从盲声源信号的独立性出发,提出了一种新的盲声源混合信号分离方法.该方法基于信号联合概率的分布统计,利用信号联合概率的方向导数熵最小获得最佳的旋转角度,最终实现盲信号分离.与快速独立分量分析方法及神经网络方法相比,该方法不需要迭代计算.采用新的盲声源信号分离方法对轴承试验台的混合声音信号进行识别,将电机和滚动轴承的声音分离出来,进而可以准确识别机械的故障.

电力变压器是是电力系统的核心设备。为预防并降低电力变压器发生故障概率，设计了小波神经网络对电力变压器进行故障诊断。为提高迭代计算速度及计算精度，提出一种基于自适应修正因子的模型优化方法，通过自适应修正因子可以忽略模型中的局部极值，进而消除微小变化特性，排除杂波干扰。基于自适应修正因子设计变压器故障诊断小波神经网络模型训练方法，从而提高迭代计算效率及精度。通过与传统的神经网络模型及粒子群小波神经网络的故障分析结果及误差对比分析，验证所设计的电力变压器故障诊断模型具有较高的可用性。研究结果为电力变压器故障诊断分析提供理论基础。

计算管道内流动阻力系数的尼古拉兹公式是以隐函数形式给出的不能利用此公式直接计算出阻力系数必须采用迭代算法。但是关于＂迭代初值应如何选取才能保证迭代是收敛的＂这一问题迄今为止没有明确结论。为解决此问题以＂数值分析＂理论中关于迭代收敛的定义为依据分析了迭代函数的单调性并利用连续函数的拉格朗日中值定理证明了当迭代初值选取在普通能源输送管道阻力系数的范围内时迭代总是收敛的。给出了收敛区间。此项研究结果为尼古拉兹公式的应用提供了完备的理论依据。

计算工业管道紊流阻力系数的柯列勃洛克公式是以隐函数形式给出的，不能由此公式直接计算出阻力系数。目前这个公式的使用方法是采用图解法，但是图解法精度差而且不能用计算机进行计算。完全可以使用计算机对柯氏公式进行迭代求解，但首先必须解决迭代计算的收敛区间问题，这个问题目前尚无明确的结论。为解决此问题，研究了对柯氏公式进行迭代计算的收敛性，得出了收敛区间．并通过算例验证了所得结论的正确性。此项研究结果为用计算机进行紊流阻力系数的计算提供了可靠的理论依据。