[发明专利]一种基于灰色预测模型的自主式水下机器人推进器弱故障程度预测方法

摘要

本发明提供一种基于灰色预测模型的自主式水下机器人推进器弱故障程度预测方法，在灰色背景值构造阶段，通过计算累加生成序列的紧邻积分作为灰色背景值；在白化方程求解阶段，通过原始序列预测值与原始序列实际值之间的差值确定预测残差最小的点，将预测误差最小的点对应的原始序列值作为白化方程解的初始值；在预测序列构造阶段，基于预测序列与原始序列的残差序列进行二次预测，基于二次预测得到的残差序列对原始序列的预测序列进行修正，使得预测结果具有可调整性。本发明解决预测AUV推进器弱故障程度时存在的预测误差较大的问题，对传统灰色方法中的灰色背景值构造方法、白化方程求解方法、预测序列构造方法分别进行改进。

主权项

一种基于灰色预测模型的自主式水下机器人推进器弱故障程度预测方法，其特征在于：包括如下步骤：步骤一：基于过程历史数据辨识结果得到当前推进器的弱故障程度；步骤二：累加生成：采用一次累加生成方法对步骤一得到的弱故障程度的原始数据进行处理，得到累加生成序列X(1)(k)：X(1)(k)=Σk=1nX(0)(i)]]>式中：X(0)(i)为原始序列，k代表数据序列中的第k个点，n为原始数据的数据长度，i代表原始数据中的第i个点；步骤三：构造灰色背景值：根据步骤二得到的累加生成序列X(1)(k)，构造灰色背景值Z(1)(k)；步骤四：构造灰色预测模型：根据步骤三得到的灰色背景值Z(1)(k)，构造灰色预测模型X(0)(k)+aZ(1)(k)＝u，式中：a为灰色发展系数，u为灰色作用量；步骤五：求解灰色预测模型的白化方程：根据步骤四得到的灰色预测模型，采用最小二乘方法，得到灰色发展系数a和灰色作用量u的值，并通过计算预测序列与原始序列的偏差，将偏差最小的点作为白化方程解的初始值，得到白化方程为：X^(1)(k+1)=[X(0)(l)-u/a]e-a(k-l+1)+u/a]]>式中：为k+1时刻累加序列的预测值，X(0)(l)为序列号为l的原始序列值，序列号l由式得到，且为原始序列的预测值，X(0)(i)为原始序列的真实值；步骤六：构造预测序列：采用累加序列的预测序列与累加序列原始值之间的偏差，预测累加序列的预测误差，基于该预测误差对原始预测结果进行修正，得到原始序列的预测序列为：X^(0)(k+1)==[1-ea][X(0)(l)-u/a]e-ak-sgn(ξ^(k+1))*|ξ^(k+1)|]]>式中：sgn为符号函数，为k+1时刻累加序列预测值与累加序列的差值，并由式所得。