外部干扰下自主式水下机器人推进器与导航传感器故障诊断方法研究

Autonomous underwater vehicle (AUV) works in the complex ocean environment and is disturbed by the current and other external continuous interference and vortex and other external random interference. These disturbances will make AUV drift and sway, and make the sensor signal does not reflect the true state of the system, and thereby affect the AUV fault diagnosis methods and results. The existing sensor signal feature extraction methods can remove noise to some extent, but are not perfect for external random interference with the changeable characteristics of the frequency domain and amplitude in ocean environment.. The primary research of the project are AUV signal feature extraction method based on the process of historical data, and the fault mapping method based on multi-source characteristic signal, and the navigation sensor fault detection and signal reconstruction method ,and the thruster fault diagnosis method based on fuzzy qualitative model. The project will solve the isolation of fault feature and the external random disturbance from the characteristic signal, and the fault isolation problem between the thruster and the navigation sensor, and the consistency of fault description by the fault feature，and fuzzy quantity space adaptive dynamic adjustment in fuzzy qualitative model. It has important scientific significance and application prospects for solving fault diagnosis problems of AUV and other underwater equipments under the external interference of the marine environment.

自主式水下机器人（AUV）工作在复杂海洋环境，受海流等外部持续干扰及涡旋等外部随机干扰的影响会出现漂移、摇荡等动作，影响到传感器信号对系统真实状态的反映，进而影响到AUV故障诊断的方法和结果。现有的传感器信号特征提取方法可在一定程度上去除噪声，但对具有频域和幅值多变特性的海洋环境外部干扰的处理方法还不完善。.本项目主要研究AUV基于过程历史数据的信号特征提取方法，基于多源特征信号的故障映射方法，导航传感器故障检测与信号重构方法及基于模糊定性模型的推进器故障诊断方法。解决从特征信号中分离故障特征与外部随机干扰问题，推进器与导航传感器故障隔离问题，故障特征对故障描述的一致性问题以及模糊定性模型中模糊量空间自适应动态调整问题，对于解决海洋环境外部干扰下的AUV以及其它水下作业装备的故障诊断问题具有重要的科学意义及应用前景。

随着陆地不可再生资源的日益枯竭，海洋资源开发已成为各国关注的焦点。水下机器人是目前唯一能在深海环境下工作的装备，在海洋资源开发中发挥着不可替代的作用。自主式水下机器人（AUV）无人无缆工作在海洋环境中，安全性是其研究和实用化中的重要问题，故障诊断是AUV保障安全性的基础和关键技术。推进器和导航传感器是AUV关键部件，研究推进器和导航传感器故障诊断技术对提高AUV安全性、加快其实用化进程具有重要的理论研究意义和实际应用价值。. 本项目针对外部干扰下AUV推进器与导航传感器故障诊断问题，主要从故障特征提取与干扰分离、推进器故障与导航传感器故障隔离、传感器故障检测与信号重构、推进器定性诊断四个方面进行研究，取得以下研究成果：. 在故障特征提取与干扰分离方面，针对时变的外部随机干扰与故障信号耦合在一起难以剥离问题，提出基于随机共振原理的故障特征增强与外部随机干扰抑制、基于小波近似分量提取故障特征、基于控制信号变化率的故障特征提取等方法，将外部随机干扰的能量向故障信号能量转移，以突显故障特征与噪声特征间的差异，达到故障特征提取与干扰分离的目的。. 在推进器故障与导航传感器故障隔离方面，针对AUV闭环控制系统会削弱甚至隐藏推进器和传感器故障对AUV系统状态量的影响，易产生误诊的问题，提出基于多源特征信号的推进器与传感器故障隔离方法，构建多源特征信号，建立故障隔离模型以映射推进器与传感器故障。. 在传感器故障检测与信号重构方面，针对故障检测中多源特征对故障的描述不唯一的问题，提出基于模糊加权属性信息融合的传感器故障检测和基于神经网络的信号重构方法，将属性信息进行模糊融合转换，加权融合多源故障特征信息，构建信号重构网络，实现传感器故障检测和信号重构。. 在推进器定性诊断方面，针对推进器故障诊断过程中无法消除的外部持续干扰影响的问题，提出基于模糊定性仿真理论的运动建模方法，以准确描述AUV在不同运动状态下的模糊定性行为。针对AUV建模时后继预测状态奇异行为分支较难过滤的问题，提出基于高阶导数、概率灰数、持续时间约束的灰色定性约束过滤方法，根据建立的定性转换规则及定性推理实现外部干扰下AUV推进器故障诊断。. 通过AUV实验样机水池实验验证了上述方法的有效性。. 本项目研究成果为存在外部干扰的AUV系统故障诊断提理论基础与技术支撑。

内容获取失败，请点击重试