多功能潜水器系统故障诊断技术研究

论文摘要

水下机器人在海洋开发和军事应用方面有着极为广阔的应用前景,已经成为完成多种水下任务的重要工具。水下机器人工作的海洋环境极其恶劣以及其需要完成的任务复杂多变,因此设计一个可靠性高的控制系统来保证它安全可靠的工作非常必要。实现水下机器人控制系统故障自主诊断是其智能水平的核心体现也是研究人员迫切需要解决的课题。本文的主要工作就是完成多功能水下机器人系统的自主故障诊断,针对传感器系统及推力器系统开展诊断研究以提高控制系统的总体性能,进而提高水下机器人在未知海洋环境下的生命力和其它特性。论文首先对水下机器人传感器信息做小波变换,利用小波变换极值点来检测信号的突变故障。为了消除环境噪声的影响,引入了阈值法,通过对小波变换的高频系数设置阈值来消除噪声干扰。试验结果表明该方法能提高对突变信号检测的精度;针对定位声纳输出数据的振荡情况,采用了线性平滑方法。设计了三次曲线拟合及kalman滤波并与线性平滑进行了对比试验,试验结果表明:对水下机器人这样一个特定的对象,线性平滑方法不仅处理简单而且直接有效。针对推力器故障诊断,设计了一个非线性滑模观测器,构造了一种新的切换函数来代替滑模观测器中的符号函数,以克服符号函数在零点附近切换时的突变,从而达到了消除滑模观测器抖振的目的;基于阈值的故障诊断方法存在故障判断不连续及误报率高的弱点,为了提高故障诊断精度,探讨了模糊诊断方法,设计了一个模糊残差评估器来分析残差信号并用于推进器故障诊断。仿真结果表明模糊故障诊断方法能够提高故障诊断的精度,使得故障诊断的鲁棒性增强。本文还采用了一种改进的小波神经网络结构,推导了其学习算法,利用训练好的小波网络完成了对水下机器人的系统辨识,通过对比小波网络的输出与实际传感器的输出进行故障诊断。完成了基于小波网络的推力器故障诊断,得到了令人满意的结果。这种方法减少了神经网络的输入量,使得神经网络的结构相对简单。研究结果表明,本文应用的故障诊断方法可以实现对水下机器人控制系统的故障诊断,在水下机器人技术中有着重要的现实意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 概述
• 1.2 AUV故障诊断（FDD）技术
• 1.2.1 AUV的FDD方式
• 1.2.2 AUV的FDD国内外研究动态
• 1.3 控制系统FDD技术的发展
• 1.3.1 FDD的分类
• 1.3.2 FDD的方法
• 1.3.3 FDD系统的结构组成
• 1.3.4 FDD技术的发展现状及前景展望
• 1.4 论文的工作安排
• 1.4.1 论文研究背景及意义
• 1.4.2 论文工作内容
• 第2章 AUV试验平台及水动力模型
• 2.1 引言
• 2.2 AUV配置简介
• 2.2.1 AUV传感器的配置及简介
• 2.2.2 水下机器人推进器的配置
• 2.3 AUV的系统辨识模型
• 2.4 本章小结
• 第3章 小波变换在水下机器人传感器FDD中应用
• 3.1 引言
• 3.2 传感器故障类型
• 3.3 基于小波变换的信号突变检测
• 3.3.1 小波变换的基本原理
• 3.3.2 小波母函数的选择标准
• 3.3.3 突变信号的小波变换特征
• 3.3.4 小波分析法用于突变信号检测
• 3.4 线性平滑原理的应用
• 3.5 本章小结
• 第4章 基于观测器的水下机器人故障诊断
• 4.1 引言
• 4.2 滑模观测器
• 4.2.1 水下机器人空间运动方程
• 4.2.2 滑模观测器设计
• 4.2.3 抖振降低策略
• 4.2.4 基于滑模观测器的系统辨识
• 4.3 滑模观测器用于推进器故障诊断
• 4.4 基于残差评估器的FDD
• 4.4.1 模糊推理的基本原理
• 4.4.2 残差评价
• 4.4.3 模糊逻辑用于FDD
• 4.5 本章小结
• 第5章 小波神经网络用于AUV故障诊断
• 5.1 概述
• 5.2 小波神经网络与其它网络的区别分析
• 5.3 改进小波神经网络及其用于水下机器人系统辨识
• 5.3.1 小波神经网络结构及学习算法
• 5.3.2 小波神经网络用于水下机器人系统辨识
• 5.4 仿真试验结果及分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢