针对高强度聚焦超声（HIFU）声场测量，提出并研究了一种基于Parylene膜的法-珀干涉型光纤水听器。采用真空气相沉积法在光纤的端面蒸镀Parylene膜构成光纤水听器的法一珀腔，分析了光纤水听器的传感原理和解调原理，建立了HIFU声场检测的实验系统。实验结果表明，基于Parylene膜的法-珀干涉型光纤水听器能准确传感超声信号，其输出与换能器驱动电压的非线性度小于0．01，且与聚偏氟乙烯（PVDF）针式水听器的测量结果基本一致。

为了提高液压检测系统故障识别的准确率,提高对液压系统中的蓄能装置故障的诊断率,提出了一种基于堆栈稀疏自编码器的深度学习算法。该方法采用希尔伯特-黄变换和小波变换对压力信号的特征进行提取,然后对堆栈稀疏自编码器(SSAE)进行训练。将训练好的模型连接Softmax分类器,实现对蓄能装置的最佳压力、压力略微减轻、压力严重减轻、接近完全失效的4类压力状态进行诊断。实验结果表明,该深度学习神经网络比机器学习的准确率更高,可以达到98.3%,能够更好的识别液压系统蓄能装置的故障类型。