旋转类机械是最常见的机械设备部件之一,在工业应用中发挥着至关重要的作用。旋转类机械一般在比较复杂且恶劣的环境下工作,因此在投入使用前需要进行相关的合格性检验。针对该问题,本文以变电站中使用的开关柜为研究对象展开相关合格性检验算法的研究。检测系统包括机器人、视觉部分和力矩输出部分,共同完成对开关柜等旋转类机械的合格性检验。视觉部分通过目标检测算法确定待测零部件的位置坐标,机器人接收到坐标后运行至该位置即可开始进行旋拧检测。检测过程中,实时采集系统运行过程中的输出力矩信号,便于相关算法进行识别检测分析。针对力矩信号中的噪声问题,提出基于贝叶斯估计的小波阈值降噪和卡尔曼滤波两种方法。依据信噪比、均方根误差等评价指标对所提降噪方法进行对比分析,最后根据不同算法对降噪的不同需求选择合适的降噪方法进行信号预处理。基于旋转类机械的合格性与系统输出力矩信号之间的相关性,分别提出两种类型合格性检验算法。从力矩奇异性分析的角度出发,提出基于实时小波变换的合格性检验算法和基于支持向量机分类的合格性检验算法;从信号预测的角度出发,提出基于时间序列分析的合格性检验算法。实时小波变换算法是通过滑窗迭代和Mallat快速分解完成,依据拉依达准则对小波分解后的高频部分设定固定阈值完成检测;支持向量机分类算法是通过提取力矩信号中的有效特征并输入至分类器模型中进行训练,最终得到能区分合格性的SVM模型;时间序列分析算法是通过分析力矩序列的内在变化规律,构建相应的时序模型,来实现对力矩信号的实时监测。为验证上述所提出的旋转类机械合格性检验算法的有效性,搭建了模拟开关柜检测实验平台,设计了无异常变换信号检测、突变信号检测、斜变信号检测三种实验。实验结果表明,实时小波算法能快速的完成信号异常的识别;支持向量机分类算法在阻尼干扰下依然能保持有效性;时间序列分析算法的实时性效果好、鲁棒性强且不要大量的前期训练时间,从而验证了三种算法的有效性。