买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉昆明理工大学申请的专利基于递归特征消除与自编码器的工业机器人异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119610214B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411685016.0，技术领域涉及：B25J19/00；该发明授权基于递归特征消除与自编码器的工业机器人异常检测方法是由柳小勤;齐浩男设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于递归特征消除与自编码器的工业机器人异常检测方法在说明书摘要公布了：本发明公开了一种基于递归特征消除与自编码器的工业机器人异常检测方法，包括：获得第一预设数量的正常样本信号；构建一维卷积自编码器模型，用于将正常样本信号的训练集和验证集输入一维卷积自编码器模型进行训练和验证，获得机器人运动轨迹的重构信号；依据提取的时域特征，构建特征集1；引入递归特征消除法进行有效特征筛选；依据获得的有效特征所对应的权重，获得有效特征权重的百分比；将待检测加速度信号的权重特征与重构信号的权重特征作差，获得待检测加速度信号的特征误差；依据待检测加速度信号的特征误差，对工业机器人状态进行判断。本发明无需操作者掌握大量的工业机器人专业知识，也不需要建立复杂的动力学模型，能够直接基于传感器采集的原始加速度信号进行检测，简化了工业机器人异常检测的过程。

本发明授权基于递归特征消除与自编码器的工业机器人异常检测方法在权利要求书中公布了：1.一种基于递归特征消除与自编码器的工业机器人异常检测方法，其特征在于，所述方法步骤如下： 步骤1：依据选择的运动方式，通过工业机器人末端装配的姿态传感器采集工业机器人正常运动下的末端加速度信号，并根据运动的周期将加速度信号进行分割，获得第一预设数量的正常样本信号，并划分训练集和验证集； 步骤2：构建一维卷积自编码器模型，用于将正常样本信号的训练集和验证集输入一维卷积自编码器模型进行训练和验证，获得机器人运动轨迹的重构信号； 步骤3：对第二预设数量的正常样本信号提取M个时域特征；依据提取的M个时域特征，构建特征集1；引入递归特征消除法进行有效特征筛选，获得第三预设数量为N的有效特征； 步骤4：依据获得的有效特征所对应的权重，获得有效特征权重的百分比； 步骤5：依据待检测加速度信号的有效特征及有效特征权重的百分比，计算待检测加速度信号的权重特征；依据步骤2获得的重构信号的有效特征及有效特征权重的百分比，计算重构信号的权重特征；将待检测加速度信号的权重特征与重构信号的权重特征作差，获得待检测加速度信号的特征误差； 步骤6：依据待检测加速度信号的特征误差，对工业机器人状态进行判断，以实现工业机器人的异常检测； 所述递归特征消除法，具体为： 将特征集1作为支持向量机模型初次输入，通过支持向量机模型进行M-N次迭代，每次迭代通过支持向量机模型提供的权重信息来移除权重最小的时域特征，则对于第s次迭代后保留的时域特征，构建特征集s+1以作为第s+1次迭代的支持向量机模型的输入，直至达到所需要的迭代次数，将第M-N次迭代下通过支持向量机模型提供的权重信息进行排序，保留前N个权重信息代表的时域特征作为有效特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。