基于改进残差网络的轴承故障诊断方法

针对现有的轴承故障诊断模型缺乏对信号的空间和时序信息的有效利用，以及模型的泛化性和抗噪性差的问题。提出了一种将LSTM以残差的形式与CNN并联使用，并采用1*1卷积进行跨通道信息融合的神经网络模型IPCNN＿LSTM,解决了传统网络模型无法同时有效地利用信号的空间及时序信息问题。并采用CWRU轴承数据集和QPZZ-Ⅱ系统采集实验平台进行实例验证，该模型能够有效地利用信号的空间和时序信息，在减少参数数量，提高诊断效率的同时取得较高的故障诊断正确率，并具有良好的泛化性、抗噪性及稳定性。     

基于数字孪生模型的齿轮试验台状态监测方法

为了对齿轮试验台运行状态进行监测，及时有效地发现运行故障，保证设备稳定地运行，提出了一种基于数字孪生的齿轮试验台状态监测方法。通过建立齿轮试验台的数字孪生模型，实时仿真齿轮试验台在正常运行工况下的运行状态，实现对齿轮试验台设备状态监测、故障判断和运行状态的预测。经闭功率流齿轮试验台测试结果对比表明，齿轮试验台数字孪生体仿真结果与齿轮试验台测试结果基本一致，此技术可以还原正常运行工况下齿轮试验台的运行状况，从而实现对齿轮试验台的状态监测，为故障诊断、状态监测提供了一种新方法。     

兼具安全性与柔顺性的步行康复训练机器人交互方法

提高弱机能群体使用助行机器人的柔顺性和安全性是人机交互领域重要的研究内容。本文提出一种能够兼顾柔顺性、安全性与便捷性的步行康复训练机器人非接触式柔顺控制方法。首先，分析自主研制的步行康复训练机器人结构、功能及工作模式。为准确识别使用者步态意图，研发了一种多通道近距离传感器，并结合机器人的机械结构，搭建了机载内嵌式双腿动态意图识别系统，实现了对双腿步态的实时检测。然后，为提高交互柔顺性，提出一种改进粒子滤波算法，解决了传统粒子滤波算法多次迭代过程中粒子退化问题。最后，通过引入步态速度补偿，设计了具有紧密跟踪人体步态功能的柔顺化控制方法并进行综合性实验。实验表明，本文提出的方法在确保人机交互安全性的基础上，可精确且柔顺地控制机器人的运动状态，从而紧密地跟随人体步态。该非接触式控制方法可以应用于具有类似结构的助行机器人，以及弱机能群体的日常助行与步行康复训练。