外骨骼机器人柔性关节液压泵泄漏状态识别

针对液压信号非线性、时变且难以识别的问题,提出了一种基于梅尔倒谱系数(MFCC)与时域特征组合的外骨骼机器人柔性关节液压泵泄漏状态的分类识别方法.实验提取样本液压信号的12个梅尔倒谱系数,再组合信号的12个时域特征作为样本的特征向量,然后采用随机森林作为分类器,对液压泵泄漏状态进行识别,并对比分析了梅尔倒谱系数结合随机森林分类器与小波特征加希尔伯特-黄特征结合随机森林分类器和支持向量机(SVM)的分类识别效果.结果表明,梅尔倒谱系数能够很好地表征液压信号的泄漏状态信息,结合随机森林分类器,能够有效完成液压泵无泄漏、微弱泄漏与严重泄漏3种状态的识别,综合识别率达到99.3％.