[發明專利]基于模糊支持向量域描述的水下機器人狀態監測方法

有效

• 申請號: 201710185935.5
• 申請日: 2017-03-27
• 公開（公告）號: CN107132760B
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 張銘鈞;殷寶吉;謝建國;鮑林;王連強
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于模糊支持向量域描述的水下機器人狀態監測方法，其特征在于：

(1)構造目標樣本

基于修正貝葉斯分類算法分別從推進器正常工作時的AUV縱向速度信號小波近似分量和推進器控制信號中提取特征信息，得到速度信號故障特征X_S＝{x_Si}和控制信號故障特征X_C＝{x_Ci}，其中，i＝1,2,…,N₁，N₁為這一組特征值中的節拍個數；

基于上述兩組故障特征建立目標樣本集X＝{x_i}，目標樣本集X中共有N₁個目標樣本，且目標樣本x_i＝[x_Si x_Ci]^T；

基于模糊隸屬度函數s_xi＝S(x_Ci)計算目標樣本x_i的模糊隸屬度系數s_xi，然后將目標樣本集擴展為S_X＝{(x_i,s_xi)}的形式；

(2)建立FSVDD監測模型

對公式進行優化計算，其中：s_xi是目標樣本x_i的模糊隸屬度系數，約束條件為0≤α_i≤C，K(x_i,x_j)為核函數，C為懲罰系數，得到全局最優解α＝{α_i}，i＝1,2,…,N₁，其中：多數α_i＝0，少數α_i>0，這部分不為零的α_i對應的目標樣本為支持向量，用x_svi表示；

計算得到FSVDD超球的半徑為：

全局最優解α＝{α_i}、支持向量x_svi、超球半徑共同構成了FSVDD監測模型；

(3)構造待測樣本

基于修正貝葉斯分類算法分別從推進器運行狀態待測時的AUV縱向速度信號小波近似分量和推進器控制信號中提取特征信息，得到速度信號故障特征Z_S＝{z_Si}和控制信號故障特征Z_C＝{z_Ci}，其中，i＝1,2,…,N₂，N₂為這一組特征值中的節拍個數；

基于上述兩組特征信息建立待測樣本集Z＝{z_i}，其中待測樣本z_i＝[z_Si z_Ci]^T；

基于模糊隸屬度函數s_zi＝S(z_Ci)計算待測樣本z_i的模糊隸屬度系數s_zi，然后將待測樣本集擴展為S_Z＝{(z_i,s_zi)}的形式，其中，i＝1,2,…,N₂；

(4)計算監測系數

待測樣本(z_i,s_zi)到超球球心的廣義距離為：

其中：K(z_i,x_i)是核函數，

監測系數為：

其中：為FSVDD超球的半徑；

(5)判別AUV推進器運行狀態

通過監測系數判斷AUV推進器運行狀態，當時，表示推進器工作狀態正常；當時，表示推進器發生故障，且越大，推進器故障程度越嚴重。

2.根據權利要求1所述的基于模糊支持向量域描述的水下機器人狀態監測方法，其特征在于：在提取AUV縱向速度信號小波近似分量時，小波分解層數為3，小波基函數為DB4小波。

3.根據權利要求1所述的基于模糊支持向量域描述的水下機器人狀態監測方法，其特征在于：模糊隸屬度函數為：

式中：x_Ci為控制信號特征值，b₁＝13.5，b₂＝500。