一種適用于故障程度較弱的情況下水下機器人推進器故障程度辨識方法、系統及程序產品

本發明說屬于涉及水下機器人故障診斷領域，具體涉及一種適用于故障程度較弱的情況下水下機器人推進器故障程度辨識方法、系統及程序產品。

背景技術：

1、由于可以在復雜海洋環境下自由地航行，水下機器人有著較為廣泛的應用，例如，水下探測、水下搜索以及自主作業等。可靠地進行故障診斷是保障水下機器人能順利完成作業任務的重要一環，故障特征提取是故障診斷的重要組成部分。在現有的故障特征提取方法中，學者針對多個信號，采用神經網絡和支持向量機等方法，對故障程度進行分類，或者采用加權灰色關聯方法對故障程度進行定量辨識。

2、現有的故障程度辨識方法，如神經網絡和支持向量機方法，只能對故障程度進行分類，無法進行定量分析，加權灰色關聯方法雖然能夠對故障程度進行定量辨識，但由于該方法提取標準差等故障特征，在弱故障情況下受海流干擾影響較大，因此在弱故障情況下辨識精度較低。針對上述問題，申請人研究首先在時域和頻域內求得多個故障導致的推力損失，然后求得推力損失的概率密度分布，得到時域和頻域故障程度概率密度曲線，最后融合兩條概率密度曲線，得到最終概率密度曲線，基于最終概率密度曲線辨識故障程度，解決典型方法存在的問題，因此該研究是有意義的。

技術實現思路

1、本發明的目的在于提供了一種適用于故障程度較弱的情況下水下機器人推進器故障程度辨識方法、系統及程序產品。能夠在海流環境下，故障程度較低時，對水下機器人推進器進行故障程度辨識，具有較高的辨識精度。

2、本發明的目的通過如下技術方案來實現：

3、本發明一種適用于水下機器人推進器故障程度辨識方法，包括以下步驟：

4、步驟1：針對已知故障程度數據，基于艏向角和側向推進器控制電壓根據水下機器人動力學模型求得推力偏差曲線，采用差值方法基于推力偏差曲線求得多個時域推力損失，基于推力損失采用核密度估計方法求得推力損失概率密度曲線，并求得時域推力損失基準；

5、步驟2：針對待辨識故障程度數據，基于艏向角和側向推進器控制電壓根據水下機器人動力學模型求得推力偏差曲線，采用差值方法基于推力偏差曲線求得多個時域推力損失，基于推力損失采用核密度估計方法求得推力損失概率密度曲線，并基于時域內已知故障程度推力損失基準求得時域故障程度概率密度曲線；

6、步驟3：針對已知故障程度數據，采用多時間窗滑動傅里葉變換方法基于推力偏差曲線求得多個頻域推力損失，得到頻域推力損失基準；

7、步驟4：針對待辨識故障程度數據，采用差值方法基于推力偏差曲線求得多個頻域推力損失，并基于頻域內推力損失基準求得頻域故障程度概率密度曲線；

8、步驟5：結合步驟2和4得到的結果，采用相同位置平均的方法融合時域和頻域故障程度概率密度曲線，得到最終故障程度概率密度曲線，并基于該曲線辨識故障程度。

9、一種計算機裝置/設備/系統，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執行所述計算機程序以實現一種適用于故障程度較弱的情況下水下機器人推進器故障程度辨識方法的步驟。

10、一種計算機程序產品，包括計算機程序/指令，該計算機程序/指令被處理器執行時實現一種適用于故障程度較弱的情況下水下機器人推進器故障程度辨識方法的步驟。

11、本發明的有益效果在于：

12、本發明與現有技術相比的有益效果主要體現在：現有的故障程度辨識方法未考慮海流等隨機干擾的影響，因此故障信號在弱故障情況下，受海流等干擾明顯，故障程度辨識精度較低。針對此研究背景，本發明專利提出了一種基于概率密度分布的故障程度辨識方法，為降低海流等隨機干擾的影響，首先在時域和頻域內分別采用差值和多時間窗滑動傅里葉變換方法求得多個推力損失，然后基于推力損失的概率密度分布，求得時域和頻域故障程度概率密度曲線，最后采用相同位置平均的方法進行融合，得到最終故障程度概率密度曲線并辨識故障程度，降低隨機干擾造成的不確定性，提高故障程度辨識的精度。

技術特征：

1.一種適用于水下機器人推進器故障程度辨識方法，其特征在于：包括以下步驟：

2.根據權利要求1所述的一種適用于水下機器人推進器故障程度辨識方法，其特征在于：所述步驟1具體為：

3.根據權利要求2所述的一種適用于水下機器人推進器故障程度辨識方法，其特征在于：所述步驟2根據公式(1-5)，求得其推力損失概率密度曲線并根據公式(6)求得該曲線波峰位置對應的推力損失大小tdmi；

4.根據權利要求1所述的一種適用于水下機器人推進器故障程度辨識方法，其特征在于：所述步驟3具體為：

5.根據權利要求4所述的一種適用于水下機器人推進器故障程度辨識方法，其特征在于：所述步驟4基于待辨識數據推力偏差曲線，根據公式(9)和(10)，求得多個推力損失tdf′(u)；

6.根據權利要求1所述的一種適用于水下機器人推進器故障程度辨識方法，其特征在于：所述步驟5分別對時域和頻域內得到的概率密度曲線進行歸一化處理，使處理后的每條曲線的概率密度總和為1，如公式(12)所示：

7.一種計算機裝置/設備/系統，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于：所述處理器執行所述計算機程序以實現權利要求1至6中任一項所述方法的步驟。

8.一種計算機程序產品，包括計算機程序/指令，其特征在于：該計算機程序/指令被處理器執行時實現權利要求1至6中任一項所述方法的步驟。

技術總結
本發明公開了一種適用于故障程度較弱的情況下水下機器人推進器故障程度辨識方法、系統及程序產品，屬于水下機器人故障診斷技術領域。本發明首先基于根據艏向角和側向推進器控制電壓求得推力偏差曲線，再根據曲線的不同部分，在時域和頻域分別采用差值和多時間窗滑動傅里葉變換方法，求得多個推力損失；然后引入核密度估計方法基于時域和頻域求得的推力損失，分別求得時域和頻域故障程度概率密度曲線；最后采用相同位置平均的方法進行融合，基于融合后的故障程度概率密度曲線辨識故障程度。本發明可以達到較高的辨識精度，特別適合應用于海流環境下和故障程度較弱的情況下進行故障程度辨識。

技術研發人員：張銘鈞,蓋寧,劉星,姚峰,李佶桃,耿博,周志祥
受保護的技術使用者：哈爾濱工程大學
技術研發日：
技術公布日：2025/3/13