（机械电子工程专业论文）水下机器人推进器故障诊断技术研究.pdf

哈尔淡工程大学硕士学位论文 捅要 璃今，永下凝器入毫广泛斑弱予鬻垃、辩技耪军渗等多方嚣簇域。佟舞 海洋高科技的簸要组成部分的水下机器人，其智能水平面临蕾盟高的鼹求和 熬羧。由二于拳下繇凌复杂，为使表下瓿器久笺安全遣羧行亵竞袋拳下终蝗妊 务，研究其故障诊断技术是极为必要的，也是其智能化的重要体现。 捺遴器 萋为多数拳下瓠嚣入主要豹运动执褥部 孛，其放酶鹣骞效糗溺与 诊断，是水下器人安全性的不阿忽视的一环。在水下机器人进行水下作业工 程书，接逶器技簿会辩 莹监麴嫉剩完艘造藏障褥，甚爨弓l 发灾难蛙懿嚣果两 导致不可估价的损失。 本文铮对接进器赦漳特援及其与水下枫器人运动状态数关系，磅究探讨 了水下机器人推进器的故障诊断方法。 程水下枫器入控糊系统基础上，设诗了水下机器入故障诊龄系绞，主要 包括水下机器人运动状态监涮予系统和推进器故障诊断子系统。前者童要由 规。器入运动模型瓤故障捡测模块组成，应用e l m a n 神缀网络建立了水下机器 入运动模型，邋过比较运动模型输出与实际铡霆值获澈故障信息；后者剐主 要惑推进器状泰监测器组和故障检测模块组成，采用r b f 神经随络为每个推 进器建立狡态簸测器，并形成了推进器状态菔溯器维，通过分析监溅器输出 值与实际状态测量值产生的状态残差卷获取故障信息。 故障信息融合穰块为有效德综合两子系统的故障信患，弓l 入了d s 证据 理论，将各予系统的馘障信息进行全髑与局部的信息融合，并提出了信息融 台敌障诊断蔑掰，实现了攉避释静敌障诊凝。为提高敬障诊繇结果斡掰靠往 和可观性，提出了故障诊断可信度及敞障程度判定指标。有效地降低了误诊 率。 故障模拟实验结果表明本义的故障诊断方法可以对水下机器人推进器故 障遴行在线竣溅，灸滋一步静容错控露l 提侠依撵，菇豫涯瓠器久在敖簿装态 下安全返航甚艇完成作业任务，在水下机器人技术中肖着重要的现实意义。 关键词：水下机器人；推进器；故障诊断；神经网络；信息融合 哈尔滨工程大学硕士学位论文 i_i h a b s t r a c t n o w a d a y s ，a u t o n o m o u su n d e r w a t e rv e h i c l e s ( a o v s ) a r ew i d e l yu s e di n c o m m e r c i a l ，s c i e n t i f i c ，a n dm i l i t a r yf o rv a r i o u sp u r p o s e s h i g h e rr e q u e s ti sp u t f o r w a r df o rt h ei n t e l l i g e n tl e v e lo f a u t o n o m o u su n d e r w a t e rv c 接d e s 。w h i c hi sa n i m p o r t a n tc o m p o n e n to fo c e a nh i g h - t e c h b e c a u s eo fc o m p l e xa n du b k n o w n e m d r o n m e n t , i ti sn e c e s s a r yt oe m b e df a u l td i a g n o s i sp a r a d i g m si n t oa u v st o i n c r e a s et h er e l i a b i l ：t i t yo ft h ev e h i c l e sa n de n a b l et h e mt oe x e c u t ea n df i n a l i z e c o m p l e x m i s s i o n s u n d e r w a t e rv e h i c l e sa r el i a b d et of a u l t so rf a i l u r e sd u r i n gu n d e r w a t e r m i s s i o n s t h r u s t e r s 黜o n eo ft h em o s tc o n l n l o na n dm o s ti m p o r t a n ts o u r c e so f f a u l t s i na l lb u tt h em o s tt r i v i a lc a g e s dt h ee x i s t e n c eo faf a u l tm a yl e a dt o c a n c e l i n gt h em i s s i o n 。t h ei m p l i c a t i o no fs m a l lf a u l t sc o u l db ev e r ye x p e n s i v e a n dt i m ec o n s u m i n g t 挞sp a p e ri n t r o d u c e san o v e lt h r u s t e rf a u l td i a g n o s i ss y s t e m ( f d s ) f o r o p e n - f r a m eu n d e r w a t e rv e h i c l e s ( t r y ) b a s i c a l l y , t h ef d s i sac o n t r o la l l o c a t o r , b u tt h i sp r i m a r yf u n c t i o ni se n h a n c e dw i t ht h ea b i l i t yo fa u t o m a t i ct h r u s t e rf a u l t d e t e c t i o na n dd i a g n o s i s , t h ep r o p o s e df d sc o n s i s t so ft w os u b s y s t e m s ：a u n d e r w a t e rv e h i c l em o t i o ns t a t em o n i t o rs u b s y s t e m ( m s m s ) a n dat h r u s t e rf a u l t d e t e c t i o ns u b s y s t e m ( t f d s ) 羽l em s m sa n a l y s e st h er e s i d u a l so ft h eo u t p u to f u v sm o t i o nm o d e lw h i c hi sc o n s t r u c t e dw i t ha l li m p r o v e de i m a nn e u r a ln e t w o r k a n dt h er e a ls t a t ev a l u e 、协m o n i t o ri t sm o t i o ns t a t e t h e 群d su s e sf a u l td e t e c t o r u n i t s ( f d u s ) 。a s s o c i a t e dw i t he a c ht h n 喊t om o n i t o rt h e i rs t a t e r o b u s ta n d 抟l i a b l ef d u sa r eb a s e do nr b fn e u r a ln e t w o r ka n df a u l t ys t a t e sc l a s s i f y i n g m e t h o d s f u s i o nf a u l td i a g n o s i su n i tf f t d u ) e o l l i g a t e si n f o r m a t i o np r o v i d e d 酚t h e t w os u b s y s t e m st ol o c a t ea n di d e n t i f yt h r u s t e rf a u l t r o b u s ta n dr e l i a b l ef f d ui s b a s e do nd - se v i d e n c et h e o r ya n df u s i o nf a u l td i a g n o s i sr u l e s t h ei n d i c a t o r so f f a u l t sd e g r e ea n dc r e d i b i l i t yf o rr e s u l to fd i a g n o s i sa r ep r o p o s e dt oi m p r o v et h e r e l i a b i l i t y o f f a u l t d i a g n o s i s , a n d o v e r c o m e d i s t o r t o f f a u l t d i a g n o s i s 。 哈尔滨工程大学硕士学位论文 r e s u l to ft h ea c t u a le x p e r i m e n ts u g g e s tt h a tt h ep r o p o s e df d si se f f e c t i v e a n df e a s i b l e ，w h i c hc a r lp r o v i d ep r e c o n d i t i o nf o rt h ef a r t h e rf a u l tr e c o v e r ya n d t o l e r a n tc o n t r 0 1 a n di sv e r yu s e f u la n ds i g n i f i c a n ti nt h ef i e l do f a u v k e y w o r d s ：u n d e r w a t e rv e h i c l e ；t h r u s t e r ；f a u l td i a g n o s i s ；n e u r a ln e t w o r k ； i n f o r m a t i o nf u s i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的引用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体已 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 作者( 签字) ： 鹰丢慢 日期：缈l f 年弓月 日 哈尔滨董程大学硕士学位论文 。 概述 第1 章绪论 2 l 裁缝人类嚣羲大掰澎张纛生存空闲畜隈懿旁嚣，蘸遗资源转蘧彝疑会 生产需要增长的矛盾，以及生态环境恶化和人类发展矛盾这三大挑战。占地 球表嚣获7 1 熬海洋，楚一个塞饶秀远寒褥到并发豹宝瘁。 目前用于水下观测考察和开发的主暌工具由载人潜水器和无人潜水器。 茏人潜隶器又称为水下凝器入，玄叉分为光入遥控潜水器( r o v 器e m o t e l y o p e r a t e dv e h i t i e ) ，无人无缆水下机器人( u u v ，n m a r m e du n d e r w a t e r v e h i c l e ) ，自治式水下枫器入( a u t o n o m o u s u n d e r w a t e r v e h i c l e ) 。r o v 是带缆 航行的，通过缆来传输能源和通讯信息，而且r o v 由遥控器直接控制。u u v 不繁缆线，随身携糖有能源，遇过无线通信方法将遥控器发出的控制信息下 达给u u v 。a u v 则不仅自身带有能源，而且通过主动控制完成预先设定的 作业任务，它与u u v 的区别是篡作业执行过程中不需要与夕 部通信。 作为人类探索海洋的工具，水下机嚣入是先进机器入技术在水下的特殊 应用，越机械学科与信息学科棚结合的前沿技术领域。水下机器人的研究和 广泛应用对于充分秘餍国然资源，发展豳民经济其有十分重要虢现实意义。 锺前自治水下机器人( a u v ) 主要应用予海洋环境监测、海洋地球科学数据 采集、海底资源调查、军事方蔼情报收集及盗援与谈察等方面。随着髓源、 水声通储、传感器、导航定位、自主控制等技术的不断发展，a u v 在科学研 究帮商效应弱等穷谣潦会有更热广阔豹斑焉蘩最。 近年来，随着海洋研究和开发的不断深入以及国防的需要，水下机器人 疆箍着受嵩翦餐缱技术水平靛要求。两蠡于承下作韭镊务豹多样缝及承下环 境的复杂未知性使得水下机器人控制技术面临着更高的溪求和挑战。故障诊 颟技术黪鲞瑗，为挺离永下梳嚣久胃靠链帮受努圭蠹撬行、完菇复杂俸鼗任务 开辟了条新地途径。 晗尔滨工程大学硬士学位论文 1 2 故障诊断技术的发展及应用 故f 罐诊断技术是2 0 世纪6 0 年代束发展起来的一门新技术。它的理论 熬懿是爨健控制理论、诗舞挽王程、数壤绞诗、售号处壤、模式识别、入工 智能、人工神经网络以及相应的应用学科。它的研究已成为控制领域的前沿 瀑题。 1 9 6 7 年谯美国宇航局n a s a ( n a t i o n a la e r o n a u t i c sa n ds p a c e a d m i n i s t r a t i o n ) 倡导下，由美国海军研究室o n r 率先开始了枧槭艘障诊断技 术的开发和研究，并在馥障机瑗研究和敝障检测、故障诊断和故障预测簿方 薅取得了许多实耀牲的研究成果。如j o h n sm i t c h e l 公闭的超低温水泵和空 压机监测诊断系统，s p o r e 公司用于军事机械辅与轴承的诊断系统等。 我隐在2 0 世纪8 0 年代初开始进行设备故障诊断方黼的研究，并在石化、 冶金、电力等幸予妲首先褥墅成功应用。避入g o 年代后，被障诊断技术迅速渗 透到国民经济的备个领域，并褥到了蓬勃的发展。 故障诊断聃( f a u l td i a g n o s e s ) 是对设备运行状态和异常情况骰出粼断。 技障诊断的任务包括故障检测、故障识别、故障分离与估计、故障评价和决 策。 。2 。1 救障的潮分 按敬漳帮释瓣麓势，系绕懿生要薮簿骞； ( 1 ) 被控系统元部件故障； 蛰抟惑嚣数漳； ( 3 ) 执行器敞障； 诗冀筑援疆教辕翻计算糗硬孛 救漳； ( 5 ) 控制器故障； 出予诗募枫硬磐一般其有缀蹇戆可嚣蛙，不易发生效漳，控制器杰牧孛 构成，亦不易发生故障，可见一般情况下前三者为研究对象。本文主要研究 了第三秽教障携凝。 按敞障类黧可划分为： 2 哈尔演工程大学硕士学位论文 ( 1 ) 脉冲型故障； ( 2 ) 除跃型故障； 邸) 缓慢漂移型故障： 健感器与执行器常见的故障是，传感器与执行器的输出出现突变戮或缓 交型偏差，传感器与执行器增蘸逐渐衰减。元部件常觅的故障楚元部髂参数 出现阶跃型跳变，或元部件参数有缓慢漂移。 1 2 2 故障诊断的方法 国际故障诊断权威f r a 帐教授将所有的故障诊断方法归纳为基于信号 检测翡方法、蒸手数学模型验方法稻綦予懿浚鹣方法三大类型 2 i 。 ( 1 ) 基于信号检测的研究方法 萋手穰号棱溅熬藏漳诊叛怒裰攥稔灏熬敖瓣售号，遴过特筑提取窝羧蹲 识别找出故障源。该方法的关键在于选择能真难反映设备运行状态的检测参 数，然爱采矮小波分攒、售惠融会等方法，避露羧障诊旗。 ( 2 ) 基于数学模型的研究方法 数学摸婆! 燕鼹实黪燕控对象豹近似接述。数学模型粒数障诊薮方浚就是 把故障定义为察际过稷相对于正常模型的改变，然后根据过程模型的变化范 夔窝类型，采取糖应豹诊薮策酶。 常用的基予数学模型的故障诊断方法有参数估计法羊日状态估计法。参数 估计法是根摄观测数搬，利用参数估计方法辨识系统的动态参数模烈，如 a r m a ( a u t o r e g r e s s i v em o v i n ga v e r a g e ) 的模型，然后通过系统参数与模型参 数静比较来判麟故障；竣蔹据辨识所 | 馨模型的参数和特征构造瓣别函数，对 系统的工作状态识别和分类。状态估计法则是利用系统的输入与输岛，采用 状态观测器( 对确定性系统) 或状态滤波器( 对醚机系统) 对系统的内部状态进 行估计，然后襁据系统输出与观测器或滤波器输出构成的残蓑来迸彳亍故障诊 断。 ( 3 ) 基于知识的研究方法 基于知识的研究方法不需疆对象的精确的数学模型，而是根据人们长期 的实践经验和大量静靛障信怠设计密的一套管毹诗算税程序，鞋照来解决复 晗尔滨点程大学鞭士学位论文 杂故障诊断问题，因而在故障诊断研究中得到了广泛的重视。 基予知识的方法还霹以分为基予症状魏方法和基予定蛀模溅的方法。基 于症状的方法包括专家系统方法、模式识别方法、模糊推理方法和神缀网络 方法等；基于寇性模型豹方法锻括定性戏测爨、定性仿真和知识观测嚣等。 由于神经网络具有自学潮和能拟台任意连续非线性函数的能力，以及其并行 处理、全局 乍矮豹能力，使彳导葭在处理非线性闷题和兹线估计方面有卷很强 的优势。另外，模糊推理，定憔观测器婷善于处理不确定、不准确的知识， 符合人的自然撼理过程，与神经网络结合，有麓巨大的应用前景。 通常，任何故障检测系统都不可能肖分之西地检测出系统谶各种敌障。 因此，提高故障地正确检测率，降低故障的漏报率和误掇率一点是故障检测 与诊断领域的前沿谋题。 2 。3 敞障诊断系统的基零结棱 故障诊断系统在功能上应镪括故障信号检测、故障识别、故障评价等环 节。图1 1 所示为故障诊断系统的基本结构闺。故障信号检测环节根据动态 系统的输出信号慰系统运行状态是否正常进行梭测，当发现系统运行出现故 障是，赦障识澍环节对故障的类剐、使嚣和程度进彳亍诊断，故障评价环节对 故障的发展趋势、故障的危害进行预测，从而为对故障进一步她理和容错控 锘i 提供依据p l 。 故障信号检测环节对动态系统的信号采集谢两种情况：一种是检测环节 必对系统输出德号进行寅对采集，并零糟相应技术手段对动态系统酶输密信 号进行处理，从中提取系统发擞异常的特征，如输出信号发生突变、噪声异 常增多等。将诧特征传递给敌障谖甏环节迸幸亍敬障谖弱。 嚣l 。i 蔹漳诊繇系统懿麓本结橡銎 4 哈尔滨工程大学颂士学位论文 另种可将系统的输入和输出同时作为信母检测环节的输入，如图1 1 辑示，熏残曩予教障捡测粒残蓑，薯利耀残差避 行决策涵数的计算，为遴一 步诊断提供信恩。 故障识别环节铡用捻测环节提供鲍实时信愚葶霹各种先验知识，对故障的 种类、位置和程度进行识别和撼理分析，模式识别技术、人工神经网络技术 及状态估计技术鄙是故障识别的有用工舆。 在敲障的种类，位鬻和程度等信息的基础上，故障评价系境根据这赠信 息，利用各神经验知识对故障的发展趋势进雩亍评价，并对可能的后果和危险 做出预测。 动淼系统的故障诊断，主要集中在敞障的捻测与识别方法的研究上，因 为故障的评价谯往和特定系统鹃各种专门经验与知识联系在一怒，很潦伟轰 动态系统故障诊断的一般方法进行研究。 1 2 4 故障诊断技术的现状 从国内外的资料来看，关于线性系统的故障诊断技术的研究已相对成熟， 逶年寒，疆簿援茏余荛攫导懿线往系统敬薅诊鼗援本褥翻了深入懿磅突，呈 现出不胜枚举的理论成果。但魑，与其鬯较为成熟的理论成果相比，其应用 方嚣鹃磺究亟德燕强。爨蕊，关予 线性系统熬酸漳诊叛技寒豹疆突委方兴 朱艾，尤其是控制理论、信号她理、人王智能、模式识别等学科的发展，为 # 线性系统魏藏骧诊瑟技零提供了丰蜜瓣理论蒸懿。 故障诊断技术发展篷今已经涌现出了大量豹故障诊断算法，取得了一定 麴磺究残果。键总熬来说，赦溅诊龋鼓零躲应怒永平逐不太囊。几年藏匿舔 自动控制联合太会0 f a t ) 就曾指出：“故障诊断的研究已经成为汹代科学技术 发褒的蓊动向，健这方灏戆研究大部分搏整在舆有具体废嗣鸳豢、计算枫仿 真或实验阶段，真正成劝地应用于实践的仍属少数”。 我瀚的教黪诊叛技零礤究照然在9 0 年代慰肖了长越靛发展，但与圜岁 研 究水平相比我们还有很大的差躐。 屋静教障诊辑的研究工作还有很多姆题有特解决，如故障诊断的鲁棒性、 自适应一陡、融合诊断和闽值选取等，这也预示了该技术今后的发展方向，郎 蛤尔滨工程大学硕士学位论文 由非实时诊断到窟时诊断、由半自主故障诊断到不可预知故障诊断、由局部 款障诊断至l 全系统故障诊断。 1 3 水下机器人的故障检测与与诊断技术 智能水下机器入作为智能体的试验平台，在其主要研究焦点之一的键能 系统的研究中，实现机器人工佟状态瓣蠢主敌漳诊断佟为该智能体智能释为 的重要体现，正曰益受到研究者的重视势正式提到研究豳程上来。 a j h e a l e y 等指出，“承下襁器入全褥的敌除检测与诊断是稚常复杂翡， 处理这种复杂性的一种觑瞧的思路就是通过分解的方法，即分别建立各燕要 予系统黪故障裣灏与诊断系统”强。 。3 。 零下橇褥天兹障诊断懿方式 一较鹣，对慧零下枫器久进褥故薅梭澳寿菰秘方式：基予硬转兹教瓣检 测和基于软件的敞障检测。前者专门监控传感器监测硬件状态。这种方法虽 然壹接霹靠，毽缓锝拳下机器入懿硬释设备变褥复杂，黉要额终熬空闫寒安 装这些硬件设备，增加了水下机器人的蘸量和建造成本。基于软件的故障检 镄逶过各糖赞感糕数据捺测水下糗器久楚：蓦楚予敬瘴获淼。这转闯接方焱可 以比较运动状态估计值岛测量值涞实现，例如比较水下机器人动力学模挺的 输出与实骣抟感嚣豹羧惑。 1 3 。2 水下机器人故障诊断图内外研究动态 尽管各种故障诊断方法在一些领域融得到广泛应用，但是这些方法在水 下机器入放障诊断中的威霜仍然处于起劳阶段。 下磷简要介绍国外谯水下机器人的故障诊断方面的研究动态； ( 1 ) 英孱蒇尔士大学褫禳研究中心研究了开浆式永下祝嚣入“u r i s ” ( u n i v e r s i t yo fg i r o n a ) 朔“f a c l o n ” 、 圳 脚 推进器电压状态监测器检验 一监测器输出 一实际测量值 ， - l i 一 l 1 j 吲 啊 气 广 0 m 节拍0 2 s 均方误差 j| l ，1i i i4r，l 节拍，o2 s 图3 1 3 推进器电压监测器检验 图3 1 3 中，推进器电压的实际测量值的振动和噪声较大，均方误差局部 较大，从总体效果来看，所建监测器能满足实验要求。 推进器电流状态监测嚣检验 赫一期。 a 网络输出 实际测量值 1f v洲一 节拍，0 2 s 均方误差 节拍0 2 s 图3 1 4 推进器电压监测器检验 从图3 1 4 可以看出，由于有传感器测量噪声的干扰，均方误差存在跳动。 哈尔滨工程大学硕士学位论文 但从实验角度来看，这是允许的，也就是说所建的推进器电压监测器对推进 器的状态监测能力能满足本文实验要求。 ( 2 ) 推进器电流状态监测器 推进器电流状态监测器也采用图3 1 l 所示结构，训练方法与推进器电压 状态监测器类似。网络的训练效果如图3 1 5 所示。 推进器电流状态监测器训练 监测器输出 一实际测量值 心 r a7 警殷z f f 古 r 7 ；卜 v v v 。”v v 一 节拍，0 2 s 均方误差 “ i ：i ：饿熬赢i4 v ：l 卜j i _ l1 是。妣h i j 妊i 如如 n 址一 图3 1 5 推进器电流监测器训练 推进器电流状态监测器检验 广l 监测器输出 一一实际测量值 i 1 l # j 毫 剧。 节拍，0 2 s 均方误差 。奴h fi 。i 一 、1九。l卜 节拍，0 2 $ 图3 1 6 推进器电流监测器检验 由图3 1 5 可以羲到，训练的均方误差基本保持在较小藏围内( 小于o 2 ) 。 由于传感器的测量噪声，均方误差存在局部跳动。儇从总体来看，模型达到 了训练所要求的精度。 如图3 。1 6 为推进器电流监测器检验图。由于推进器性能及环境嗓声，魄 流传感器的测量噪声较大，均方误麓有几处较大跳变，但我们从整体上也可 看出图中监测器对电流状态有较强的监测能力。 推进器电流状态监测器检验 繁接1 0 2 $ 均方误差 图3 1 7 接进器电滤靛溅器梭验 图3 1 7 所用数据与图3 1 5 的训练样本相近，前赣振幅略低于臌学。又由 于佟感器测最嗓声较，j 、，敌检验效袋较好。 由以上训练及梭验结果可以看出，本章所建的推进器电压、电流状态脓 浏器较好趣耀踪、麓测了爨常情况下推进嚣运行豹状态信急。这为下一步穗 进器放障诊断方法的研究提供了坚灾的基础及可信的依据。 3 5 本章小结 本章主鼹应用了神经网络技术进行了水下机器人的运动建模和推进器的 状态跟踪器豹设诗。采曩致避茨e l m a n 睡终并续台零文水下壤器太“b e a v e r ” 号酉已置，设计了运动模型结构；通过基于大量实验数据样本的训练及验证， 冶尔演工程大学硕士掌位论文 建立了较高精度的水下机器人运动模裂；采用r b f 网络设计并建立了推进器 的状态监铡器，实验数据检验结果表明，所簸测器有较好的推进器状态监测 能力。 堕塑鎏三墨奎堂堡主堂垡堡奎 第4 章水下机器人推进器系统故障诊断 4 1 引言 故障诊断的基本任务是对系统发生的故障进行检测与隔离，给出一些故 障源和故障严重程度的信息。故障诊断包括特征提取、故障分离与估计、故 障评价与决策等。在第一章我们提到故障诊断的方法很多，包括基于信号检 测的方法、基于数学模型的方法、基于知识的方法等。一般来说，故障诊断 的核心内容就是提取故障特征信息即残差，其基本步骤如下旧： ( 1 ) 残差产生：残差经常被作为反映系统故障的信息，残差是指由被观 测数据构成的函数与这些函数的期望值之差。为隔离不同类型的故障，需要 设计出具有适当结构或适当方向的残差矢量。 ( 2 ) 残差估计：故障分类，对故障发生的时间或故障的位置进行推理、 决策。 ( 3 ) 故障分析：即确定故障的类型、大小和原因。 本文在第三章所建神经网络模型的基础上，设计了水下机器人故障诊断 系统，采用基于神经网络模型组的故障诊断方法来获得故障特征信息。 同时为了研究方便，我们提出几个假定条件： 1 ) 水下机器人在一个稳定的环境中( 静水) ，也就是说水下机器人的运 动特性变化只依赖于硬件设备，不考虑水流对水下机器人的影响； 2 ) 水下机器人所配备的传感器都工作正常。 4 2 水下机器人故障诊断系统 大多数开架式水下机器人都以推进器作为其运动的执行部件，在机器人 运动和执行水下作业过程中推进器亦是最为主要的故障源 4 1 。根据我们提出 的假设，在本文研究范围内推进器为唯一的故障源。并依此我们设计了水下 机器人的故障诊断系统。 堕玺鎏三塑盔兰堡主堂垡丝苎 4 2 1 故障诊断系统结构 根据“b e a v e r ”号水下机器人运动系统状态及推进器故障特征提出了机 器人故障诊断系统结构，如图4 1 所示，该系统主要由运动状态监测子系统 和推进器故障诊断子系统构成。 图4 1 水下机器人故障诊断系统结构 图中容错控制器根据当前水下机器人的状态信息p 和故障信息厂输出推 进系统的控制信息c ，实现机器人的运动；机器人模型根据输入的状态信息p 及控制信息c 输出理论的运动速度及航向m ，推进器状态跟踪器族根据控制 信息c 分别跟踪输出推进器组的理论电压及电流值，；传感器的测量值s 经 过滤波等信号处理过程后输出运动状态信息g ，推进器信息h 和系统状态信 息p ，前两者分别与理论运动状态信息m 和推进器信息r 进行比较生成残差 e j 、幻，状态信息p 则反馈到容错控制器和机器人模型；残差e l 、e 2 分别 经故障检测和诊断网络模块分析后得到故障特征向量疗、f 2 ；故障信息融 合模块综合分析故障特征向量疗和厅后得到故障诊断结果厂并送入容错控制 器作为后续容错控制的依据。 如图4 1 虚线框所示，机器人模型和故障检测模块构成了运动状态监测 子系统，推进器状态跟踪器组和故障检测模块构成了推进器故障诊断子系统。 跨尔滨工程大学琰学垃论文 ；篇；= = 黼i = ；茹黼盏；= ；黼= = ；= = ；茹；i 搿；= ；蒜；= 4 2 2 水下机器人运动状态监测予系统 我们基于第三章所建e m a n 网络机器人运动模型设计了水下机器人邋动 状态整测系统，麴圈4 2 滠示。 图4 2 机器人运动状态监测予系统 如前节所擒述，残差产生及故障特征分祈与提取构成了本子系统的主 要结构和功能。将机器人模型的输出与交际水下机器人状态的测照值相比得 翔残差。残差中包含太爨的藏障信息，遴过馥障检添模块分拆袋差褥爨敝障 馈息，从而推断7 k 下机器人是否黯现故障。在一个时间间隔内求残差的平均 毽，如采残差超过了设宠静阂值( 阂值以及时阉黼隔韵长短是逶遥大薰静实 验和经验设定的) 就可以认为机器人系统存在故障。 攘避嚣教簿嚣乎模型输出 善 ： 鬻 墨 o 0 2 0 。0 o o 0 1 - ( 3 0 2 一o 0 3 0 0 4 - 0 0 5 1 0 02 0 03 0 04 0 05 0 06 0 07 0 08 0 0 节抬1 0 2 s 图4 3 推进器出现故障时机器人模型输出 3 5 哈尔滨工程大学硕士学位论文 如图4 3 所示，水下机器人在进行速度跟踪直航实验过程中推进器出现 了故障，使得模型速度输出与实际机器人前进速度出现了较大的偏差。从图 中我们得出在节拍4 8 3 时残差的绝对值超出了阈值( o 0 2 ) 范围，在节拍4 8 3 之后的2 0 个节拍内( 即4 秒) 残差的平均值亦超出了阈值( 0 0 2 ) 范围，于 是我们可以判定水下机器人推进器出现了故障。虽然我们可以判定是否出现 故障，但是还无法对故障进行分类和定位，因此我们需要进一步的诊断。 4 2 3 推进器故障诊断子系统 4 2 3 1 推进器故障诊断方法 如前所述，为了实现推进器故障的进一步诊断，我们设计了基于r b f 网 络推进器状态监测器群组的推进器故障诊断子系统。系统结构如图4 4 所示。 图4 4 推进器故障诊断子系统结构 如上图所示，我们为每个推进器设计了相互独立的故障诊断模块，这些 模块组成了推进器故障诊断子系统。各个推进器监测模块产生的残差信息经 其对应的故障诊断模块分析综合后得到推进器故障特征向量办，与机器人运 动状态故障信息西一并送入故障信息融合模块进行故障的综合分析。 3 6 哈尔滨工程大学硕士学位论文 单个推进器的故障诊断模块如图4 5 所示。 图4 5 单个推进器故障诊断模块 图中i = 1 2 n 表示推进器的序号。由图中可以看到，单个推进器状态 监测模块产生2 组残差信息e 、e a ，即p 五= p 计旬d ：经故障检测模块分析后 得到故障特征信息厶。 、 推进蒜故障时电压监测器输出 节拍，0 2 s 残差 爰 ，k ，一 ， ， 、飞； ， ：“h k 沁) j 瓢。 r 1 图4 6 推进器故障时电压监测器输出 哈尔滨工程大学硕士学位论文 如图4 6 所示，推进器在运行过程中出现了一种故障，使得电压监测器 输出与实际传感器测量值出现了较大的偏差。从图中我们注意到，在节拍6 9 处残差的绝对值超出了阈值范围( 【- 2 0 ，2 o 】) ；在之后的4 秒即2 0 个节拍内， 残差的平均值亦超出了闽值范围。由此我们可以判断推进器出现了故障，但 对其故障的种类还无法进行识别，于是我们继续探讨推进器状态信息情况。 推进器故障时电流监测器输出 二) j，曼、l 一兰塑登竺岂， 7 、 r ， i l 、 、 i ，u 、 i 、，j 、j 节拍，o 2 5 残差 ! 、 ； ， ，； 一 、 7弋； 0 4厂4 广v ? 节拍，0 2 s 图4 7 推进器故障时电流监测器输出 如图4 7 所示，推进器的电流实际测量值与理论输出出现了较大的偏差。 在节拍( 3 6 ) 处残差的绝对值超出了闷值范围( f - 1 0 ，1 o 】) ；在之后的4 秒即2 0 个节拍内，残差的平均值亦超出了阈值范围。根据故障信息的特征，我们可 以判断推进器发生了卡死故障。具体判断方法见下节。 4 2 3 2 推进器故障分类方法 本文提及的水下机器人的推进系统由驱动器、推进器电机和螺旋桨组成， 由控制器输出的电压值经过驱动器控制直流电机的转数，并由电机带动螺旋 桨产生推力，因此，可能出现的故障有驱动器故障，推进器电机故障，及螺 旋桨故障及连接故障。在水平和垂直方向各两个，采取差动控制方式即可实 现前进、后退、旋转、升沉等运动l l 。 推进器电机为他励式永磁直流电机，其电枢绕组的感应电动势匕为川： 哈尔滨工程大学硕士学位论文 e 。= e n o ( 4 1 ) 其中：e 为电动势常数，对于某一电机是常值； m 为电机每极的总磁通量；- 为电机转数。 推进器电机的电压u 的计算方程为： u = 既+ l r 。= e n o + ，。r 。( 4 2 ) 式中：，口为电枢电流；如为电枢电阻。 推进器的电压和电流状态反映了推进器运行时的旋转情况，通过电压和 电流我们可以对推进器运行故障进行诊断和识别。通过综合了大量实验数据 及理论分析，我们得出了如表4 1 所示的推进器故障分类机理。 表4 1 推进器故障分类机理 电压电流转速故障类型 零零零 驱动器故障 正常 零 零电机绕阻断路 偏低偏高偏低螺旋桨缠绕 正常偏低偏高 螺旋桨破损 低 高低 螺旋桨卡死 很低 零 高螺旋桨空转 实测的推进器电压值如果一直为零，即可判定驱动器是否发生故障，驱 动器的故障将导致推进器的失效，基本的运动控制( 如直航) 都无法实现， 需要进行应急处理程序，紧急上浮等。 另外，从故障类型上可以发现，螺旋桨卡死及螺旋桨空转分别是螺旋桨 缠绕和螺旋桨破损的极限情况。出现卡死或空转故障时，机器人无法实现基 本运动，所以对推进器的故障识别主要是外物缠绕和局部破损这两种故障， 同时对其故障进行程度判定，即与极限故障情况的接近程度。 结合实际实验数据及残差判定方法，我们归纳了推进器运行时典型故障 的分类信息表。如表4 2 所示，其中b ，、b 2 表示相关闽值。 3 9 哈尔滨工程大学硕士学位论文 表4 2 推进器典型故障的分类信息表 推进器故障类型电压残差e 电流残差嘲。控制量c 正常 k w i 6 ji 朝j 0 0 8 b ，e a i - b 2 b l e a f 0 e v b 2 0 螺旋桨缠绕 l p i b 2 o 螺旋桨破损 旧n i 、 幽 脚 推进器不同故障电流状态特征 【一正常 ，j ， 、 ：l 十f 缠绕f i ，弋 j f 一、 乏 0 披ka 一 岍j 1 f j秆 、_ - 叫 f l z _ l 4 lc j l 一 节拍，0 2 s 图4 9 推进器空转和缠绕故障时电流状态 推进器不同故障电压状态特征 正常 、弋 - n l i心f 1： f k 一破损 8爹 f 7|lf |l fl fk 建f 参l ? l 醛 乙 z 匕， 节拍，0 2 s 图4 1 0 推进器卡死和破损故障时电压状态 4 1 堕签堡王里奎堂堡主堂垡堡兰 推进器不同故障电流状态特征 、 斌 删 ， 萼冀| i 二i 、 、 破损i ， 、 滔 3 ； 肇 烈 、 f ? 萝1 l扩 l力 。f lj 瞻参 捻 一ll 心 1 ， 。i 。 ” v ”w 节拍，0 2 s 图4 1 1 推进器卡死和破损故障时电流状态 结合推进器的电压、电流及其控制量信息，我们可以基本实现推进器典 型故障的分类及识别。同时，由于各个推进器的故障诊断模块相互独立，我 们可以根据各模块提供的信息对故障推进器进行定位。另外，我们发现当发 生推进器破损故障时推进器状态残差特征与正常情况相似，即上述方法还无 法实现破损故障的检测及识别。因此，我们还需通过综合机器人运动的状态 特征和主动诊断方式来实现这种故障的检测及类型识别。 4 3 信息融合在推进器故障诊断中的应用 4 3 1 信息融合的概念 信息融合i f ( i n f o n n a t i o nf u s i o n ) 是2 0 世纪8 0 年代形成和发展起来的一种 智能信息综合处理技术。它能充分利用多源信息在空间和时间上的冗余性与 互补性以及计算机对信息的高速运算处理能力，来获得监控对象更准确、更 合理的解释或描述。 啥尔滨工程大学硕士学位论文 4 3 1 1 信息融合的定义 关于信息融合的定义，根据国内外研究成果，可将其概括为：将来自不 同用途、不同时间、不同空间的信息，通过计算机技术在一定准则下加以自 动分析和综合，形成统一的特征表达信息，咀使系统获得比单一信息源更准 确、更完整的估计和判决圳。 从上述定义可以看出，信息融合是一个多级别、多层次的智能化信息处 理过程。多传感器系统是信息融合的硬件基础，多源信息是信息融合的加工 对象，协调优化和综合处理是信息融合的核心。 4 3 。1 2 信息融台的分类 信息融合按其结构形式可分为集中式、分布式和混合式三类f 如- 2 2 1 。 ( 1 ) 集中式。集中式是将各传感器的原始数据和经过预处理的数据全部送 至融合中心进行融合处理，然后再得到融合结果。集中式结构的优点是信息 损失小，处理精度高；缺点是数据关联比较困难，计算量大，系统的实时性 比较差。 ( 2 ) 分布式。分布式结构的特点是每个传感器的数据在进入融合中心以 前，先由自己的数据处理器产生局部结果，然后把它们送到融合中心合成， 以形成全局估计。分布式结构的优点是计算量小，实时性好，便于工程实现； 缺点是处理精度较集中式低。 ( 3 ) 混合式。混合式是以上两种形式的组合。混合式的特点是传感器一方 面将各自的数据送至融合中心进行融合，另一方面又各自单独进行数据处理， 再将结果送至融合中心进行融合。 按信息的抽象程度，信息融合可分为3 个层次：决策层融合、特征层融 合和数据层融合。 ( 1 ) 数据层融合。数据层融合是指直接融合各传感器的原始数据，然后进 行特征提取和故障判断。这种方式保持了尽可能多的现场数据，提供了许多 细微的信息，但计算量大，冗余度高。 ( 2 ) 特征层融合。特征层融合是指各传感器独立地进行特征提取，融合中 哈尔滨工程大学硕士学位论文 心则融合所有的特征矢量做出判决。特征层融合前，首先应对传感器数据进 行预处理以完成特征提取及数据匹配，即通过传感器信息交换，把各传感器 输入数据变换成统一的数据表达形式( 即由相同的数据结构) ：在数据匹配后， 还必须对特征进行关联处理和对目标( 状态) 进行融合识别。特征层融合包 括对数据层融合结果进行有效的决策，同时还对故障进行识别，还要为决策 层融合提供信息。 ( 3 ) 决策层融合。决策层融合是一种高层次的融合，其信息既有来自特征 层的融合，又有对决策知识融合的结果。决策层融合为系统的控制决策提供 依据。决策层信息融合前，多传感器系统中的每一个传感器的数据先在本地 完成预处理、特征提取、识别或判断等处理，再针对具体决策问题的需求， 采用适当的融合技术，充分利用特征层融合所得出的各种特征信息，对目标 给出简明而直观的结果。决策层融合是三层融合的最终结果，是直接针对具 体的决策目标，融合结果的质量将直接影响决策水平。系统根据决策层信息 融合的结果，针对不同故障源和故障特征，采取相应的容错控制策略，对故 障进行隔离、补偿或消除。决策层融合常用的方法有b a y e s 推断、 d e m p s t e r - s h a f e r 证据理论、模糊集理论、专家系统等。 4 3 2d - s 证据推理信息融合方法 对于具有不确定性判断的多属性诊断问题，d e m p s t e r - s a f e r ( 简称d - s ) 证 据组合理论是一个融合主观不确定性信息的有效手段【2 3 】。 d s 理论有称证据理论或信任理论，由于它比主观概率满足更弱的公理 系统，并在区分不确定和不知道以及精确反映证据收集过程等方面显示了很 大的灵活性，因而受到人们的重视。 该理论是s h a r e r 等人于1 9 7 6 年在d e m p s t e r 合成法则的基础上提出来的。 d s 理论将对事件发生后的结果( 证据) ，探求事件发生的主要原因( 假设) 。首 先，分别通过各证据对所有的假设进行独立的