全驱动机械手的结构采用PC机为上位机,大量的串联结构导致精准传动难度较大,适应负载能力较差。相比之下,欠驱动机械手结构更简单,可实现多于控制输入的自由度,但是,当连杆式欠驱动机械手出现故障时会产生自振,故障特征难以获取,信号残差阈值超出范围时无法精准判定。为此,研究一种连杆式欠驱动机械手故障残差阈值超范围判定方法。构建深度级联卷积神经网络,提取每组故障信号深层意义特征,计算故障信号残差值。利用连接层降维转换,使信号归一化处理。通过插值层提取机械手形状和点级别,输出故障信号预测标签。设计深度级联卷积神经网络信号观测器,跟随机械手运行实时更新数据,设置特征点残差阈值,以此为依据判定该特征点是否为故障点。实验测试结果证明研究方法能够精准根据故障残差信号的输出判断连杆式驱动机械手的故障位...

本文分析用于间接测量的观测器优化极点配置及其结构参数的设计方法，给出设计范例和观测器的优化参考模型。

为了更为有效的诊断电液伺服系统的故障,针对复杂的非线性的与多参数的阀控不对称缸电液伺服系统,提出了具有较大自由度的PI观测器的设计方法。首先建立了阀控不对称缸电液伺服系统系统的线性化模型,运用线性矩阵不等式设计了PI观测器来估计系统输出,然后将估计结果和未知输入同时加入到控制率中,不仅使系统能够跟踪给定的参考模型,而且也能得到外界故障估计。最后通过MATLAB仿真将实际输出值与估计值进行比较,证明了所设计的PI观测器和控制方法的对故障诊断的有效性。