[发明专利]一种智能加工机器的自主感知方法

权利要求书

1.一种智能加工机器的自主感知方法，其特征在于，包括如下步骤：

步骤一，根据预设的细分区域把智能加工机器分为多个感知区域，获取这些感知区域内传感器的时序动态数据及其对应的感知区域编码；

步骤二，把各个感知区域的数据通过特征向量的归一化到一个统一标准区间；

步骤三，提取步骤二中通过特征向量的归一化后的数据作为有效数据，根据这些有效数据及其各自对应的感知区域编号计算得到两者在时序变化下的动态特征，提取这些动态特征构成一组有效特征变量，存为训练集；

步骤四，根据智能加工机器的不同加工模式对训练集的有效特征变量的未知非线性加工系统动态进行建模，采用动态RBF神经网络辨识器来对建模得到的加工系统未知动态进行局部逼近，从而得到动态RBF神经网络的学习训练结果，根据学习训练成果来建立常值神经网络，组成不同加工模式下的关于常值神经网络的模式库；

步骤五，根据常值神经网络构建一组动态估计器，把模式库里各个模式所对应的学习训练结果嵌入到动态估计器中，把传感器当前接收的时序动态数据与这组动态估计器做差，形成一组识别误差，从而基于识别误差来通过最小误差算法对当前接收的时序动态数据与动态估计器进行比较，若比较结果超出预设阈值，则把该识别误差作为自主感知的调整值输入常值神经网络。

2.如权利要求1所述的一种智能加工机器的自主感知方法，其特征在于，在步骤一中，所述感知区域编码具体是该感知区域的传感器的坐标。

3.如权利要求2所述的一种智能加工机器的自主感知方法，其特征在于，在步骤一之后且步骤二之前，还包括传感器节点校验步骤，把感知区域的外围传感器所在节点定义为锚节点，对于待校验的未知节点i，根据该未知节点i相对锚节点的位置关系校验传感器节点是否在该感知区域内。

4.如权利要求1所述的一种智能加工机器的自主感知方法，其特征在于，在步骤四中，所述不同加工模式对训练集的有效特征变量的未知非线性加工系统动态是指：

其中，x＝[x₁,…,x_n]^T∈Rⁿ是感知区域内传感器取到的特征数据，n为特征变量的维数，p是系统常参数值；F(x；p)＝[f₁(x；p),…,f_n(x；p)]^T是光滑且未知的非线性动态变量，表示不同加工模式下的系统动态；v(x；p)＝[v₁(x；p),…,v_n(x；p)]^T是建模不确定项。

5.如权利要求4所述的一种智能加工机器的自主感知方法，其特征在于，在步骤四中，所述动态RBF神经网络辨识器是指：

其中，是动态RBF神经网络辨识器的状态；A＝diag[a₁,…,a_n]是对角矩阵，a_i是设计的常数，满足0<|a_i|<1；是动态RBF神经网络，用来逼近未知的一般非线性步态系统动态S(x)＝[S₁(||X-ξ₁||,…,S_N(||X-ξ_n||]^T是高斯型径向基函数，N>1是神经网络的传感器节点数，ξ_i是神经网络中的传感器中心点。

6.如权利要求5所述的一种智能加工机器的自主感知方法，其特征在于，所述学习训练结果是指：动态RBF神经网络沿有效特征变量回归轨迹的权值收敛至最优的常值后的时间段T内各个动态RBF神经网络权值的均值。

7.如权利要求6所述的一种智能加工机器的自主感知方法，其特征在于，动态RBF神经网络沿有效特征变量回归轨迹的权值收敛是指：其中：i表示n维特征变量中第i维变量，是状态误差，Γ_i＝Γ_i^T>0,σ_i>0是调节参数，动态RBF神经网络的权值的初始值