基于支撑向量机的机械手体感识别控制系统技术方案

本发明专利技术涉及机械手体感识别控制技术领域，具体地说，涉及基于支撑向量机的机械手体感识别控制系统，包括信息采集单元、数据预处理单元、特征提取单元、模型训练单元、识别控制单元和自检单元，信息采集单元用于采集机械手周围环境图像信息，同时对周围环境的深度信息进行感应采集，数据预处理单元用于接收信息采集单元的相关信息，对图像信息和深度信息进行预处理，特征提取单元用于接收数据预处理单元预处理的图像信息和深度信息，模型训练单元用于准备训练集模块，通过支撑向量机算法对特征向量进行训练，建立机械手体感识别模型，识别控制单元用于处理接收实时数据预处理单元数据，并将其传入模型训练单元中支撑向量机模型进行识别。识别。识别。

【技术实现步骤摘要】
基于支撑向量机的机械手体感识别控制系统


[0001]本专利技术涉及机械手体感识别控制
，具体地说，涉及基于支撑向量机的机械手体感识别控制系统。

技术介绍

[0002]随着科技发展，机械手其应用也变得十分广泛，机械手的应用在工业，化学，服务业等领域发挥着不可估量的作用，因此，可应用于复杂场景的机械手作为科学探索，工业生产等领域必不可少的重要设备，尤其在人不方便工作的极限环境中具有不可替代的重要地位，但是，现有的机械手基于统计学习的方法，难以处理非线性问题，导致机械手体体感识别精度低，而且进行传感处理时，存在噪声干扰，影响传感数据质量，现有的机械手体感识别过程中，不能对机械手体感数据进行异常检测，存在安全隐患。
[0003]为了应对上述问题，现亟需基于支撑向量机的机械手体感识别控制系统。

技术实现思路

[0004]本专利技术的目的在于提供基于支撑向量机的机械手体感识别控制系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，提供了基于支撑向量机的机械手体感识别控制系统，包括信息采集单元、数据预处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于支撑向量机的机械手体感识别控制系统，其特征在于：包括信息采集单元（100）、数据预处理单元（200）、特征提取单元（300）、模型训练单元（400）、识别控制单元（500）和自检单元（600）；所述信息采集单元（100）用于采集机械手周围环境图像信息，同时对周围环境的深度信息进行感应采集；所述数据预处理单元（200）用于接收信息采集单元（100）的相关信息，对图像信息和深度信息进行预处理，得到去除图像和深度信息中的噪声成分；所述特征提取单元（300）用于接收数据预处理单元（200）预处理的图像信息和深度信息，并提取信息中的特征部分；所述模型训练单元（400）用于准备训练集数据，通过支撑向量机算法对特征向量进行训练，建立机械手体感识别模型；所述识别控制单元（500）用于接收特征提取单元（300）的特征数据，通过支撑向量机模型对特征数据进行识别，根据识别结果操控机械手进行相应的动作；所述自检单元（600）用于对机械手体感进行记忆，通过与以往的体感进行比对，检测到机械手异常采取制动措施。2.根据权利要求1所述的基于支撑向量机的机械手体感识别控制系统，其特征在于：所述信息采集单元（100）包括图像采集模块（110）、传感模块（120）和数据传输模块（130）；所述图像采集模块（110）用于采集周围环境的图像信息；所述传感模块（120）用于采集周围环境的深度信息；所述数据传输模块（130）用于对图像采集模块（110）和传感模块（120）采集的环境信息进行传输。3.根据权利要求1所述的基于支撑向量机的机械手体感识别控制系统，其特征在于：所述特征提取单元（300）包括特征选择模块（310）和特征提取算法模块（320）；所述特征选择模块（310）用于接收数据预处理单元（200）信息并分析选择与操作状态密切相关的特征；所述特征提取算法模块（320）用于利用支撑向量机算法对预处理后的数据进行特征提取，生成机械手操作状态的特征向量，支撑向量机算法如下：；其中，是输入的数据向量，是分隔超平面的法向量，是超平面的偏移量，是符号函数，用于根据的正负值来判断数据点所属的类别。4.根据权利要求...

【专利技术属性】
技术研发人员：李瑞学，
申请(专利权)人：甘肃云梯信息科技有限公司，
类型：发明
国别省市：