[发明专利]基于小波修正贝叶斯卷积能量的水下机器人推进器故障诊断方法

说明书

本发明公开一种基于小波修正贝叶斯卷积能量的水下机器人推进器故障诊断方法，基于小波分解降低信号中随机噪声干扰的影响，基于修正贝叶斯算法增强动态信号奇异行为幅值，基于卷积计算减小动态信号奇异行为的波动性，并以动态信号中的极小值位置作为能量区域边界，提取能量故障特征，基于同态变换对故障特征和故障分类进行协调，最后基于支持向量域描述算法实现推进器故障程度分类。本专利方法的故障程度分类精度受修正贝斯步长影响较小，分类精度为100％。

技术领域

本发明属于水下机器人故障诊断技术，具体涉及一种基于小波修正贝叶斯卷积能量的水下机器人推进器故障诊断方法。

背景技术

水下机器人在推进器的推力作用下进行运动。当推进器发生故障时，水下机器人速度信号、推进器控制电压变化率信号等动态信号通常会产生奇异行为，且推进器故障程度越大，奇异行为所含有的能量越大。据此可以提取能量故障特征，用于推进器故障诊断。

公知信号幅值平方和方法是一种常用的能量特征提取方法，该公知方法将奇异行为区域的信号幅值进行平方后再求和。采用公知方法提取能量故障特征的过程中，遇到如下问题：水下机器人动态信号奇异行为幅值较为微弱，需要进行增强；信号中的随机噪声干扰影响故障能量特征的大小；动态信号奇异行为波动性较强，影响故障能量区域的边界识别。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于小波修正贝叶斯卷积能量的水下机器人推进器故障诊断方法，基于小波分解降低信号中随机噪声干扰的影响，基于修正贝叶斯算法增强动态信号奇异行为幅值，基于卷积计算减小动态信号奇异行为的波动性，并以动态信号中的极小值位置作为能量区域边界，提取能量故障特征，基于同态变换对故障特征和故障分类进行协调，最后基于支持向量域算法实现推进器故障程度分类。

技术方案：本发明的一种基于小波修正贝叶斯卷积能量的水下机器人推进器故障诊断方法，包括以下步骤：

第一步，采集和记录水下机器人速度和推进器控制电压变化率等动态信号，采用长度为L₁的时域窗函数对动态信号进行截取；

第二步，对第一步所得的数据进行常规小波分解，获得小波近似分量s_A(n)，n为数据序号，n的取值范围为1～L₁之间的整数；

第三步，采用常规修正贝叶斯算法对第二步所得小波近似分量s_A(n)进行运算，结果为d_sA(n)，其中，修正贝叶斯步长为N₂，计算公式如公式(1)至公式(6)所示；

式(1)至(6)中，d_sA(n)为修正贝叶斯算法处理结果，n为数据序号，n的取值为1～L₁之间的整数；N₂为修正贝叶斯步长，N₂是4～L₁的任意正整数，j₁是一个临时变量，j₁＝1,2，…，N₂，s_A(n)为第二步所得小波近似分量，s_A0(n)为推进器无故障时水下机器人动态信号小波近似分量，N₃为一个较大的整数，为中间过程变量；

第四步，对修正贝叶斯计算结果d_sA(n)进行卷积计算，计算过程如公式(7)所示：

s_conv(n)＝d_sA(n)*d_sA(n) (7)