履带机器人基于时频特征与PCA-SVM的地面分类研究

作     者：杜习波 朱华 DU Xibo;ZHU Hua

作者机构：中国矿业大学机电工程学院江苏徐州221116 河南理工大学机械与动力工程学院河南焦作454000 

出 版 物：《河南理工大学学报（自然科学版）》 (Journal of Henan Polytechnic University（Natural Science）)

年 卷 期：2019年第38卷第2期

页      面：84-90页

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

基　　金：国家863计划项目(2012AA041504) 

主　　题：履带机器人 地面分类 时频特征 主成分分析法 支持向量机 

摘      要：为了提高履带机器人对地面分类的准确率,提出一种基于时频特征和PCA-SVM的地面分类方法。对振动信号采用时域幅值和现代功率谱分析同时进行时频特征提取,并运用主成分分析法(PCA)进行时频特征的融合和简化,然后利用LIBSVM中的一对一支持向量机(SVM)程序,实现地面识别分类。控制履带机器人以2种速度在5种不同的地面上行驶,利用其上安装的惯性导航传感器采集3个方向直线加速度和三轴的角速度信号,采用本文算法和单一特征分类算法对信号分别进行时频特征处理与地面分类试验。结果表明,本文算法在机器人速度0. 02m/s时可得到更好的分类效果。该方法可为履带机器人实现更有效的地面环境感知和自身在最佳状态下的导航控制运行提供技术支持。