[发明专利]一种基于改进等距特征映射算法ISOMAP的水下机器人推进器故障诊断方法

摘要

本发明属于水下机器人故障诊断技术领域，具体涉及一种基于改进等距特征映射算法ISOMAP的水下机器人推进器故障诊断方法。该方法基于改进D‑S证据理论数据融合算法，将AUV运行过程中状态量和控制量进行融合，基于等距特征映射算法对融合后的数据进行特征提取，基于人工免疫算法对提取到的特征点进行故障检测，基于改进支持向量域算法对检测到的故障点进行故障程度辨识。本发明不仅能判断AUV推进器故障的有无，而且能从故障特征提取、故障检测、故障程度辨识方面全面地实现AUV推进器故障诊断，判断AUV推进器故障严重程度，提高了故障诊断的精度，特别适合应用于自主式水下机器人推进器的状态监测。

主权项

1.一种基于改进等距特征映射算法ISOMAP的水下机器人推进器故障诊断方法，具体包括如下步骤：(1)对AUV状态向量进行数据融合并构造AUV一维特征向量：计算AUV艏向角信号、控制电压信号及降噪后的纵向速度信号偏离自身期望值程度并得到三组一维向量；基于D‑S证据理论对上述三组一维向量进行数据融合，得到无故障运行状态下AUV特征的一维特征向量x0＝{x0i|i＝1,2,…,N}及故障状态下AUV特征的一维特征向量x＝{xi|i＝1,2,…,N}；(2)对AUV一维特征向量进行重构，得到AUV高维特征矩阵：基于相空间重构算法对无故障状态下AUV一维特征向量x0＝{x0i|i＝1,2,…,N}和故障状态下AUV一维特征向量x＝{xi|i＝1,2,…,N}进行重构，得到无故障状态下AUV的高维特征矩阵X0＝{X0i|X0i＝[x0i,x0i+τ,…,x0i+(m‑1)τ]T,i＝1,2,…,M}及故障状态下AUV的高维特征矩阵X＝{Xi|Xi＝[xi,xi+τ,…,xi+(m‑1)τ]T,i＝1,2,…,M}，其中m为嵌入维数，τ为延时量，M＝N‑(m‑1)τ；(3)特征点提取：基于ISOMAP算法分别对无故障状态下AUV高维特征矩阵X0＝{X0i|X0i＝[x0i,x0i+τ,…,x0i+(m‑1)τ]T,i＝1,2,…,M}和故障状态下AUV高维特征矩阵X＝{Xi|Xi＝[xi,xi+τ,…,xi+(m‑1)τ]T,i＝1,2,…,M}进行特征提取，得到无故障状态下AUV所对应的特征点集合D0＝{D0i,i＝1,2,…,M}及故障状态下AUV所对应的特征点集合D＝{Di,i＝1,2,…,M}；(4)生成检测器集合并进行故障检测：(4.1)对AUV无故障状态下提取到的特征点进行聚类，计算无故障自体集的半径rs大小；(4.2)基于人工免疫算法的否定选择算法对AUV无故障状态下提取到的特征点进行训练，生成检测器集合Z＝{Zi,i＝1,2,…,M}；(4.3)得到检测器集合后，使用得到的检测器集合对AUV故障状态下提取到的特征点进行故障检测，若特征点落入检测器范围内则表示该特征点为故障点，若特征点落入自体集范围内则表示该特征点无故障，据此判断特征点是否存在故障；(5)故障程度辨识，进行故障程度辨识：(5.1)基于支持向量域SVDD算法对已知故障程度的AUV特征点进行训练，得到故障超球大小与故障程度之间的函数关系；(5.2)对未知故障程度的AUV特征点进行故障检测后，基于SVDD算法对测到的故障点进行计算，得到该运行状态下所对应的故障超球半径；(5.3)根据故障超球半径与故障程度大小之间的已知关系，反推出故障程度的大小。