[發明專利]基于融合信號時域能量與時頻熵的水下推進器故障程度辨識方法

有效

• 申請號: 201811609960.2
• 申請日: 2018-12-27
• 公開（公告）號: CN109683591B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 殷寶吉;張銘鈞;唐文獻;林溪;陳晨
• 申請（專利權）人: 江蘇科技大學;哈爾濱工程大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 唐紅

本發明公開一種基于融合信號時域能量與時頻熵的水下推進器故障程度辨識方法，將水下機器人速度信號故障信息、推進器控制信號故障信息等兩個單一方面的故障信息進行有機融合，進而得到更全面的融合故障信息，并從融合故障信息中提取時域能量、時頻熵等多域故障特征，用于構造故障樣本，最后基于支持向量域描述算法對故障樣本進行分類，得到水下推進器故障程度。本發明專利提取的故障特征與故障程度的映射關系唯一，且能夠實現推進器故障程度分類，分類精度達到95％以上。

技術領域

本發明屬于水下機器人推進器技術，具體涉及一種基于融合信號時域能量與時頻熵的水下推進器故障程度辨識方法。

背景技術

推進器是水下機器人動力系統的重要組成部分。推進器故障將引起水下機器人速度信號和推進器控制電壓信號等動態信號的改變，進而在動態信號中產生奇異行為。根據這一現象，本專利從動態信號奇異行為中提取故障特征，構造故障樣本，并基于故障樣本建立故障分類模型，診斷水下機器人故障程度。公知小波能量辨識方法，申請號為201410705681.1的中國專利，分別從水下機器人速度信號和推進器控制電壓信號兩個單一方面提取小波能量特征，用于推進器故障程度辨識，并未將兩種故障信息進行有機融合。此外，該種方法從信號時域和頻域提取故障特征，所得故障特征與故障程度的映射關系不唯一。

發明內容

發明目的：本發明的目的在于解決現有技術中存在的不足，提供一種基于融合信號時域能量與時頻熵的水下推進器故障程度辨識方法，將水下機器人速度信號故障信息、推進器控制信號故障信息等兩個單一方面的故障信息進行融合，并從融合特征中提取時域能量特征和時頻熵特征，用于構造故障樣本，最后基于支持向量域描述算法對故障樣本進行分類，得到水下推進器故障程度。

技術方案：本發明的一種基于融合信號時域能量與時頻熵的水下推進器故障程度辨識方法，包括以下步驟：

第一步，采用長度為L₁(例如可以取值300)的時間窗分別對水下機器人速度信號和推進器控制電壓變化率信號進行截取；

第二步，對第一步所得數據進行常規小波分解，提取小波近似分量，對小波近似分量進行常規修正貝葉斯運算，得到運算結果d_SA(n)，n為信號數據序號，n＝1，2，…，L₁；

第三步，以推進器在第n個時間節拍發生故障為焦元B_n，建立故障證據識別框架Θ＝{B₁,B₂,…,B_n}，通過公式(1)計算故障證據的可信度分配函數m(B_n)，再將m(B_n)實例化為速度信號故障證據的可信度分配函數m_U(B_n)、控制信號故障證據可信度分配函數m_C(B_n)，將m_U(B_n)、m_C(B_n)帶入公式(2)～(3)進行融合，得到融合信號故障證據可信度分配函數m_F(B_n)；

式中，d_SA(n)為水下機器人動態信號小波修正貝葉斯計算結果，i₁為臨時變量，i₁＝1，2，…，N₅，N₅為時間窗長度，即N₅＝L₁＝300，i₂和j₂為焦元序號，即取值為1～L₁的正整數，K₅為中間過程變量；

第四步，提取融合信號時域能量故障特征F_TP：