给出了一种基于Proteus7．5仿真实现的液晶温度显示器设计。系统硬件电路采用AT89C52单片机、DS18B20数字温度传感器和LM016L液晶显示器等主要元件。采用Keil u Vision3设计系统软件的c5l源程序并调试。在Proteus7．5平台上，对系统进行了软硬件仿真。仿真结果表明，该系统的测量和显示精度达到了0．1℃。通过Proteus对液晶温度显示器的工作状态进行模拟，以检验和评估设计的可行性，缩短了实际系统开发周期，降低了开发成本，是一种有效可行的仿真方法。

为了快速准确地实现航空发动机转子故障的分类与识别,提出了双阶自适应小波聚类方法。双阶自适应小波聚类过程是首先采用粗网格量化数据空间,找出存在聚类的空间区域,实现数据的预分选聚类;然后统计子聚类的信息,计算其二次聚类的量化值;最后对子聚类的数据空间进行自适应细划分,实现子聚类数据空间的小波聚类。应用双阶自适应小波聚类方法对航空发动机转子的正常、不对中、碰摩、松动故障进行分类与识别,结果显示9种类型被正确分类。因此表明,对于密度分布不均勻的多类型混合数据,双阶自适应小波聚类方法能够根据数据分布特点自适应的量化网格,实现故障的正确分类与识别,诊断精度显著高于传统的小波聚类方法。

为了快速准确地实现转子故障的模式识别与分类,提出了改进小波聚类方法。首先,从转子振动信号中提取峭度指标、功率谱重心和小波能谱熵三个特征向量;其次,量化特征空间,提取显著网格单元信息;然后,对显著网格单元内数据信息进行小波变换实现去噪处理;最后,应用广度优先搜索方法实现聚类。在改进小波聚类过程中,信息储存表的建立降低了空间复杂度,并使得原始数据与聚类结果建立了映射关系。应用广度优先原则搜索相邻的显著网格单元实现聚类,降低了聚类算法的复杂度。实验验证与比较说明,改进小波聚类算法能够扩展应用到高维数据空间,并且降低了高维数据空间的算法复杂度,提高了转子故障诊断的效率和正确率。