(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210653653.4 (22)申请日 2022.06.09 (71)申请人 成都卡诺普机 器人技术股份有限公 司 地址 610002 四川省成 都市成华区华泰路 42号 (72)发明人 李祥　李大　王鸿森　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 曹瑞敏 (51)Int.Cl. B25J 9/08(2006.01) B25J 9/16(2006.01) B25J 18/00(2006.01) G06K 9/62(2022.01) (54)发明名称 支持向量数据描述模型的训练方法及运行 状态检测方法 (57)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。 权利要求书2页 说明书14页 附图4页 CN 115122311 A 2022.09.30 CN 115122311 A 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。 2.根据权利要求1所述的方法， 其特征在于， 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。 3.根据权利要求1所述的方法， 其特征在于， 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。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述关键参数矩阵， 构建训练样 本集合， 包括： 按行对所述关键参数矩阵进行划分， 得到多个训练样本； 将多个训练样本组成所述训练样本集 合。 5.根据权利要求1所述的方法， 其特征在于， 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。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 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：权　利　要　求　书 1/2 页 2 CN 115122311 A 2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。 7.一种机 械臂的运行状态检测方法， 其特 征在于， 所述方法包括： 获取待测机 械臂在多个转速下对应的运动信号； 根据所述待测机械臂在各转速下对应的运动信号， 确定所述待测机械臂在各转速下分 别对应的能熵比； 根据所述待测机械臂在各转速下分别对应能熵比以及主成分分析算法， 构建待输入特 征矩阵； 将所述待输入特征矩阵输入目标支持向量数据描述模型， 得到所述待测机械臂的运行 状态， 其中， 所述目标支持向量数据描述模型基于权利要求 1‑6任一项所述的支持向量数据 描述模型的训练方法构建得到 。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述待测机械臂在各转速下分别 对应的能熵比以及主成分 分析算法， 构建待输入特 征矩阵， 包括： 对所述待测机械臂在各转速下分别对应的能熵比进行标准化处理， 得到标准特征向 量； 基于主成分 分析算法对所述标准特 征向量进行 特征融合处 理， 得到融合特 征矩阵； 根据融合特征矩阵中各特征向量对应的特征值， 确定各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； 利用目标 特征向量， 构建所述待输入特 征矩阵。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储介质和总线， 所述存储介质存储有所 述处理器可执行 的机器可读指令， 当所述电子设备运行时， 所述处理器与所述存储介质之 间通过总线通信， 所述处理器执行所述机器可读指 令， 以执行如权利要求 1‑6任一项所述支 持向量数据描述模型的训练方法或如权利要求7 ‑8任一项所述机械臂的运行状态检测方法 的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求1 ‑6任一项所述支持向量数据描述 模型的训练方法或如权利要求7 ‑8任一项所述机 械臂的运行状态检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115122311 A 3