水下機(jī)器人推進(jìn)器故障診斷技術(shù)研究.pdf

1、現(xiàn)今，水下機(jī)器人已廣泛應(yīng)用于商業(yè)、科技和軍事等多方面領(lǐng)域。作為海洋高科技的重要組成部分的水下機(jī)器人，其智能水平面臨著更高的要求和挑戰(zhàn)。由于水下環(huán)境復(fù)雜，為使水下機(jī)器人能安全地執(zhí)行和完成水下作業(yè)任務(wù)，研究其故障診斷技術(shù)是極為必要的，也是其智能化的重要體現(xiàn)。 推進(jìn)器作為多數(shù)水下機(jī)器人主要的運(yùn)動(dòng)執(zhí)行部件，其故障的有效檢測(cè)與診斷，是水下器人安全性的不可忽視的一環(huán)。在水下機(jī)器人進(jìn)行水下作業(yè)工程中，推進(jìn)器故障會(huì)對(duì)作業(yè)的順利完成造成障礙，甚至

2、引發(fā)災(zāi)難性的后果而導(dǎo)致不可估價(jià)的損失。 本文針對(duì)推進(jìn)器故障特征及其與水下機(jī)器人運(yùn)動(dòng)狀態(tài)的關(guān)系，研究探討了水下機(jī)器人推進(jìn)器的故障診斷方法。 在水下機(jī)器人控制系統(tǒng)基礎(chǔ)上，設(shè)計(jì)了水下機(jī)器人故障診斷系統(tǒng)，主要包括水下機(jī)器人運(yùn)動(dòng)狀態(tài)監(jiān)測(cè)子系統(tǒng)和推進(jìn)器故障診斷子系統(tǒng)。前者主要由機(jī)器人運(yùn)動(dòng)模型和故障檢測(cè)模塊組成，應(yīng)用Elman神經(jīng)網(wǎng)絡(luò)建立了水下機(jī)器人運(yùn)動(dòng)模型，通過比較運(yùn)動(dòng)模型輸出與實(shí)際測(cè)量值獲取故障信息；后者則主要由推進(jìn)器狀態(tài)監(jiān)測(cè)器組

3、和故障檢測(cè)模塊組成，采用RBF神經(jīng)網(wǎng)絡(luò)為每個(gè)推進(jìn)器建立狀態(tài)監(jiān)測(cè)器，并形成了推進(jìn)器狀態(tài)監(jiān)測(cè)器組，通過分析監(jiān)測(cè)器輸出值與實(shí)際狀態(tài)測(cè)量值產(chǎn)生的狀態(tài)殘差來獲取故障信息。 故障信息融合模塊為有效地綜合兩子系統(tǒng)的故障信息，引入了D-S證據(jù)理論，將各子系統(tǒng)的故障信息進(jìn)行全局與局部的信息融合，并提出了信息融合故障診斷規(guī)則，實(shí)現(xiàn)了推進(jìn)器的故障診斷。為提高故障診斷結(jié)果的可靠性和可觀性，提出了故障診斷可信度及故障程度判定指標(biāo)，有效地降低了誤診率。