[发明专利]支持向量数据描述模型的训练方法及运行状态检测方法

说明书

本申请提供一种支持向量数据描述模型的训练方法及运行状态检测方法，涉及机械臂技术领域。该方法包括：获取至少一个样本机械臂在多个转速下对应的运动信号，以及各样本机械臂对应的状态标签；根据各样本机械臂在各转速下对应的运动信号，确定各样本机械臂在各转速下分别对应的能熵比，并且根据各样本机械臂在各转速下对应的能熵比构建运动特征矩阵；基于主成分分析算法对运动特征矩阵进行特征融合处理，得到关键参数矩阵；根据关键参数矩阵，构建训练样本集合；基于训练样本集合以及训练样本集合中各训练样本对应的状态标签训练得到目标支持向量数据描述模型。应用本申请实施例，可以综合评估待测机械臂在多转速工况下的整体运行状态。

技术领域

本申请涉及机械臂技术领域，具体而言，涉及一种支持向量数据描述模型的训练方法及运行状态检测方法。

背景技术

机械臂的传动系统负责机械臂各关节的动力传递，其运行状态与执行预定任务时的完成质量直接相关。因此在机械臂生产过程中，对机械臂传动系统的振动质量进行检测成为不可或缺的一个环节。

目前，主要对单一转速工况下的机械臂进行运行状态检测。然而，机械臂在工作时，需要根据不同的工作条件和工作内容设置合适的转速，所以，如何综合评估机械臂在多转速工况下的整体运行状态是当前亟待解决的问题。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种支持向量数据描述模型的训练方法及运行状态检测方法，可以综合评估机械臂在多转速工况下的整体运行状态。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种支持向量数据描述模型的训练方法，所述方法包括：

获取至少一个样本机械臂在多个转速下对应的运动信号，以及各所述样本机械臂对应的状态标签；

根据各所述样本机械臂在各转速下对应的运动信号，确定各所述样本机械臂在各转速下分别对应的能熵比，并且根据各所述样本机械臂在各转速下对应的能熵比构建运动特征矩阵；

基于主成分分析算法对所述运动特征矩阵进行特征融合处理，得到关键参数矩阵，所述关键参数矩阵中的特征向量的数量满足预设条件；

根据所述关键参数矩阵，构建训练样本集合；

基于所述训练样本集合以及所述训练样本集合中各训练样本对应的状态标签训练得到目标支持向量数据描述模型，所述目标支持向量数据描述模型用于基于待测机械臂在多个转速下对应的运动信号对待测机械臂的运行状态进行检测。

可选地，所述基于所述训练样本集合以及所述训练样本集合中各训练样本对应的状态标签训练得到目标支持向量数据描述模型，包括：

采用网格搜索算法确定出目标高斯核参数以及目标惩罚参数；

基于所述目标高斯核参数以及所述目标惩罚参数，构建初始支持向量数据描述模型；

基于所述训练样本集合以及所述训练样本集合中各训练样本对应的状态标签对所述初始支持向量数据描述模型进行训练，得到所述目标支持向量数据描述模型。

可选地，所述基于主成分分析算法对所述运动特征矩阵进行特征融合处理，得到关键参数矩阵，包括：

按列对所述运动特征矩阵进行标准化处理，得到原始特征矩阵；

基于主成分分析算法对所述原始特征矩阵进行特征融合处理，得到融合特征矩阵；

根据所述融合特征矩阵中各特征向量对应的特征值，确定各所述特征向量对应的累计方差贡献率；

根据各所述特征向量对应的累计方差贡献率，从所述融合特征矩阵的特征向量中筛选出满足所述预设条件的目标特征向量；