理论门槛值的研究

阐述了应力强度因子门槛值△Ｋｔｈ的重要性，讨论了理论门槛值的概念，分析了工程门槛值的局限性，提出了理论槛值的求解方法，实例分析显示了理论门槛值研究，无论对于工程应用或理论研究均具有重要意义。     

二维小波变换及其在医学图像处理中的应用

介绍了二维离散小波变换的一般形式，在图像分解的基础上．分析了二维小波变换在医学图像消噪和图像增强中的应用，同时给出应用实例。结果表明，应用小波分析进行医学图像处理，能够有效地改善图像质量，有利于医生对病情的诊断和治疗。     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

体表电位标测中的关键技术——心电信号的数字滤波

小波分析在数字滤波领域中具有广大的应用前景，尤其是对具有时变特性的人体心电信号。该文介绍了如何利用coiflet小波对心电信号进行多分辨率分解和重建，并解决了小波分析在心电信号滤波中会遇到一些实际问题，比如小波基函数的选取，确定心电信号及噪声的频域表现和小波在不同尺度下的通带。实验结果表明，用coiflet小波对心电信号进行数字滤波，能很好地消除心电信号中的三大干扰；基线漂移、工频干扰和肌电干扰。     

回转误差测试中系统噪声分离技术

高精度主轴的回转误差和测试系统的噪声常处于同一水平，这极大地影响了用频域三点法测量主轴回转误差的准确性。针对同步误差（SEM），提出了对含噪声信号进行等角度采样重构、集合平均和小波滤波的组合降噪处理方法，提出了根据传感器和被测主轴直径定量确定小波分解层数的方法，经仿真实验证明其具有良好的去噪效果。针对异步误差（ASEM），提出了消除测试系统噪声的方法，研究了圈数对异步误差测试结果的影响规律。此外，搭建了测试系统，验证了所提方法的有效性。      

改进小波阈值去噪法在管道泄漏检测中的应用CSCD

基于负压波式的管道泄漏检测方法中,需要解决的核心问题之一是对负压波信号的去噪。在分析了利用小波变换理论与小波阈值去噪的基础上,对传统的硬阈值和软阈值函数、双曲型和指数型函数与改进的阈值函数算法进行了对比。实验表明,改进算法在处理管道泄漏检测中,对检测的负压波信号能够获得较大的信噪比,具有较好的去噪能力,能有效提高泄漏检测精度。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

惯性器件精密零件微小毛刺去除技术研究

针对惯性器件中的外形复杂类零件、通孔交叉孔类零件、特殊材料类零件等微小毛刺去除需求,分析了现有控制工艺方法不足.通过开展高效率、高质量的零件毛刺去除试验,研究了磨粒流去毛刺、磁力研磨去毛刺、强力超声波去毛刺等精密去毛刺新方法对产品质量的影响,分析了先进去毛刺工艺方法的适用性,探索了惯性器件零件去毛刺技术发展方向.     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题，为进一步提高故障诊断准 确率，提出了基于小波变换和粒子群优化(Particle swarm optimization，PSO)支持向量机 (Support vector machine，SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析，然后通过小波分解计算分形维数，再利用核主元分析（Kernel pri ncipal component analysis，KPCA）降低特征值维数，实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证， 获取了较高的故障诊断准确率，与其他方法进行比较，实验结果显示了本文方法的优越性。