为了帮助脊椎损伤患者能在不同场合中下楼梯活动,提出了一种惯性测量单元(IMU)的适用于外骨骼下楼梯的步态规划算法去检验佩戴者的运动轨迹,同时使用深度相机作为视觉传感器实时检测楼梯环境。此种算法按照视觉传感器反馈的楼梯高度与宽度、穿戴者的下肢尺寸等数据对关节位置进行最优轨迹的规划,之后关节的角度轨迹利用逆运动学进行计算分析。最后通过多名实验者穿戴下肢外骨骼机器人在两种不同尺寸的楼梯上进行模拟实验,机器人根据不同环境规划出不同的步态轨迹去帮助穿戴者完成下楼梯的实验,且实际楼梯尺寸与深度相机检测的尺寸误差在2%以内。实验结果表明,运用此种算法的下肢外骨骼机器人可以为不同的人规划出适应不同尺寸楼梯的步态轨迹,从而验证了此种算法的有效性。

针对齿轮箱振动的非线性,利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机（TWSVM）对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类,它比支持向量机（SVM）针对多分类问题具有更好的样本不均衡适应性,并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明,与传统的SVM和BP神经网络算法相比较,TWSVM具有更高的分类准确率。