基于深度学习的水下机器人推进系统故障诊断

发布时间：2020-07-24 08:02

【摘要】：随着海洋开发战略的推进,作为水下装备关键载体的水下机器人的重要性得到了广泛的认可。而其在复杂工况下的作业稳定性是人们所关心的问题,如何及时检测出水下机器人作业时的故障是行业内研究的重点,而推进系统作为水下机器人作业最基本的运动性能保障,对它的故障诊断研究更是重中之重。水下机器人长期处于多自由度、高压、多种未知复杂工况的水下环境,噪声来源复杂、作业环境多样化且不稳定、故障形式多样化、舱容和功率限制大(硬件冗余较少或基本没有)、传感器性能及种类也不尽相同。由于水下实验数据获取较难,特别是对水下作业故障数据的模拟,存在一定的风险,因此对相关问题的研究存在一定的难点和较大的意义。本文的创新点在于提出了一种基于深度学习的水下机器人推进系统故障诊断方法,自主搭建数据采集系统,并使用LabVIEW模拟、采集37种故障以及正常状态数据,然后在MATLAB中简单预处理数据,接着利用TensorFlow框架训练故障诊断模型并保存,并使用集成学习提升模型性能,最后将模型导入LabVIEW中,进行在线故障诊断研究。实验结果表明,与传统方法对比,本方法可以在模型中同时实现特征提取、特征降维和故障诊断,提高了诊断效率。实验得到模型的平均训练集精度为97.85%、平均调试集精度为94.72%、平均测试集精度为96.68%、集成学习测试集精度为98.52%,具有更高的诊断精度。本文提出的实验方法和流程可以用于当前水下机电系统以及其他同类型领域的故障诊断模型离线训练与故障在线诊断,可以实现较好的人机交互作业,较高的诊断效率和精度。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P715
【图文】：

海马,水下机器人

＾邋１逡逑图１．１邋“霍兰－６”号潜艇逡逑二十世纪７０年代，由于能源危机，海洋石油资源的发开和利用得到了广泛逡逑的关注，水下机器人开始向大深度、小尺度、无人化发展，水下机器人开始由军逡逑事化走向商业化。经过４０多年的发展，现有的水下机器人种类有很多种，按照逡逑作业方式以及功能可以将水下机器人ＵＵＶ（ｕｎｍａｎｎｅｄ邋ｕｎｄｅｒｗａｔｅｒ邋ｖｅｈｉｃｌｅ，邋ＵＵＶ）分逡逑为以下几类：载人潜水器（ｈｕｍａｎ邋ｏｃｃｕｐｉｅｄ邋ｖｅｈｉｃｌｅ，邋ＨＯＶ）、不带缆的自主水下机器逡逑人（ａｕｔｏｎｏｍｏｕｓ邋ｕｎｄｅｒｗａｔｅｒ邋ｖｅｈｉｃｌｅ，邋ＡＵＶ）、带缆的遥控水下机器人（ｒｅｍｏｔｅｌｙ逡逑ｏｐｅｒａｔｅｄ邋ｖｅｈｉｃｌｅ，邋ＲＯＶ）［３］。此外，由于功能或者应用场景特殊，以水下滑翔机逡逑（ｕｎｄｅｒｗａｔｅｒ邋ｇｌｉｄｅｒ）为代表的一系列水下机器人从上述三大类别中分化出来并自逡逑成一派。ＲＯＶ所带的缆线为脐带缆

潜艇,缆线,水下机器人,滑翔机

ｏｐｅｒａｔｅｄ邋ｖｅｈｉｃｌｅ，邋ＲＯＶ）［３］。此外，由于功能或者应用场景特殊，以水下滑翔机逡逑（ｕｎｄｅｒｗａｔｅｒ邋ｇｌｉｄｅｒ）为代表的一系列水下机器人从上述三大类别中分化出来并自逡逑成一派。ＲＯＶ所带的缆线为脐带缆，多为动力缆、信号缆混合缆线，图１．２为典逡逑型的ＲＯＶ设备，主要为水下机器人提供电力支持同时作为上位机和下位机的通逡逑讯通道，用于控制指令、传感器数据等的传输。逡逑ａ．邋了逡逑？逦置逡逑图１．２“海马号’’ＲＯＶ逡逑２逡逑

智能导航,微电子,年代,算法

不带缆的自主水下机器人ＡＵＶ的出现，很好的解决了邋ＲＯＶ的困扰，相逡逑比之下，它具有作业半径大、作业深度大、机动性好、经济性好的特点，同时，逡逑没有脐带缆的约束，ＡＵＶ更加便携，释放了大量的考察船主甲板空间。图１．３为逡逑我国自主研发的“潜龙二号’’ＡＵＶ，进一步推进了我国深海海底多金属硫化物调逡逑查和勘探领域的发展。但是，此类水下机器人对其自主作业的能力要求很高，由逡逑于无法和上位机建立实施沟通，在复杂工况、大深度未知水域等条件下的自主决逡逑策能力较差，不能很好的适应高要求的工作。同时，ＡＵＶ或者水下滑翔机，需逡逑要隔一段时间浮出水面，和铱卫星、ＧＰＳ等建立联系，上传、下载作业数据并矫逡逑正偏航，对作业连续性、数据更新时效性等有一定影响。逡逑因此，近１０年来，多家单位开始提出一种新型水下机器人ＡＲＶ（Ａｕｔｏｎｏｍｏｕｓ逡逑Ｒｅｍｏｔｅｌｙ邋Ｖｅｈｉｃｌｅ）

【参考文献】