机电作动系统属于非线性、多变量、强耦合的系统,建模误差与干扰是不可避免存在的。因此提出了一种将未知输入观测器与自适应阈值相结合的故障检测方案。通过未知输入观测器使干扰从残差中完全解耦,降低外界对残差的影响,提高故障检测鲁棒性;同时考虑了固定阈值带来的高误报警率或漏检率,提出了用自适应阈值代替固定阈值,来对残差进行评价,在降低误报警率的同时,提高了故障检测率。最后基于机电作动系统三闭环Simulink模型,验证了算法的有效性。

针对传统机器人中图像匹配方法准确率低、匹配时间长的问题,提出一种新型的基于机器视觉进行加速稳健性特性(SURF)的改进算法。以SURF特征点检测为基础,利用增强高效局部图像描述符(BEBLID)替换描述子,实现高维到二值化的转换;以自适应设定阈值方法降低人为设定对匹配产生的影响,结合渐进一致采样(PROSAC)优化策略对误匹配点对的剔除方法,获取有效的匹配点对。实验结果表明:与近几年改进算法相比,该算法在正确匹配率和匹配时间上分别提高了12.06%、

在混杂系统的参数性故障诊断中,由于参数的不确定性,会导致元件标称值发生偏移,错误报警频发导致常规自适应阈值的残差评估方法鲁棒性较差。针对上述问题,引入一种在故障检测阶段增强残差决策性能的方法。基于键合图(BG)理论,使用全局解析冗余关系在并网逆变器中进行故障检测与隔离,搭建BG的线性分式变换的混合诊断键图进行参数性故障诊断,可从模型中解耦出不确定部分,减少残差评估时上述错误报警现象且与增量键合图方法进行鲁棒性对比。在

针对原始的Canny边缘检测算法高低阈值不利于选择的问题,提出一种改进的Canny自适应边缘检测算法。该方法采用3×3的Sobel边缘算子模板代替2×2邻域内求有限差分来计算梯度幅值;利用梯度直方图来选取高低阈值,提高了算法的自适应性;在边缘的连接上采用边界追踪的方法,来保证边缘的连续性和唯一性。以20mm量块图像边缘检测为例进行了实验。结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度,细化图像边缘和抑制伪边缘噪声方面的性能也得到了提高,是一种有益的边缘检测改善方法。

实验研究了基于ＡＮＮ离张学习在线检测的故障诊断方式的某实物液压舵机的鲁棒故障检测。通过提出的自适应阈值来提高故障检测系统的鲁棒性和敏感性。实验表明，该方法快速和鲁棒性地检测出舵机小幅值突变故障，早期，小幅值缓变故障。