Structured illumination microscopy (SIM) is a popular and powerful super-resolution (SR) technique in biomedical research. However, the conventional reconstruction algorithm for SIM heavily relies on the accurate prior knowledge of illumination patterns and signal-to-noise ratio (SNR) of raw images. To obtain high-quality SR images, several raw images need to be captured under high fluorescence level, which further restricts SIM’s temporal resolution and its applications. Deep learning (DL) is a data-driven technology that has been used to expand the limits of optical microscopy. In this study, we propose a deep neural network based on multi-level wavelet and attention mechanism (MWAM) for SIM. Our results show that the MWAM network can extract high-frequency information contained in SIM raw images and accurately integrate it into the output image, resulting in superior SR images compared to those generated using wide-field images as input data. We also demonstrate that the number of SIM raw images can be reduced to three, with one image in each illumination orientation, to achieve the optimal tradeoff between temporal and spatial resolution. Furthermore, our MWAM network exhibits superior reconstruction ability on low-SNR images compared to conventional SIM algorithms. We have also analyzed the adaptability of this network on other biological samples and successfully applied the pretrained model to other SIM systems.

针对Al5083纳秒激光划片过程中产生沟槽和凸起两种轮廓的问题, 研究了不同工艺参数下产生轮廓与映射声信号的关系。开展Al5083薄板纳秒紫外脉冲激光划片试验, 观察轮廓的微观形貌, 探究轮廓形成机制; 采集声发射信号, 小波包变换后分析声信号的差异性, 并开展支持向量机分析。微观观测结果表明, 凸起轮廓的成形机制包括熔融金属溅出受阻和凝固时产生的大量气孔。声信号分析结果显示, 沟槽轮廓对应的小波包分解系数的方差和包络面积显著高于凸起轮廓; 以小波包分解后的频谱为特征向量, 添加标签后使用高斯核支持向量机分类, 分类准确度达92.57%, 验证了小波包变换和支持向量机的结合在基于声信号的轮廓监测中的可行性, 为构建基于声发射的激光划片监测系统提供可行的技术路径。

针对气体泄漏声波信号降噪的问题，提出一种集合小波包分析(WPA)与变分模态分解(VMD)相结合的降噪方法。通过小波包变换对信号的噪声进行预处理；利用 VMD对去除噪声的信号进行分解，得到所有的本征模函数(IMF)分量，并根据相关系数准则判断有效 IMF；最后提取有效成分并进行信号重构。对本文方法进行验证，结果表明，本文方法能够有效剔除气体泄漏信号中包含的各种噪声，降噪后信噪比为 15.485 1，均方根误差为 0.028，为后续信号分析减少了干扰，也为气体泄漏声波信号的特征提取与分析提供了新的思路。

为了监测黄瓜采摘后贮藏期间品质的变化, 借助不同贮藏日期贮藏室气氛的3D荧光数据, 提出了一种特征荧光信息(特征激发与特征发射波长)提取方法, 实现了黄瓜贮藏期间品质的监测。 首先, 对3D荧光数据进行去除瑞利散射和多项式Savitzky-Golar(SG)平滑降噪预处理, 有效消除了散射和噪声信号的影响。 其次, 对预处理后的3D荧光数据进行主成分分析(PCA)得到主成分矩阵, 并运用各主成分变量构造Wilks统计量, 选取了最小值对应的主成分(第11主成分, PC11); 根据构造该主成分的各原始变量(激发波长)的组合系数大小提取了8个特征激发波长。 然后, 采用10 nm的间隔对发射光谱进行了波段划分, 运用小波包分解(WPD)对每个波段进行了3尺度分解, 计算了各波段分解后的小波包能量, 综合8天试验结果选择能量最高的发射波段作为初选发射波段。 采用偏最小二乘回归(PLS)结合黄瓜理化指标(硬度、 叶绿素含量和失重率)对初选的发射波段进行了分析, 依据回归系数精选了7个特征发射波长, 简化了计算。 同时, 根据黄瓜硬度数据初步找到了其变化趋势的转折点; 根据黄瓜叶绿素含量变化曲线及一阶导数, 发现了叶绿素下降趋势最显著的点, 并结合试验过程中的感官观察结果, 确定第5个贮藏日为黄瓜品质突变日, 并选择第5个贮藏日为监测基准日。 最后, 采用提取的特征荧光信息计算不同贮藏天数与监测基准日之间的马氏距离(MD), 构建MD监测模型。 结果表明, 随着贮藏时间越来越接近监测基准日, MD值则逐渐减小到0, 与黄瓜贮藏过程中品质变化进程相符。 上述多变量统计分析融合小波包能量的特征波长提取方法和应用特征荧光信息构建的MD监测模型有望成为黄瓜贮藏过程中品质监测的一种可行方法。

以指接榫和燕尾榫结构为例, 利用压电主动传感技术对榫卯结构进行健康工况和损伤工况的损伤识别实验研究。其中,指接榫考虑水平和垂直连接的榫头松动和缺损工况, 燕尾榫考虑实验机加载破坏工况。对压电传感器所接收到的信号进行小波包分解, 并以各频段信号能量总和作为损伤指标对损伤程度进行定量评估。实验结果表明, 指接榫结构所接收的信号能量随损伤程度的不断增加而减小; 加载过程中,燕尾榫结构的榫头间先挤压紧密再出现榫头破坏, 所接收到的信号能量出现先增大后减小的情况。因此, 利用压电主动传感技术可实现对榫卯结构的损伤识别。可为相关专业的研究生及工程技术人员基于压电传感技术进行无损检测提供实验方法。

为探究高压气体爆破与炸药爆破振动特征差异, 根据压缩气体与水蒸气容器爆破能量法建立了不同气体压力与炸药的当量关系, 设计开展了模拟岩体高压气体爆破与炸药爆破振动试验。基于试验结果对2种爆破振动持续时间和振动速度进行了分析, 并利用小波包变换技术对2种振动信号能量在频域上的分布规律进行了对比分析。试验结果表明：高压气体爆破振动持续时间远大于炸药爆破振动持续时间, 2种爆破振动持续时间均随着距离的增大而减小; 且高压气体爆破振动持续时间随着爆压的增大而减小, 但炸药爆破振动持续时间随当量大增大而增大。高压气体爆破振动速度远小于炸药爆破, 但随着距离的增大, 2种爆破振动的峰值趋于接近, 且高压气体爆破振动速度较炸药爆破振动速度衰减缓慢。随着距离的增大, 高压气体爆破与炸药爆破振动信号主频带向低频转移并且主频带所占能量比例逐渐降低; 与炸药爆破相比, 高压气体爆破振动信号属于更加低窄频的信号、能量在频域上更集中、主频带能量占比较高。

套筒灌浆连接是当前装配式建筑中受力钢筋的主要连接方式, 其灌浆质量是影响装配式混凝土结构性能的关键因素之一。运用压电陶瓷材料的驱动和传感功能, 该文提出了一种基于波动分析的套筒灌浆缺陷主动检测方法, 并通过试验验证其可行性, 通过数值模拟分析其机理。在套筒连接钢筋表面粘贴压电片, 测量健康试件和设置有不同尺寸缺陷试件上压电陶瓷传感器的输出信号, 并对小波包能量进行分析和比较。结果表明, 灌浆缺陷导致压电陶瓷传感器输出信号的电压幅值增大, 小波包能量指标与套筒灌浆缺陷尺寸大小相关。该法能对套筒内灌浆缺陷进行有效检测。

当轴承发生不同故障时，振动信号在不同频段的方差分布并不均衡。为了有效提取不同故障信号的特征，针对轴承故障信号小波包分解得到的频段分量，提出一种非线性均衡的方差均衡化方法，实现故障特征的更高区分度。实验中，基于凯斯西储大学轴承数据中心实测的轴承振动数据，用该方法对4种转速之下的正常轴承信号、内圈故障轴承信号、外圈故障轴承信号和滚动体故障轴承信号提取的方差参数进行了分析，结果表明均衡后的不同故障信号的方差参数具有更好的区分度，能有效地实现轴承故障类型的区分。

销轴连接作为工程中一种常用的连接构件，实时监测其在荷载下的健康状态，对结构的整体稳定性至关重要。该文研究了一种基于压电理论的销轴连接受力状态的实时监测方法，并对其展开了理论和实验研究。同时基于小波包理论分析接收信号的能量，从而识别销轴连接的受力状态。研究结果表明，接收信号的能量与销轴连接的受力状态相关，随着接触面的法向压力增大，接收信号的能量增大，但当法向压力增大到一定值后，接收信号能量达到饱和。因此，该文提出的基于压电理论的销轴连接受力状态监测方法在一定的荷载范围内具有良好的可行性和应用意义。