1. 您所在位置：
  2. 网站首页
  3. 专利分类
  4. 作业/运输
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

相关专利