针对高压共轨系统实验中轨压曲线连续缺失与异常问题,使用一种分形插值方法拟合轨压曲线。通过对比分形插值曲线与原始曲线的EMD(地球搬运距离)值,获得最佳的垂直比例因子值,并将分形插值法与Lagrange插值法和三次样条插值法进行对比。结果显示,相比其他插值方法,分形插值法能更精确地还原轨压信号的整体变化趋势与局部波动特征,并且拥有更高的精度。在对轨压曲线进行插值时,分形插值曲线的EMD分别比Lagrange插值曲线和三次样条插值曲线减小了65.3%和50.3%,证明了分形插值法更适合波动强烈的轨压曲线的插值。

研究在仪器仪表中利用分形插值和人工神经网络算法改善测试精度和响应时间的方法.在仪表检测中有时会遇到检测的分辨率与实时性相冲突的情况,此时对数据进行插值是一个很好的解决办法.利用分形和人工神经网络算法插值是一种可以进行多点数插值的优越方法,因为它可以通过训练学习不断修正网络的权值,使检测误差的方差控制在预定的范围.还研究了利用神经网络做谱分析来求取主频的方法,它在运算速度和分辨率方面都优于FFT.文章还提出了一些减少人工神经网络学习训练时间的方法.

分析了矩形静压推力轴承的表面特征以及分形理论中几种模型的特点,结合轴承表面特征提出选用分形插值模型对静压推力轴承表面的平面度与粗糙度进行综合分形模拟。实例验证表明该方法对静压推力轴承表面平面度与粗糙度综合特征的模拟符合真实情况,为静压推力轴承的润滑性能模拟奠定了基础。