买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都卡诺普机器人技术股份有限公司

摘要：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。

主权项：1.一种支持向量数据描述模型的训练方法，其特征在于，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；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；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；利用所述目标特征向量，构建所述关键参数矩阵；所述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对应的能熵比，包括：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对应的均方根以及谱排列熵；将各所述样本机械臂在各转速下对应的均方根与谱排列熵的比值，作为各所述样本机械臂在各转速下对应的能熵比；所述获取至少一个样本机械臂在多个转速下对应的运动信号，包括：对获取到的至少一个样本机械臂在多个转速下对应的初始运动信号进行运动状态分割处理，得到各样本机械臂在运动状态下多个转速对应的运动信号；根据各样本机械臂在运动状态下多个转速对应的运动信号，得到各样本机械臂在多个转速下对应的运动信号。

全文数据：

权利要求：

百度查询： 成都卡诺普机器人技术股份有限公司 支持向量数据描述模型的训练方法及运行状态检测方法