一种基于小波模糊熵和t-SNE的机器人抓取稳定状态识别方法技术

本发明专利技术公开了一种基于小波模糊熵和t‑SNE的机器人抓取稳定状态识别方法，采用的小波模糊熵算法充分考虑到不同物体触觉信号非平稳性的特点，能够更好地处理非平稳信号，实现更准确的特征提取。本发明专利技术在小波处理中，提取时域和频域两个方面的融合特征，可以更好地区分多种物体在三种不同抓握状态，使机器人能够稳定完成抓握任务，提高了机器人系统的可靠性。针对小波模糊熵算法在构建高维特征集时出现数据冗余以及增加计算开销的问题，提出t‑SNE降维可视化算法，可以有效地对高维数据进行降维，在保留主要特征的同时去除冗余数据，使得特征描述更易于状态分类，这对于提升机器人稳定抓握的能力具有重要意义。

【技术实现步骤摘要】

本专利技术属于机器人触觉感知领域，具体涉及一种基于小波模糊熵和t-sne的机械手臂系统抓取稳定状态判断方法。

技术介绍

1、随着机器人技术的不断发展，机械臂在工业生产、服务领域以及日常生活中的应用越来越广泛，如制造业中的装配和包装、物流仓储中的自动拣选等。在这些应用中，能够稳定抓取各种不同形状、材质、重量的物体是机器人应具备的基本能力之一。这要求机器人末端具备感知抓握状态的能力，以便实时调整抓握力度，保证稳定夹持物体，提高生产效率、降低损坏率和增加安全性。由此，在机械手指尖装上触觉传感器，实时感知抓握物体的稳定状态一直是研究热点。

2、触觉数据是多维度时空序列数据，不同材质物体抓握过程中触觉数据特点不同，目前基于触觉感知判断机械手抓握稳定状态的方法大多是对不同的物体构建各自的数据集来判断稳定性，即稳定辨别模型对不同物体不同。这些模型在不确定环境下需要抓握多种不同物体时并不适用。由于不同物体相同状态之间缺乏共性，用同一模型来实现对多种物体同一稳定状态的判断仍是研究难点。如何找到不同物体在同一状态下的共性指标是机器人抓握多种物体时稳定状态判断的一个本文档来自技高网...

【技术保护点】

1.一种基于小波模糊熵和t-SNE的机器人抓取稳定状态识别方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的一种基于小波模糊熵和t-SNE的机器人抓取稳定状态识别方法，其特征在于，利用离散小波变换提取频域特征。

3.根据权利要求1所述的一种基于小波模糊熵和t-SNE的机器人抓取稳定状态识别方法，其特征在于，引入模糊熵算法处理触觉传感器的时序信号，揭示时间序列的复杂度，在小波分解的基础上提取信号的时序特征。

4.根据权利要求1所述的一种基于小波模糊熵和t-SNE的机器人抓取稳定状态识别方法，其特征在于，模糊熵计算多尺度下细节系数D*步骤如下...

【技术特征摘要】

1.一种基于小波模糊熵和t-sne的机器人抓取稳定状态识别方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的一种基于小波模糊熵和t-sne的机器人抓取稳定状态识别方法，其特征在于，利用离散小波变换提取频域特征。

3.根据权利要求1所述的一种基于小波模糊熵和t-sne的机器人抓取稳定状态识别方法，其特征在于，引入模糊熵算法处理触觉传感器的时序信号，揭示时间序列的复杂度，在小波分解的基础上...

【专利技术属性】
技术研发人员：刘春芳，孙嘉伟，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：