CN116922367B 一种基于pso-svm-rfe的机器人铣边颤振多元特征融合方法 （南京理工大学）_第1页
CN116922367B 一种基于pso-svm-rfe的机器人铣边颤振多元特征融合方法 （南京理工大学）_第2页
CN116922367B 一种基于pso-svm-rfe的机器人铣边颤振多元特征融合方法 （南京理工大学）_第3页
CN116922367B 一种基于pso-svm-rfe的机器人铣边颤振多元特征融合方法 （南京理工大学）_第4页
CN116922367B 一种基于pso-svm-rfe的机器人铣边颤振多元特征融合方法 （南京理工大学）_第5页
已阅读5页，还剩40页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于PSO-SVM-RFE的机器人铣边颤振多本发明公开了一种基于PSO_SVM_RFE的机器于支持向量机递归特征消除法(SVM_RFE)，研究前3的敏感特征融合为新的颤振特征，由颤振阈特征，并通过机器人铣边实验数据验证识别结2噪声信号；对去噪后的信号进行频谱分析，使用频率去除算法(FEA)去除齿通频率及其倍2.根据权利要求1所述的基于PSO_SVM_RFE其中，n为滤波器的阶数，⑴c为截止频率，⑴p为通频带边缘频率，由于颤振频率在33.根据权利要求2所述的基于PSO_SVM_RF4频率的幅值直接表明此时系统的失稳程度，FFT是频域分析的主要方法，其变换公式如式(2)均方频率a14：描述机器人铣削信号频谱中功率谱主频带的变化情况，如式(20)所5频域分析通过FFT将连续的时域信号变化到离散的频域中，更能准确的分析信号中包步骤2.4、颤振敏感频带选择：为提高时频域特征量能量熵对颤振初期频率的识别能将采集的原始加速度信号进行FEA和去噪后，去频后信号包含的主要成分就是颤振信6根据各子信号与原始信号的相关程度和子信号能量比随颤振状态的式中，Ei为第i个频带能量，Pi为归一化后第i个子信号能量占总能量的比重，且有 4.根据权利要求3所述的基于PSO_SVM_RFE的机器人铣7随σ的增加先增大后减小，使用迭代法找到合适的参数σ使得训练模型达到最优的泛化能85.根据权利要求4所述的基于PSO_SVM_RF9[0001]本发明属于机器人铣边技术领域，具体为一种基于PSO_SVM_RFE的机器人铣边颤铣边已成为一种趋势。但本身结构弱刚性的缺点导致其在铣边过程中极易出现颤振现象。[0003]本发明目的在于提供一种基于PSO_SVM_RFE的机器人铣边颤振多元特征融合方[0011](1)本发明提出将机器学习算法与颤振监测相结合，优化了铣边颤振特征量选择[0012](2)本方法实现了对颤振剧烈程度的识别，成功解决了传统方法只能识别颤振与[0013](3)针对颤振初期阶段难以监测的问题提出了去除齿通频率及其倍频的方法，提[0014](4)针对单一特征识别颤振时易受干扰的问题提出了多元融合特征的方法，不仅S(N+1-i)=S(),i=1,2…NM2,得到去d为：[0081]频域分析通过FFT将连续的时域信号变化到离散的频域中，更能准确的分析信号n[0089]将采集的原始加速度信号进行FEA和去噪后，去频后信号包含的主要成分就是颤[0095]在机器人稳定铣削状态下，每个采样周期T内各子信号频带能量比波动服从正态为2/||w||。因此，探寻最优分平面问题可转化为为求解最小||w||。SVM决策函数为公式表示特[0133]然后使用交叉验证算法(K_CV)选择最佳惩罚函数和核函数参数，惩罚函数C=gg优化目标使得融合后特征成本函数最大，即使得融合后的特征经过SVM_RFE后特征排序位于量使用融合算法得到融合特征a17，如图12所示。阈值设定为0.2，模型的分类精度可达

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论