针对水轮机结构复杂等特点，传统的时差定位及模态定位方法不能满足其裂纹水轮机叶片定位要求，提出利用小波神经网络对水轮机转轮叶片的裂纹进行定位．训练采用标度共轭梯度算法（SCG），并对输出结果采用竞争处理方式．结果表明，与BP网络相比，小波神经网络提高了定位的准确度，所确定的裂纹位置最大误差仅为4．2％，是一种适合复杂结构的定位方法．

介绍了一种基于小波分析的神经网络模型－小波神经网络，提出了一种基于小波神经网络的心理数据压缩方法。经过研究表明，采用小波网络 心电数据压缩模板的方法可以大幅加快网络的收敛速度。与基于BP网络的压缩法相比，具有较大的优点。

为使所建立的气动力模型能够准确刻画复杂动态特性,提出一种基于改进UKF算法的小波神经网络(Wavelet Neural Network,WNN)飞行数据失速气动力建模方法。引入一种自适应因子来改善无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的性能;按照飞行数据的气动力建模流程,利用改进UKF算法对WNN参数进行最优化估计,构建失速现象的气动力模型。实验结果表明,针对飞行器失速的气动力建模问题,基于改进UKF算法的WNN建模方法,在建模精度和速度方面,优于传统神经网络和其他现有WNN方法,因此,使用提出飞行器失速的气动力建模方法是可行和有效的,得到预测结果也能准确刻画飞行器失速的动态特性。

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断。

为提高数控车床主轴热误差的预测精度,以某型号数控车床主轴为研究对象,提出基于小波神经网络(WNN)的主轴热误差建模方法。利用K-means++聚类结合相关性分析理论,将温度测点从10个减小到2个。针对小波神经网络对初始值敏感的问题,采用蝙蝠算法(BA)将预测输出值与实验测量值之差的绝对值作为个体适应度函数,将蝙蝠个体的位置向量映射为小波神经网络的初始连接权值、尺度因子及平移因子,实现对小波神经网络初始值的优化。利用优化后的小波神经网络建立车床主轴热误差预测模型,与未优化的小波神经网络和BP神经网络预测模型对比。结果表明:BA-WNN对主轴轴向热误差的预测精度较高、残差较小、预测能力更强。

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。

为了能够提高液压传感器故障诊断的精度，深入地研究了小波神经网络在其故障诊断中的应用。首先，建立了小波神经网络的数学模型；接着，分析了小波神经网络的算法和实现步骤；最后对液压传感器的六种故障模型进行了故障诊断，诊断结果表明小波神经网络具有较高的诊断精度。

为了能够有效地对柱塞泵液压系统进行故障诊断,该文深入研究了小波神经网络在其中的应用。首先,分析了小波神经网络的基本原理,确定了小波神经网络的结构;然后,研究了小波神经网络的算法,选取了具有全局最优的粒子群优化算法。接着,设计了小波神经网络训练的流程;最后,对柱塞泵液压系统进行了故障诊断研究,经过仿真计算,最终得出小波神经网络具有故障诊断正确率高和诊断速度快的优点。

为了能够提高对平整机液压系统的控制精度，深入地研究了小波神经网络PID控制在其中的应用。首先，分析了小波神经网络的基本理论；然后，研究了小波神经网络的改进算法；接着，讨论了平整机液压控制系统的组成和特征，并且利用MATLAB进行了仿真分析，仿真结果表明小波神经网络PID控制具有较好的鲁棒性，控制效果非常好。

由于伺服直驱泵控缸压力与位置双闭环控制系统的结构复杂存在非线性、时变性等特点单纯通过数学模型进行分析比较繁琐结果也不精确。通过对泵控缸压力与位置双闭环控制工作原理的分析在AMEsim中搭建出系统控制回路的物理模型在Simulink中搭建小波神经网络控制部分模型然后进行联合仿真分析并进行实验验证。伺服电机采用三相交流永磁同步电机控制芯片采用DSP28335驱动器采用台达ASDA-A2伺服驱动器实验采用2种控制方式即普通PID控制和小波神经网络控制通过对额定负载情况下压力与位置的响应特性曲线进行分析结果表明采用小波神经网络控制可以显著提高伺服直驱泵控缸压力与位置控制系统的控制精度和稳定性。