[發(fā)明專利]基于高斯混合模型貝葉斯算法的柔性零件裝配過程接觸狀態(tài)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811465124.1
• 申請(qǐng)日: 2018-12-03
• 公開（公告）號(hào): CN109657706A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設(shè)計(jì)）人: 陳教料;張立彬;陳康;胥芳;鮑官軍;譚大鵬
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種基于高斯混合模型貝葉斯算法的柔性零件裝配過程接觸狀態(tài)識(shí)別方法，其特征在于，所述方法包括以下步驟：

步驟1：使用機(jī)器人裝配柔性零件，采集多組裝配過程中的力數(shù)據(jù)，建立訓(xùn)練數(shù)據(jù)集{Xtrain,Ctrain}與測(cè)試數(shù)據(jù)集{Xtest,Ctest}；

其中，Xtrain，Xtest為裝配過程中采集的六維力數(shù)據(jù)X＝(f_x,f_y,f_z,m_x,m_y,m_z)，f_x,f_y,f_z分別為沿x,y,z軸方向的力數(shù)據(jù)，m_x,m_y,m_z分別為繞x,y,z軸的力矩?cái)?shù)據(jù)。Ctrain，Ctest為分別與Xtrain，Xtest對(duì)應(yīng)的接觸狀態(tài)，即數(shù)據(jù)所屬的類別，訓(xùn)練數(shù)據(jù)Xtrain共分為M類；

步驟2：設(shè)定GMM模型的高斯分布個(gè)數(shù)K和收斂系數(shù)L，根據(jù)公式(1)計(jì)算訓(xùn)練數(shù)據(jù)Xtrain的先驗(yàn)概率p(l)(l＝1,2,...,M)；

式中：Si為屬于第c_k類的訓(xùn)練數(shù)據(jù)數(shù)量，S為訓(xùn)練數(shù)據(jù)總數(shù)量；

步驟3：使用K-means聚類算法初始化GMM參數(shù)π_k，μ_k和∑_k，首先，設(shè)定迭代次數(shù)T，隨機(jī)選擇訓(xùn)練數(shù)據(jù)Xtrain中的K個(gè)數(shù)據(jù)作為初始中心點(diǎn)X_center[i](i＝1,2,...,K),t＝0；

步驟4：t＝t+1。使用歐式距離公式計(jì)算每個(gè)訓(xùn)練數(shù)據(jù)與每個(gè)初始中心點(diǎn)的距離，并將訓(xùn)練數(shù)據(jù)劃分到距離最近的類別；

步驟5：計(jì)算每個(gè)類別內(nèi)所有訓(xùn)練數(shù)據(jù)的均值mu[i](i＝1,2,...,K)，使用mu[i]代替X_center[i]；

步驟6：若t＝T,則執(zhí)行步驟7，否則返回步驟4；

步驟7：使用高斯混合模型估計(jì)訓(xùn)練數(shù)據(jù)的概率密度分布，首先，隨機(jī)初始化π_k，根據(jù)K-means算法得到的聚類數(shù)據(jù)計(jì)算μ_k和∑_k的初始值，根據(jù)公式(3)計(jì)算對(duì)數(shù)似然函數(shù)lnp(x|π,u,∑)；

式中：π_k為影響因子，μ_k為均值，∑_k為協(xié)方差；

步驟8：根據(jù)公式(4)計(jì)算高斯混合模型后驗(yàn)概率γ(i,k)

式中：N(x|u_k,∑_k)為一維高斯分布，根據(jù)式(5)計(jì)算其概率密度函數(shù)f(x)；

式中：u為期望，σ²為方差；

步驟9：根據(jù)公式(6)-(9)得到新的GMM參數(shù)π_k^*，μ_k^*和∑_k^*；

步驟10：使用新的GMM參數(shù)π_k^*，μ_k^*和∑_k^*，根據(jù)公式(3)計(jì)算新的對(duì)數(shù)似然函數(shù)ln^*p(x|π,u,∑)，若ln^*p(x|π,u,∑)-lnp(x|π,u,∑)<L，則執(zhí)行步驟11，否則返回步驟8；

步驟11：使用測(cè)試數(shù)據(jù)Xtest，根據(jù)公式(10)計(jì)算貝葉斯后驗(yàn)概率概率C(Xtest_j)；

C(Xtest_j)＝p(l)p(Xtest_j|c_l) (10)

式中：根據(jù)公式(11)計(jì)算條件概率p(Xtest_j|c_l)；

步驟12：比較貝葉斯后驗(yàn)概率，將數(shù)據(jù)分類到后驗(yàn)概率最大的類別，最后將預(yù)測(cè)類別C(Xtest_j)和實(shí)際類別Ctest對(duì)比，繪制分類結(jié)果圖。