多尺度思想是人们在对世界认识的不断加深的过程中逐渐产生和发展的,与单尺度的观点相比,多尺度方法更贴近人们认识事物的习惯,也更加符合事物的本质。本论文立足多尺度分析方法在旋转机械状态监测与故障诊断中的应用,以多尺度分析方法为主要研究内容,深入研究了四种典型的多尺度方法在旋转机械状态监测中的原理、方法和效果,并最后将它们引入高速列车轴承轨边声学诊断系统的研究中。研究包括： 根据旋转机械状态信号包含有特征频率及高频谐振的特征,将小波方差的能量特性引入到旋转机械状态信号的频谱特征提取中,提出了旋转机械

利用周期性结构纹理图像独特的频谱分布,设计出一种基于频谱特征的周期性结构参数检测方法,搭建了静态图像检测和实时采集检测系统,对织物密度进行多次检测实验。检测结果表明,相对误差小于1%的比例达到96.7%,平均误差比现有算法降低了约36%,单帧图像检测时间约为150 ms,适用于工业检测场景。将所提方法应用于纸张计数、木材纹理检测、微结构阵列检测等实际应用领域,实验结果表明,基于频谱特征的周期性结构参数检测方法的准确度较高,适用范围广,检测效率高。