[发明专利]一种智能加工机器的自主感知方法

摘要

本发明涉及智能加工机器的自主感知方法，其把智能加工机器多个感知区域的数据通过特征向量归一化到统一标准区间并提取为有效数据，从而得到有效特征变量。然后，根据不同加工模式对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，再根据常值神经网络构建一组动态估计器，把传感器当前接收的时序动态数据与动态估计器做差进行判断，以此实现自主感知。通过有效物理特征采用动态模式识别方法进行自主感知，实现更为简洁、准确的智能加工机器的自主感知方法。

主权项

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。