由于在短样本条件下Hilbert-Huang变换（Hilbert-Huang transform,简称HHT）识别模态参数的精度主要受经验模态分解（empirical modal decomposition,简称EMD）模式混合和随机减量法（random decrement technology,简称RDT）提取自由衰减响应时平均次数不足的影响,针对这两个影响因素,引入带宽限制信号抑制EMD的模式混合,提高EMD的精度;并引入分层抽样技术,提出基于拟合偏差和样本量的层权确定方法来进行多次识别,然后加权平均,提高RDT的总平均次数。仿真试验和应用实例表明,结合分层抽样的限制带宽EMD识别模态参数的方法能提高短样本条件下HHT识别模态参数的精度。

针对随机子空间模态识别过程因人为参与造成识别结果不准确的问题，提出在随机子空间识别过程中引入谱系聚类算法实现模态参数自动识别。通过两种不同状态矩阵计算方法所得到的模态之间的相似程度以及各阶模态的能量剔除由噪声、模态过估计等因素引起的虚假模态；引入谱系聚类算法对结果进行拾取，以频率、阻尼比、模态振型、模态能量作为聚类因子计算结果之间的相似性，通过其将计算结果分为若干类，提取元素多于一定值的类作为拾取结果，实现结果的自动拾取。通过数值仿真和实例分析验证该方法的有效性。

针对机械参量信号的多样性和复杂性,该文设计了一种面向机械参量的通用数据采集仪,经简单配置后能够采集多种常见机械参量信号。文章首先用面向对象的设计思想对设计方案进行了模块划分,然后在介绍各个模块详细设计的过程中分析了实现通用性的难点并给出了相应解决方法,最后以常见的振动信号为采集对象,介绍了方案的具体实现过程。此采集仪可进行大多常见机械参量的测试,人机界面友好,有很好的应用前景。

本文介绍了一种基于构件的软件体系结构，结合小波分析方法和理论，提出了构件化小波变换信号分析仪的总体设计框架和开发模型。以滑杆构件为例介绍仪器功能构件库的设计过程，以连续小波变换和离散小波变换功能构件为例介绍仪器功能构件库的设计过程。最后通过系统构架组建了构件化小波变换信号分析仪，并通过实例验证仪器的正确性。

频率细化分析是一种重要的频谱分析工具,是信号处理和虚拟仪器的主要功能之一.介绍了几种典型的频率细化分析方法,包括连续DFT和复调制方法等,并研究了它们的优缺点,提出了一种结合子带分解DFT和复调制方法的新频率细化方法,它继承了复调制细化的优点,且无需设计特定的滤波器,减少了运算量,适用于实时细化分析,最后以虚拟仪器中的应用实例展示了几种频率细化的算法和效果.

介绍了基于知识的心电图自动诊断系统的系统构成及设计过程中采用的关键技术.模拟了现实世界心电专家根据心电图进行诊断的思维方式,揉进了可能性理论和模糊理论的概念,同时又避免了复杂的推理过程.其心电图病理数据库由知识库和规则库两部分组成,采用数据库形式存储.推理诊断系统采用数据驱动的正向推理结合基于CF模型的不精确推理.推理诊断系统与知识库和规则库的实际存储内容没有必然联系,所以适用于诊断型的专家系统.

为了增加动态信号分析仪设计和使用的柔性,提出了分析功能多态的柔性化仪器设计方法,即是在仪器运行过程中,既支持分析功能的动态演化,又支持用户动态重组数据分析流程。设计了基于共享参数集合的软件体系结构,建立了多态分析功能模块模型,实现了具有功能流风格的柔性化动态信号分析仪。该设计方法为虚拟仪器设计提供了一种新的开发模式。

针对滚动轴承故障诊断时频特征自适应提取与智能诊断问题,提出了一种基于卷积神经网络(Convolution Neural Network,CNN)和离散小波变换(Discrete Wavelet Transform,DWT)的滚动轴承故障诊断方法。首先应用离散小波变换将信号时频特征充分展现,构造出时频矩阵;然后再利用卷积神经网络的多层特征提取网络对输入信号进行分级表达,将时频矩阵低层信号特征逐层变换形成抽象的深层特征,以获取原信号时频信息的分布式特征表达。最后在特征输出层后端添加softmax多分类器,利用反向传播(Backpropagation,BP)逐层微调结构参数,建立特征空间到故障空间的映射以生成合适的分类器,从而实现滚动轴承故障诊断。通过对不同故障类型、不同损伤程度以及不同工况下的滚动轴承进行故障诊断实验,结果证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。

针对非平稳工况下,轴承故障信号表现出来的非平稳性、故障特征难以提取等特点,提出将阶次分析与经验小波变换(EWT)相结合的故障特征提取方法,使用LabVIEW软件开发平台对上述方法进行编程实现。利用机械故障仿真实验台(MFS)得到非平稳工况下轴承内圈故障信号并以其进行分析,分析结果表明基于阶次分析与EWT相结合的方法能准确识别非平稳工况下轴承故障特征,解决了传统阶次分析方法无法有效识别故障特征的问题。

针对机械振动无线传感器网络节点因信道带宽窄导致网络传输速率过低，在大量原始数据传输需求下实时性较差的问题，提出一种基于簇树星型混合拓扑的多信道数据传输方法。对各传感器网络节点进行树间通信干扰最小化信道分配，避免邻频干扰影响树间并行通信，在数据同步采集结束后，各节点以分配信道组建簇树星型混合拓扑网络进行数据传输；采用树间通信握手机制和树间通信优先级抢占机制解决簇树星型混合拓扑带来的树间互盲问题；将各采集节点短地址作为调度信息载入信标进行广播，各采集节点根据调度信息决定进行数据传输或者休眠，实现树内通信能耗最小化时序调度。将提出的多信道数据传输方法与载波侦听多路访问/冲突避免机制进行对比，实验结果表明该方法能有效提高机械振动无线传感器网络数据传输速率。