[發明專利]基于小波修正貝葉斯卷積能量的水下機器人推進器故障診斷方法

在審

• 申請號: 201811609963.6
• 申請日: 2018-12-27
• 公開（公告）號: CN109696906A
• 公開（公告）日: 2019-04-30
• 發明（設計）人: 殷寶吉;金志坤;唐文獻;林溪;朱華倫;戴名強;周佳惠
• 申請（專利權）人: 江蘇科技大學
• 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小波修正貝葉斯卷積能量的水下機器人推進器故障診斷方法，基于小波分解降低信號中隨機噪聲干擾的影響，基于修正貝葉斯算法增強動態信號奇異行為幅值，基于卷積計算減小動態信號奇異行為的波動性，并以動態信號中的極小值位置作為能量區域邊界，提取能量故障特征，基于同態變換對故障特征和故障分類進行協調，最后基于支持向量域描述算法實現推進器故障程度分類。本專利方法的故障程度分類精度受修正貝斯步長影響較小，分類精度為100％。

技術領域

本發明屬于水下機器人故障診斷技術，具體涉及一種基于小波修正貝葉斯卷積能量的水下機器人推進器故障診斷方法。

背景技術

水下機器人在推進器的推力作用下進行運動。當推進器發生故障時，水下機器人速度信號、推進器控制電壓變化率信號等動態信號通常會產生奇異行為，且推進器故障程度越大，奇異行為所含有的能量越大。據此可以提取能量故障特征，用于推進器故障診斷。

公知信號幅值平方和方法是一種常用的能量特征提取方法，該公知方法將奇異行為區域的信號幅值進行平方后再求和。采用公知方法提取能量故障特征的過程中，遇到如下問題：水下機器人動態信號奇異行為幅值較為微弱，需要進行增強；信號中的隨機噪聲干擾影響故障能量特征的大小；動態信號奇異行為波動性較強，影響故障能量區域的邊界識別。

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，提供一種基于小波修正貝葉斯卷積能量的水下機器人推進器故障診斷方法，基于小波分解降低信號中隨機噪聲干擾的影響，基于修正貝葉斯算法增強動態信號奇異行為幅值，基于卷積計算減小動態信號奇異行為的波動性，并以動態信號中的極小值位置作為能量區域邊界，提取能量故障特征，基于同態變換對故障特征和故障分類進行協調，最后基于支持向量域算法實現推進器故障程度分類。

技術方案：本發明的一種基于小波修正貝葉斯卷積能量的水下機器人推進器故障診斷方法，包括以下步驟：

第一步，采集和記錄水下機器人速度和推進器控制電壓變化率等動態信號，采用長度為L₁的時域窗函數對動態信號進行截取；

第二步，對第一步所得的數據進行常規小波分解，獲得小波近似分量s_A(n)，n為數據序號，n的取值范圍為1～L₁之間的整數；

第三步，采用常規修正貝葉斯算法對第二步所得小波近似分量s_A(n)進行運算，結果為d_sA(n)，其中，修正貝葉斯步長為N₂，計算公式如公式(1)至公式(6)所示；

式(1)至(6)中，d_sA(n)為修正貝葉斯算法處理結果，n為數據序號，n的取值為1～L₁之間的整數；N₂為修正貝葉斯步長，N₂是4～L₁的任意正整數，j₁是一個臨時變量，j₁＝1,2，…，N₂，s_A(n)為第二步所得小波近似分量，s_A0(n)為推進器無故障時水下機器人動態信號小波近似分量，N₃為一個較大的整數，為中間過程變量；

第四步，對修正貝葉斯計算結果d_sA(n)進行卷積計算，計算過程如公式(7)所示：

s_conv(n)＝d_sA(n)*d_sA(n) (7)