准确的声波飞渡时间在声学测温中具有非常重要的意义，针对强噪声环境下弱信号检测问题．研究了声信号的时间延迟估计。指出了声学测温中几种传统的时延估计方法的不足，提出了一种基于小波神经网络的时延估计方法。通过设定不同的信噪比，分别对基于ML互相关方法和基于小波神经网络方法进行了时延估计仿真试验。结果表明，在较低的信噪比下，小波神经网络方法仍可以抑制非高斯信号中相关高斯噪声的影响，为声学测温中的声波飞渡时间测量提供了指导。

为了实现对大型回转体零件内部缺陷的检测与识别,研制了超声波自动检测系统.系统主要完成超声信号的采集和处理、数据的实时存储、缺陷的在线分析与识别等功能.要实现缺陷的在线检测与识别,必然需要大量的原始数据,为了减少数据的存储量,通过小波神经网络提取相应的权重因子,构成小波基的尺度参数和与之对应的平移参数,实现缺陷有用信息的压缩;在缺陷数据重构中,利用上述特性参数并结合信号的特征值,对信号进行拟合.解决了缺陷检测现场大量数据的保存问题,为缺陷的进一步识别提供了基础.

本文构造了一个波神经网络，利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明，以上方法对鼠笼也电动机的故障诊断是有效的，并验证了其可行性和优越性。

针对传统液压机泵阀控制系统传动效率低、节能效益差的问题,本文设计了多级压力源液压机泵阀复合智能控制系统。并分析了多级压力源系统组成结构以及泵阀复合控制的原理,根据液压泵能耗组成构建多级压力源液压机能耗模型,选择多级压力源液压机泵的变频节流方式时进行调速。考虑负载扰动、流量脉动等因素对多级压力源液压机的制约,采用小波神经网络对液压缸进行双闭环的控制。实验结果表明,该系统能够在载荷扰动情况下对静压力成型线上的液压缸进行良好的控制,液压缸的位移跟踪响应准确性好,液压缸两端的压力响应在0.4 s左右达到稳定位置,平均节能量为88 J。

针对目前铸件砂芯表干炉温度控制性能差、燃烧效率低,设计一种新型热风循环温控系统。该系统以变限幅双交叉燃烧策略为基础,采用改进灰狼优化(GWO)算法的小波神经网络对PID控制参数进行自适应调整。系统仿真表明:与传统PID控制相比,超调量接近于0,系统调节时间减少了50%,温度切换控制速度提高了47%。最后通过砂芯烘干试验验证,与传统比值串级PID控制相比,变限幅双交叉燃烧策略和改进GWO小波神经网络PID对炉温的控制效果有很大的提升。

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明:液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑...

为了提高机械臂路径控制的准确性,采用群智能优化的小波神经网络算法对机械臂路径进行跟踪,以便实现精准有效的控制。首先分析了二连杆机械臂动力结构,然后建立基于小波神经网络的机械臂路径控制模型,根据机械臂状态变量构建粒子群,通过粒子位置更新获得稳定的小波神经网络模型主要参数。在仿真过程中通过差异化设置隐藏层节点数M和粒子群速度权重ω主要参数,实验证明,当M=12,ω=1.2时,可以获得最优的机械臂目标路径跟踪性能,角度平均误差和位移平均误差均最小,相比于小波神经网络的机械臂路径跟踪,经过了粒子群优化后的跟踪性能提升明显。

机床的生产加工过程中,会产生大量的碳排放,通过分析机床加工过程的碳排放相关量,预测碳排放值,从而达到降低碳排放的目的;将遗传算法对具有自适应性和函数逼近能力的小波神经网络的参数进行全局优化,来构建遗传小波神经网络模型,对机床加工过程的碳排放进行预测;并通过实验数据将遗传小波神经网络与传统小波神经网络的预测结果进行对比,结果显示,优化后的小波神经网络在机床碳排放的预测结果平均误差为0.48%,均方误差为20.5303,均优于传统神经网络,证实了在机床碳排放预测中遗传小波神经网络相对传统神经网络具有更高的逼近精度;从而能够较为准确地对机床碳排放进行预测和控制。

为了能够提高数控铣床液压油缸再制造的经济效率，利用小波神经网络对液压油缸几何精度进行了优化设置。首先，分析了再制造技术的基本理论；接着，讨论了数控铣床液压油缸几何精度优化设置的基本理论；然后，设计了小波神经网络模型；最后，进行了基于小波神经网络模型数控铣床液压油缸几何精度优化设置的仿真分析，仿真结果表明该方法具有较高的鲁棒性。

为了提高电动负载模拟器的信号跟踪精度和多余力矩抑制能力，在分析系统结构和工作原理的基础上建立了电动负载模拟器系统的完整数学模型。针对电动负载模拟器中存在的力矩跟踪精度问题，提出了一种前馈补偿和基于小波网络的PID控制相结合的复合控制方法。利用改进的前馈补偿法抑制多余力矩，基于小波网络的PID控制器可以在线调整PID参数补偿系统的非线性环节，提高系统动态性能。仿真结果表明，复合控制器对多余力矩有良好的抑制效果，跟踪精度满足要求，和传统PID控制相比，系统鲁棒性得到显著提高。