申请/专利权人:南京航空航天大学
申请日:2021-02-24
公开(公告)日:2024-03-22
公开(公告)号:CN112884044B
主分类号:G06V10/764
分类号:G06V10/764;G06V10/762;G06V10/44
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2021.06.18#实质审查的生效;2021.06.01#公开
摘要:本发明公开了一种非对齐多视图环境下机器人故障检测方法,具体为:步骤1:将上一个时间段内与机器人的第v个特征相关且已知的特征数据放入第v个视图集中;步骤2:将第v个视图集中的特征数据在原始特征空间上进行P1M聚类,得到第v个视图集在原始特征空间上的聚类中心cv和该视图集中每个特征数据对cv的隶属度;设置第v个视图集的隶属度阈值θv;步骤3:将第v个视图集中特征数据映射到公共子空间上;步骤4:对公共子空间上的所有的视图集进行P1M聚类,得到聚类中心c和每个特征数据对c的隶属度;步骤5:设置公共子空间上的隶属度阈值θ;步骤6:判断机器人是否故障。本发明在非对齐视图环境下能够更快且精确的识别机器人是否故障。
主权项:1.非对齐多视图环境下机器人故障检测方法,其特征在于:具体包括如下步骤:步骤1:将上一个时间段内与机器人的第v个特征相关且已知的特征数据放入第v个视图集中;v=1,2,…V;其中V为机器人特征的总个数,所述上一个时间段内包含若干个采样时刻;步骤2:将第v个视图集中的特征数据在原始特征空间上进行P1M聚类,得到第v个视图集在原始特征空间上的聚类中心cv和该视图集中第i个特征数据对cv的隶属度svi,其中i=1,2,…,Nv;Nv为第v个视图集中特征数据的总个数;将第v个视图集中所有特征数据对cv的隶属度按照由小到大的顺序进行排列,得到第v个隶属度序列;根据第v个视图集中所有特征数据的个数,在第v个隶属度序列中选择一个隶属度作为第v个视图集的隶属度阈值θv;步骤3:将第v个视图集中的特征数据映射到核函数特征空间中,然后将核函数特征空间中的特征数据映射到公共子空间上;步骤4:根据步骤2得到的所有的聚类中心,对公共子空间上的所有的视图集进行P1M聚类,得到公共子空间上的聚类中心c和每个特征数据对c的隶属度;步骤5:将所有特征数据在公共子空间中对c的隶属度按照由小到大的顺序进行排列,得到公共子空间隶属度序列,根据所有特征数据的总个数,在该隶属度序列中选择一个隶属度作为公共子空间上的隶属度阈值θ;步骤6:计算当前采样时刻机器人第v个视图集中所有特征数据对cv和c的隶属度,若存在某个特征数据对cv的隶属度小于θv或者对c的隶属度小于θ,则认定此时机器人出现故障。
全文数据:
权利要求:
百度查询: 南京航空航天大学 非对齐多视图环境下机器人故障检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。