履带机器人基于时频特征与PCA-SVM的 地面分类研究

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。