发明

一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合方法2025

2023-10-26 07:11:44 发布于四川 1
  • 申请专利号:CN202210325519.1
  • 公开(公告)日:2025-06-10
  • 公开(公告)号:CN116922367A
  • 申请人:南京理工大学
摘要:本发明公开了一种基于PSO‑SVM‑RFE的机器人铣边颤振多元特征融合方法。首先,对加速度信号进行预处理,通过消除齿频及其倍频凸显颤振初期频率;其次,将预处理后的加速度信号进行时域、频域以及时频域变换,得到由波形因子、重心频率及能量熵组成的特征向量集;然后,基于支持向量机递归特征消除法(SVM‑RFE),研究不同特征量对铣边颤振的敏感程度,构建多元特征分类模型;接着,运用粒子群算法(PSO)将排序前3的敏感特征融合为新的颤振特征,由颤振阈值将铣边过程分为稳定状态、颤振初期及剧烈颤振三个阶段;最后,编写以上算法程序计算融合特征,并通过机器人铣边实验数据验证识别结果。本发明可有效解决机器人铣边颤振信号特征量选择问题,提高颤振识别精度。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116922367 A (43)申请公布日 2023.10.24 (21)申请号 202210325519.1 (22)申请日 2022.03.30 (71)申请人 南京理工大学 地址 210094 江苏省南京市孝陵卫200号 (72)发明人 郑侃 孟丹 廖文和 王涛 张磊  (74)专利代理机构 南京理工大学专利中心 32203 专利代理师 张祥 (51)Int.Cl. B25J 9/16 (2006.01) B25J 11/00 (2006.01) 权利要求书8页 说明书11页 附图7页 (54)发明名称 一种基于PSO-SVM-RFE的机器人铣边颤振多 元特征融合方法 (57)摘要 本发明公开了一种基于PSO‑SVM‑RFE的机器 人铣边颤振多元特征融合方法。首先,对加速度 信号进行预处理,通过消除齿频及其倍频凸显颤 振初期频率 ;其次,将预处理后的加速度信号进 行时域、频域以及时频域变换,得到由波形因子、 重心频率及能量熵组成的特征向量集;然后,基 于支持向量机递归特征消除法 (SVM‑RFE) ,研究 不同特征量对铣边颤振的敏感程度,构建多元特 征分类模型;接着,运用粒子群算法(PSO)将排序 前3的敏感特征融合为新的颤振特征,由颤振阈 值将铣边过程分为稳定状态、颤振初期及剧烈颤 A 振三个阶段 ;最后,编写以上算法程序计算融合 7 特征 ,并通过机器人铣边实验数据验证识别结 6 3 2 果。本发明可有效解决机器人

最新专利