首先使用一种综合多帧差异积累、形态滤波和Sobel边缘检测的方法实现了数字区域的准确定位分割,然后采用基于局部门限处理的方法,解决了图像亮度分布不均的二值化问题,最后运用连续子集迭代分割算法实现了粘连和断裂数字的准确切分.

针对独立分量分析（ICA）对噪声较为敏感及滚动轴承故障信号的调制特性,提出一种基于形态滤波与ICA相结合的方法。该方法首先对观测信号进行形态滤波以突出故障特征同时消除其他干扰源,然后应用ICA分离形态滤波后信号。对滚动轴承外圈内圈复合故障信号进行实验研究,结果表明该方法能够有效识别分离滚动轴承故障特征。

阐述了几种常用于数字射线成像信息处理的非线性滤波降噪法,包括中值滤波、同态滤波、小波降噪和形态滤波法.并通过试验进行了分析比较,得出各种方法的优缺点及适用场合.介绍了一些较新颖的降噪方法,为处理射线检测图像提供一个参考依据.

提出了一种用于机械设备振动监测的无线传感器网络节点的设计方法。根据无线传感器网络及振动信号的特点．设计了一种微型低功耗无线振动监测节点，阐述了无线振动监测节点硬件设计思路及无线通讯策略。并在振动监测节点中实现了数学形态等信号分析方法和设备振动状态的智能预警功能。根据该方法设计的监测节点已在工业现场得到初步应用。并可广泛应用于冶金、石化、建筑、桥梁等行业。

为了提取受谐波和随机噪声干扰的信号中的冲击故障特征，提出基于平均组合差值形态滤波(ACDIF)和Teager能量峭度(TEK)的滚动轴承故障诊断方法.将对冲击成分具有不同抑制方式的4种基本形态算子两两合并加强抑制效果，组合作差反向提取出正、负冲击，构造出一组新的组合差值形态算子(CDIF)，通过比较分析选择其中2种CDIF的平均值作为最终滤波输出.针对滤波过程中结构元素(SE)的选择问题，采用TEK作为评价指标筛选最佳结构元素长度，有效提高了滤波处理的效率和精确度.数值仿真和轴承外圈故障振动信号的试验结果表明，利用该方法能够有效地滤除随机噪声和谐波干扰，提取强背景噪声下的冲击故障特征，滤波效果优于传统方法.

结构元素是数学形态学滤波器的重要组成部分,直接影响滤波的精度。针对目前广泛使用的直线和三角结构元素的缺陷,提出一种基于汉明窗的结构元素,对形态滤波方法进行提升,用于高速列车万向轴不平衡故障检测。首先从结构元素的基本构成形式以及频率响应的角度,在理论上对直线和三角结构元素存在的不足进行了分析。再通过对多种常用的窗函数进行比较,论证汉明窗的优势所在,据此构建汉明结构元素,并将其应用于形态滤波中。在万向轴不平衡试验台进行了试验,结果表明基于汉明结构元素的形态滤波方法能有效地识别出万向轴不平衡引起的基频和倍频故障特征,与传统的三角结构元素相比,此方法更能彰显故障特征.

针对集成经验模式分解(Ensemble empirical mode decomposition,EEMD)在轴承故障特征提取中的问题,提出一种混合故障诊断方法。首先,将“形态滤波-平移不变量小波”作为EEMD的前置滤波器,实现对原始信号中窄带脉冲和随机噪声干扰的有效消除;其次,针对本征模式分量(Intrinsic mode functions,IMFs)中真实分量的选取问题,提出一种轴承振动信号EEMD分解的筛选规则,即计算各IMFs和原信号的自相关函数并作归一化处理,然后计算各IMFs自相关函数和原信号自相关函数的相关系数,以最大相关系数的一半作为阈值剔除虚假的IMFs,与此同时保留第1和第2阶IMFs,从而实现对EEMD的改进。仿真和实验轴承故障诊断研究表明了该方法的有效性,方法的优点在于将“形态滤波-平移不变量小波”作为集成经验模式分解的前置滤波器,可有效去除故障轴承振动信号中的窄带脉冲和随机噪声干扰;本文的...

海上风电场现场釆集到的实际振动信号经常受到多种噪声的影响,加大了故障诊断的难度,而目前普遍应用的单一元素多尺度形态滤波器不能滤除各种噪声。为此文章在多尺度形态滤波方法的基础上,同时兼顾尺度和形状两种因素提出了基于多结构元素的多尺度形态滤波方法;用信噪比和偏斜度构建出新的判别指标,用来判断去噪效果的好坏;最后利用经验模态分解将信号进行分解得出更加准确的包络谱,由此进行故障判断。应用所提方法对标准轴承信号和某海上风机的现场数据进行分析,仿真结果表明该方法能够更好地滤除噪声,抑制噪声干扰,突出轴承故障频率,进而实现对海上风机轴承的故障诊断。

针对刀具切削加工过程产生的声发射信号进行噪音滤除,以有效监测刀具磨损情况,提高工件加工质量。研究形态滤波与集合平均经验模态分解(EEMD)的有效组合方法,在时域和频域对信号进行降噪处理。首先采用加权级联形态滤波,滤除声发射信号的尖峰脉冲干扰;进而采用EEMD分解处理后的信号,计算所得本征模态分量(IMF)的相关性以去除虚假分量,达到去噪效果。仿真实例分别对模拟加噪声发射信号和实测刀具声发射信号进行处理,并提取去噪前后信号频率特征进行比较,仿真结果说明了此方法的有效性。

针对滚动轴承故障诊断问题,提出一种基于最小熵解卷积（Minimum entropy deconvolution,MED）和峭度准则形态滤波的滚动轴承故障诊断方法。该方法首先通过MED对滚动轴承故障信号进行降噪处理,然后设计不同长度结构元素的形态滤波器对降噪后的信号进行差值形态滤波,最后利用峭度准则筛选出峭度值最大的最佳形态滤波分量,进行幅值谱分析提取轴承故障特征频率。应用该方法分析了滚动轴承内圈故障模拟信号和实验测试信号,取得良好的分析效果,证明了该方法的有效性。