电力变压器是是电力系统的核心设备。为预防并降低电力变压器发生故障概率，设计了小波神经网络对电力变压器进行故障诊断。为提高迭代计算速度及计算精度，提出一种基于自适应修正因子的模型优化方法，通过自适应修正因子可以忽略模型中的局部极值，进而消除微小变化特性，排除杂波干扰。基于自适应修正因子设计变压器故障诊断小波神经网络模型训练方法，从而提高迭代计算效率及精度。通过与传统的神经网络模型及粒子群小波神经网络的故障分析结果及误差对比分析，验证所设计的电力变压器故障诊断模型具有较高的可用性。研究结果为电力变压器故障诊断分析提供理论基础。

考虑滚珠丝杠进给系统的机电耦合特性,对系统结构进行分块细化,降低系统的耦合复杂度,提出了丝杠进给系统的分-总式建模方法。将滚珠丝杆系统作多自由度柔体处理,综合考虑系统的弯曲、扭转及沿丝杠轴向的变形,基于动力学理论,采用瞬时变分法,推导出滚珠丝杠进给系统动力学模型,分析得出基于系统结构柔性影响与丝杠轴弯曲剪切综合变形而引起的耦合影响,不同于以往滚珠丝杠进给系统集中质量模型（混合模型）下各向振动之间的耦合影响及振动方程。通过振动实验,借助主分量分析法验证了所建立的动力学模型的正确性,为后续的丝杠进给驱动系统的动力学分析提供研究依据。