提出了一种基于多波长分组的无源光网络系统监测方案，用于解决基于反射型的故障监测方案中用户之间易发生因干扰导致的链路状态误判的问题。该方案将不同波长分配到不同组，实现不同光网络单元（ONU）组之间的识别，从而避免不同组成员之间的干扰。在此基础上，将与光路终端距离相近的ONU分配到不同组内，以此降低组内ONU发生相互干扰的概率。此外，还研究了用户数量、传输脉冲功率和脉冲宽度对该系统性能的影响。通过理论推导与仿真可知，在检测波长通道数为4、检测光脉宽为10^-8 s、用户数量为16、最大距离差为2 km的无源光网络系统用户中，检测信号的信噪比为9.06 dB，识别精度为2 m。这些结果表明，基于多波长分组的无源光网络监测系统方案能够支持对大容量无源光网络系统的监控，并且在易发生干扰的用户数量较多的情况下具有较好的性能。

红外测温技术是电力行业常用的设备故障检测手段，在气体绝缘组合电器设备(Gas InsulatedSwitchgear，GIS)故障诊断中有着重要应用。为提高 GIS设备红外测温精度，建立了一个红外测温模型并提出一种 SF6透射率校正方法。首先，基于热辐射理论建立红外测温模型，并给出不同条件下的简化模型。然后，为提高温度测量精度，考虑 SF6透射率对红外模型测温模型输出结果的影响，给出不同条件下的 SF6透射率校正方法。最后，进行实际的温度测量实验，验证所建立的红外测温模型及所提 SF6透射率校正方法的有效性。实验结果表明，与未进行 SF6透射率校正的方法相比，使用所提 SF6透射率校正方法后温度测量精度得以提高，误差最高降低了 66.7%。所提方法为电网故障检测及监控打下基础，在电网故障检测、电网安全作业等方面有着广阔的应用前景。

针对现有质量相关故障检测方法中故障信号容易被非平稳变量的随机趋势所掩盖, 从而导致故障检测率低的问题, 提出了一种基于协整分析和改进潜结构投影(CA-MPLS)法的质量相关故障检测方法。首先, 通过协整分析提取非平稳变量间的平稳特征趋势; 然后, 将平稳特征信息与平稳变量融合构造正交投影空间, 把过程变量以正交投影方式投影于质量相关子空间以及质量无关子空间中; 最后, 分别在两种子空间中设置相关的统计指标完成在线监测。在田纳西-伊斯曼中的仿真结果表明, 所提方法可以显著减少非平稳特性的干扰, 提高故障检测的准确度。

目前利用无人机获取光伏组件红外影像数据越来越多地应用于光伏组件故障检测中。但光伏组件红外影像数据各类别样本相似度较高，现有深度学习模型的光伏组件红外影像特征提取能力较低，导致光伏组件多故障类型分类精度偏低。针对以上问题，基于ResNet（residual network）模型构建ResPNet（residual photovoltaic network）模型进行光伏组件红外影像故障检测。ResPNet模型在ResNet模型基础上，加入了底层特征信息增强模块、多尺度特征信息增强模块、全局特征信息增强模块，用于提升模型的光伏组件红外影像特征提取能力。在公开的光伏组件红外影像数据集Infrared Solar Modules上进行实验，ResPNet模型的12类光伏组件红外影像分类精度达到84.6%，不但优于ResNet-50模型，而且优于其他的光伏组件红外影像分类模型。通过级联多个ResPNet模型，取得了该数据集目前已知最高的12类光伏组件红外影像分类检测精度（85.9%）。

针对无人机在光伏组件巡检任务中红外故障图像识别准确率低、检测速度慢的问题, 提出一种特征增强的 YOLO v5s故障检测算法。首先对损失函数进行优化, 将原有的回归损失计算方法由 GIOU(generalized intersection over union)改为功能更加强大的 EIOU(efficient intersection over union)损失函数, 并自适应调节置信度损失平衡系数, 提升模型训练效果; 随后, 在每个检测层前分别添加 InRe特征增强模块, 通过丰富特征表达增强目标特征提取能力。最后, 用创建的红外光伏数据集进行对比验证。实验结果表明: 本文方法均值平均精度(mean average precision, mAP)为 92.76%, 检测速度(frame per second, FPS)达到 42.37 FPS, 其中热斑、组件脱落两种故障类型平均精度分别为 94.85%、90.67%, 完全能够满足无人机自动巡检的需求。

齿轮箱的振动信号当中包含齿轮运转过程中的所有特征信息，通过采集分析振动信号即可掌握设备当前运转状态。采集齿轮箱振动信号的方法有很多，利用激光自混合干涉原理实现的非接触式测量手段具有极其独特的优势：一是该方法能采集到齿轮箱故障早期的特征信号，以便及时采取对应措施；二是该方法在测量过程中无需破坏齿轮箱箱体表面即可得到检测所需的特征信息；三是相比于安装加速度传感器，该方法对箱体附着的反光镜片产生的影响很微小，可忽略不计。在实验过程中，人为制作行星轮磨损故障并采集故障特征信号，然后使用希尔伯特-黄变换（Hilbert-Huang transform，HHT）信号处理方法对采集到的行星轮的故障振动信号进行提取，并分析HHT所得到的各阶固有模态函数（IMF）分量以及希尔伯特谱。从希尔伯特谱中能够分析得出齿轮磨损故障的周期，所得结果与理论值对比吻合良好，说明该方法能够有效地检测齿轮箱振动故障。

研究了非线性网络控制系统存在时变时滞、丢包、传感器扇区非线性时的故障检测问题。针对时间触发周期采样带来的网络资源浪费问题, 提出了一种满足给定触发条件来判断采样数据是否需要传输的事件触发机制。根据Lyapunov稳定性理论和线性矩阵不等式将故障检测问题转换成求解H∞凸优化问题。最后, 以电机伺服控制系统为例, 通过Matlab仿真, 进一步验证了设计的可靠性与实用性。