多AUV信息融合推进器故障诊断技术研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 水下机器人研究概述
• 1.3 AUV的故障诊断研究综述
• 1.3.1 故障诊断的方法与过程
• 1.3.2 AUV故障诊断技术的研究现状
• 1.3.3 AUV状态监测与故障诊断的发展方向
• 1.4 课题的来源及论文主要工作
• 第2章 多AUV传感器信息融合推进器故障诊断
• 2.1 引言
• 2.2 多AUV编队协调系统
• 2.2.1 基于主从跟随编队的多 AUV队形保持
• 2.2.2 队形保持与故障诊断分析
• 2.3 多AUV感知和通信系统
• 2.3.1 传感器配置
• 2.3.2 多 AUV协调感知
• 2.4 多AUV协调故障诊断
• 2.4.1 基于推进器故障残差信号处理的诊断方法
• 2.4.2 基于 D-S证据理论的推进器故障诊断信息融合
• 2.5 本章小结
• 第3章 推进器故障残差信号处理方法
• 3.1 引言
• 3.2 残差信号的提取
• 3.3 基于 Elman网络的 AUV建模
• 3.4 速度残差处理方法
• 3.5 本章小结
• 第4章 基于 D-S理论的推进器故障诊断
• 4.1 引言
• 4.2 D-S证据理论概率分配函数
• 4.3 传感器基本概率函数研究
• 4.3.1 速度传感器诊断故障的BPA函数的分析与确定
• 4.3.2 角度传感器诊断故障的BPA函数的分析与确定
• 4.3.3 距离传感器诊断故障的BPA函数的分析与确定
• 4.4 基于 D-S理论的单传感器多测量量融合
• 4.4.1 速度传感器测量信息融合
• 4.4.2 角度传感器测量信息融合
• 4.4.3 距离传感器测量信息融合
• 4.5 信息融合方法的改进
• 4.6 本章小结
• 第5章 多AUV信息融合诊断及实验研究
• 5.1 引言
• 5.2 推进器故障信息残差融合诊断体系
• 5.2.1 融合节拍处理方法
• 5.2.2 故障决策策略
• 5.3 传感器信息融合诊断实验与结果分析
• 5.4 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