号和流量信号进行提取特征,然后利用堆叠RBM网络对原始特征集进行优化,并提取高级的融合特征,最后使用BP进行预测。实验结果表明:DBN能够有效地提取原始特征集的内在特征,使液压信号得到了更好的表达;DBN对液压泵内泄漏状态识别精度达到了98.77%;相比于SSAE和H-ELM分类器,DBN对液压泵内泄漏状态有更好的辨识能力和稳定性。

航空发动机传感器故障诊断系统对于保证航空发动机控制系统可靠性和安全性至关重要,针对传统基于发动机模型的传感器故障诊断中存在建模精度不足导致故障诊断存在误诊和漏诊的问题,提出以小波变换和神经网络为基础,使用正常传感器预测故障传感器值。通过对比传感器输出和神经网络预测值的残差来实现传感器的故障诊断,其中神经网络可以在传感器故障后估计出正常的模拟信号代替故障信号供发动机控制系统使用,实现航空发动机控制系统的容错控制;使用改进粒子群优化算法优化BP神经网络的阈值和权值,以提高神经网络诊断和预测信号精度。仿真结果表明:该方法可以有效完成故障诊断,减少漏诊和误诊的发生。

带有表面微缺陷的飞机液压管路在循环压力冲击作用下会逐渐形成非贯穿裂纹,但是随着裂纹处应力的循环作用,会扩展成贯穿性微裂纹,导致管路产生微泄漏。基于管路内瞬变流数学模型,采用AMESim软件对循环压力冲击载荷下飞机液压管路泄漏故障进行模拟,分析不同泄漏情况对管路压力信号波形的影响;然后根据管路压力信号波形的仿真结果,通过Daubechies小波系中5类小波函数分别对其进行小波分解,分析并对比小波函数的分解结果,选取最优小波函数分解结果定位信号中奇异点位置;最后开展管路泄漏故障实验,通过最优小波函数和负压波定位法检测及定位管路泄漏位置。研究成果为飞机液压管路泄漏故障诊断提供新的方法,同时,为我国飞机液压管路视情维修模式进行探索。

基于反馈误差学习法、小波分析理论并结合面向控制的辨识思想提出了一种神经网络在线学习补偿自适应控制结构.基于被控过程的小波变换结果信息利用反馈误差学习法调整控制参数.利用"参征器"实行监督控制避免控制器的输出产生振荡或进入饱和状态.工程应用表明该方法将过程辨识和"参征器"引入神经网络的学习和控制中可有效地提高系统的控制品质.