多AUV信息融合推进器故障诊断技术研究

发布时间：2020-03-20 14:09

【摘要】： 随着自主式水下机器人(AUV)的应用日益广泛,对其智能化水平也有了越来越高的要求,AUV及其各部件的状态监测与故障诊断是AUV安全作业的重要技术保障。同时,随着水下工作任务的复杂化,多AUV作业引起人们的关注,基于多AUV信息的单AUV状态监测与故障诊断技术对丰富和完善AUV的自主性,提高AUV及AUV群的智能化水平具有重要的理论研究意义和实际应用价值。 推进器作为AUV主要的执行部件,其运行状态的监测是保证AUV安全运行的重要环节。通过对“海狸”号AUV的推进器及传感器的性能分析,根据各传感器在推进器故障前后的输出差异,提出了一种基于传感器输出信号处理的推进器故障诊断策略。基于Elman神经网络建立了AUV的前向速度模型,通过比较模型输出和实际输出来获取有效的故障信息,抑制了速度在阶跃变化时引起的干扰诊断信息;对于多AUV系统,根据故障前后声纳检测到故障机器人与正常机器人相对位置的差异,提出了将声纳输出信号处理得到的横向相对距离作为故障评价特征信号的方法。 针对传感器信息输出的概率诊断的不确定性,引入D-S证据理论,通过三种传感器输出值与目标值的残差变化,提出了关于残差绝对值的故障概率分配函数,并以故障概率值是否达到给定阈值来判断是否出现故障。根据D-S证据融合的证据加强原理,将传感器各时刻的诊断故障概率进行时间上的融合,多种传感器的故障诊断概率进行空间上的融合,提出了一种改进的AUV推进器故障信息融合诊断方法,用于多AUV信息融合的推进器故障诊断。 故障模拟及水池实验结果验证了本文提出的故障诊断方法在多AUV系统中检测单AUV推进器故障的可行性和有效性,并为进一步进行AUV的故障诊断与容错控制提供重要技术依据。
【图文】：

视能力的技术。试验包括海军预备役潜水员在波特兰港预定海域放置假水雷让“海龟，， AUV来猎获这些目标。2005年，挪威海军正式装备了捕捉目标又快又准的“休金”1000型AUV(图1.1)，使其拥有了世界最强的深海侦察能力。2007年，特拉华大学利用最新开发的深海探测型AUV“多莉，，(DOERRI)(图1.2)，对黑海进行了勘测，目的是考察黑海海底地形和研究黑海地区的航海史，绘制乌克兰塞瓦斯托波尔黑海的海底图。图1.1“休金，，1000型AUV2.国内水下机器人研究概述我国的水下机器人研究起步较晚。2图1.2“多莉”探测型AUV1982年中科院将试制“海人一号”列为

快又准的“休金”1000型AUV(图1.1)，使其拥有了世界最强的深海侦察能力。2007年，特拉华大学利用最新开发的深海探测型AUV“多莉，，(DOERRI)(图1.2)，对黑海进行了勘测，目的是考察黑海海底地形和研究黑海地区的航海史，绘制乌克兰塞瓦斯托波尔黑海的海底图。图1.1“休金，，1000型AUV2.国内水下机器人研究概述我国的水下机器人研究起步较晚。2图1.2“多莉”探测型AUV1982年中科院将试制“海人一号”列为
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TH165.3

【相似文献】

相关期刊论文 前10条

1 陈爱武;贾建芳;吴俊清;;基于自适应观测器的线性离散系统故障诊断[J];南京理工大学学报;2011年03期

2 董作见;;简介液压系统故障的诊断方法[J];企业导报;2011年08期

3 兰琴丽;章乐多;;BP神经网络在光伏发电系统故障诊断中的应用[J];通信电源技术;2011年04期

4 赵欣;;基于多传感器融合与贝叶斯网络在电力系统故障诊断方法研究[J];价值工程;2011年23期

5 朱晓慧;;煤矿乳化液泵站常见故障及维修方法[J];中国新技术新产品;2011年14期

6 张金江;梁耀升;尹玉娟;郭创新;;基于模糊理论与支持向量机的变压器故障诊断方法[J];电力科学与技术学报;2011年02期

7 钟建伟;;基于改进模糊C均值算法的电力电子电路故障诊断[J];低压电器;2011年16期

8 戴志超;;神经网络对水电机组振动故障的应用研究[J];计算机仿真;2011年06期

9 孙爱进;郭西进;;电机匝间短路故障信息融合诊断方法研究[J];煤矿机电;2011年04期

10 李磊;杨峰;赵鹏鹏;;基于故障树和虚拟仪器的故障诊断系统研究[J];飞航导弹;2011年07期

相关会议论文 前10条

1 段志善;东亚斌;;灰色故障诊断方法及其发展的思考[A];振动利用技术的若干研究与进展——第二届全国“振动利用工程”学术会议论文集[C];2003年

2 卢达川;;液压系统现场故障诊断方法[A];第五届设备管理第八届设备润滑与液压学术会议论文集——《设备管理设备润滑与液压技术》[C];2004年

3 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年

4 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];第十届全国信息技术化工应用年会论文集[C];2005年

5 罗贺;付超;季星;;基于DS证据理论的智能故障诊断方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

7 张艳菊;李钢;张仁斌;吴燎原;;一种基于模式匹配的故障诊断方法[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

8 赵宏伟;张清华;夏路易;邵龙秋;;机械故障诊断综述[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

9 汪松;刘鲁源;;基于微机系统的开关电源自动故障诊断[A];1999中国控制与决策学术年会论文集[C];1999年

10 郭洪澈;姚兴佳;;基于神经网络的大型风力发电机软并网故障诊断方法[A];中国太阳能学会2001年学术会议论文摘要集[C];2001年

相关重要报纸文章 前10条

1 ;中共沈阳市委关于开展向陈新海同志学习活动的决定[N];沈阳日报;2010年

2 李东梅　连小芳;抠门大方文孝珠[N];宁夏日报;2007年

3 广西龙州县鸭水电厂 王f ;变压器故障诊断方法的探讨[N];中华合作时报;2004年

4 记者 谢克俭;省科协全力备战“6·18”[N];福建科技报;2006年

5 记者 谢克俭;院士项目签约6项总投资3.75亿元[N];福建科技报;2006年

6 蒋金波;新时代需要高素质修车专家[N];市场报;2005年

7 林子务;故障的感官诊断[N];中国纺织报;2004年

8 姜朝晖　李成先;研发设备监测系统通过专家评审[N];抚顺日报;2009年

9 ;机械工业出版社推出一批新书（下）[N];中国机电日报;2000年

10 钱宇 李秀喜;先进技术为化工安全保驾护航[N];中国化工报;2005年

相关博士学位论文 前10条

1 常文君;基于神经网络的多水下机器人协调控制方法研究[D];哈尔滨工程大学;2004年

2 金瑜;基于小波神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2008年

3 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年

4 谢宏;基于Volterra级数、小波分析与神经网络的非线性网络故障诊断方法的研究[D];湖南大学;2005年

5 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年

6 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

7 李厦;基于Petri网的故障诊断技术研究及其在液压系统中的应用[D];同济大学;2006年

8 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学（河北）;2009年

9 刘美容;基于遗传算法、小波与神经网络的模拟电路故障诊断方法[D];湖南大学;2009年

10 由光鑫;多水下机器人分布式智能控制技术研究[D];哈尔滨工程大学;2006年

相关硕士学位论文 前10条

1 顾勤林;汽车电控系统在线故障诊断方法的研究[D];合肥工业大学;2005年

2 唐新安;600KW风力发电机组故障诊断[D];新疆大学;2006年

3 潘玉松;基于主元分析的传感器故障检测与诊断[D];华北电力大学（河北）;2006年

4 殷亚平;基于学习算法的复杂故障诊断模型与方法研究[D];北京交通大学;2007年

5 赵国庆;基于小波降噪与HHT方法的齿轮故障诊断方法[D];武汉科技大学;2007年

6 虞国全;基于支持向量机的智能故障诊断技术研究[D];南昌大学;2007年

7 黄跃群;机车电子控制柜动态检测与故障诊断系统研究[D];西南交通大学;2008年

8 管辉;基于小波分析的滚动轴承故障诊断方法研究[D];太原科技大学;2008年

9 王晓华;过程监控与故障诊断的ICA_MPCA方法[D];大连理工大学;2008年

10 胡东海;水轮发电机组振动在线监测和故障诊断研究[D];浙江大学;2008年

，

本文编号：2591885