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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD