针对工业机器人机械轴健康管理中检测效率和精准度较低的问题，提出了一种机械轴运行监控大数据背景下的基于动作周期退化相似性度量的健康指标（HI）构建方法，并结合长短时记忆（LSTM）网络进行机器人剩余寿命（RUL）的自动预测。首先，利用MPdist关注机械轴不同动作周期之间子周期序列相似性的特点，并计算正常周期数据与退化周期数据之间的偏离程度，进而构建HI；然后，利用HI集训练LSTM网络模型并建立HI与RUL之间的映射关系；最后，通过MPdist-LSTM混合模型自动计算RUL并适时预警。使用某公司六轴工业机器人进行实验，采集了加速老化数据约1 500万条，对HI单调性、鲁棒性和趋势性以及RUL预测的平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（ R^{\mathrm{2}} ）、误差区间（ER）、早预测（EP）和晚预测（LP）等指标进行了实验测试，将该方法分别与动态时间规整（DTW）、欧氏距离（ED）、时域特征值（TDE）结合LSTM的方法，MPdist结合循环神经网络（RNN）和LSTM等方法进行比较。实验结果表明，相较于其他对比方法，所提方法所构建HI的单调性和趋势性分别至少提高了0.07和0.13，RUL预测准确率更高，ER更小，验证了所提方法的有效性。

针对音视频同步的问题提出一种基于H.264帧间预测的音视频同步编码的改进算法。该算法引入可变码长的概念，将音频编码数据分为若干码组，每个码组为2或3比特的待嵌入数据。在H.264的帧间预测环节，可变尺寸块与码组之间根据公式确定映射关系。根据待嵌入数据来动态决定宏块分割模式的编码方式，以及根据映射关系提取数据的解码方法，使用4×4宏块分割模式表示嵌入数据的结束。实验结果表明，该算法使视频采集样本的峰值信噪比(PSNR)下降了0.031dB，码率变化率为5.16%，产生1.97%的嵌入开销，但是所嵌入的音频编码数据可以正确完整地提取。因此该算法能够在增加数据嵌入容量、保持视频质量、保证数据正确性和完整性的基础上实现音视频同步编码。