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！

龙图腾网恭喜南京理工大学申请的专利一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合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：CN116922367B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210325519.1，技术领域涉及：B25J9/16；该发明授权一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合方法是由郑侃;孟丹;廖文和;王涛;张磊设计研发完成，并于2022-03-30向国家知识产权局提交的专利申请。

本一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合方法在说明书摘要公布了：本发明公开了一种基于PSO‑SVM‑RFE的机器人铣边颤振多元特征融合方法。首先，对加速度信号进行预处理，通过消除齿频及其倍频凸显颤振初期频率；其次，将预处理后的加速度信号进行时域、频域以及时频域变换，得到由波形因子、重心频率及能量熵组成的特征向量集；然后，基于支持向量机递归特征消除法SVM‑RFE，研究不同特征量对铣边颤振的敏感程度，构建多元特征分类模型；接着，运用粒子群算法PSO将排序前3的敏感特征融合为新的颤振特征，由颤振阈值将铣边过程分为稳定状态、颤振初期及剧烈颤振三个阶段；最后，编写以上算法程序计算融合特征，并通过机器人铣边实验数据验证识别结果。本发明可有效解决机器人铣边颤振信号特征量选择问题，提高颤振识别精度。

本发明授权一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合方法在权利要求书中公布了：1.一种基于PSO-SVM-RFE的机器人铣边颤振多元特征融合方法，其特征在于，包括以下步骤：步骤1、对加速度传感器采集到的振动信号进行预处理：采用巴特沃斯滤波器去除高频噪声信号；对去噪后的信号进行频谱分析，使用频率去除算法FEA去除齿通频率及其倍频；步骤2、加速度信号颤振特征提取：对预处理后的加速度信号分别进行时域、频域以及时频域变换提取出对应的时域、频域以及时频域特征量；步骤3、基于SVM-RFE进行特征向量权重排序：基于步骤2得到的时域、频域以及时频域特征量，组合成特征向量集，使用支持向量机递归特征消除法SVM-RFE，将特征量向量集作为输入，得到排序后的特征向量集；步骤4、多元特征融合：基于粒子群优化算法PSO，对步骤3特征向量集中排列前三的敏感特征，以成本函数最大为优化目标进行多元特征融合，融合后的特征代入SVM中进行颤振监测精度验证。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。