[發明專利]一種不完備建模移動機器人傳感器故障診斷方法

在審

• 申請號: 202110606326.9
• 申請日: 2021-06-01
• 公開（公告）號: CN113310503A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 段琢華
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: G01C25/00
• 分類號: G01C25/00;G01D18/00;G01S7/497
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種不完備建模移動機器人傳感器故障診斷方法，移動機器人為差速轉向的系統，配置有兩個編碼器、一個陀螺儀和一個二維激光雷達；已知故障模型包括正常、左輪編碼器故障、右輪編碼器故障以及陀螺儀故障等四種，通過構建殘差特征以及閾值邏輯對已知故障進行診斷；利用迭代最近點方法對前后兩次激光雷達數據進行配準，利用配準的誤差作為特征對未知故障進行檢測；連續多次出現未知故障被認為是新的故障模式，利用支持向量數據描述對新的故障模式進行建模。

技術領域

本發明涉及一種不完備建模移動機器人傳感器故障診斷方法，屬于移動機器人故障診斷技術領域。

背景技術

模型不完備條件下的故障診斷問題是一個具有挑戰性的難點問題。已有的故障診斷方法大多數要求建立完備的故障模型。然而，由于以下幾方面的原因，系統模型通常是不完備的：（1）人們沒有掌握復雜系統的全部規律，導致部分動態未備建模；（2）由于系統復雜度非常高，為了簡化計算，通常忽略了一些高階動態；（3）由于系統及其環境的動態變化，導致不可能對系統完備建模。

在現有技術中，段琢華等人提出了一種不完備多模型混合系統故障診斷的粒子濾波方法（參見，段琢華，蔡自興，于金霞；《不完備多模型混合系統故障診斷的粒子濾波算法》，自動化學報，2008年第5期581-587頁）。該方法提取了兩個基于粒子集合的統計量：粒子集的規格化因子W以及最大后驗概率估計狀態的信度B。在此基礎上設計了檢測未知故障模式的閾值邏輯，即當W幾乎為0且B較小時離散狀態為未知故障模式。該技術的主要缺點在于：該技術基于粒子集的規格化子W以及最大后驗概率估計狀態的信度B進行未知故障檢測，而粒子集的規格化因子依賴于粒子數目以及連續狀態轉移方程，難以定量地加以刻畫。

發明內容

一種不完備建模移動機器人傳感器故障診斷方法，移動機器人為差速轉向的系統，配置有兩個編碼器、一個陀螺儀和一個二維激光雷達；已知故障模型包括正常、左輪編碼器故障、右輪編碼器故障以及陀螺儀故障等四種，通過構建殘差特征以及閾值邏輯對已知故障進行診斷；利用迭代最近點方法對前后兩次激光雷達數據進行配準，利用配準的誤差作為特征對未知故障進行檢測；連續多次出現未知故障被認為是新的故障模式，利用支持向量數據描述對新的故障模式進行建模。

具體實現步驟如下：輸入：從1時刻到T時刻的左輪編碼器測量，右輪編碼器測量，陀螺儀測量，激光雷達掃描；

輸出：1時刻到T時刻的故障狀態，學習獲得的故障模型空間；

步驟1：構建已知故障模型空間={1，...，}，=4表示已知故障模型數目，故障1表示正常，故障2表示左輪編碼器故障，故障3表示右輪編碼器故障，故障4表示陀螺儀故障；

設置參數，，，，，，k，W, , 其中表示連續出現未知故障的次數，表示構建新故障模型所需樣本數目的最小值，表示編碼器故障閾值，表示陀螺儀故障閾值，表示未知故障判定閾值，初始化為空集，表示學習獲得的故障模型空間，k初始化為0，表示學習獲得的故障模型數目,W為連接移動機器人左右輪的軸長，為t-1到t時刻的時間間隔，t=1,；

步驟2：對于i=1,..., ，分別設=i，i=1,...,，，其中，，，，，，，，，，，；

步驟3：對于i=1,..., ，分別對經過以表示的平移向量和旋轉角度進行坐標變換得到點集對，利用迭代最近點方法對和進行配準，配準結果分別為，配準精度分別為，令；

步驟4：如果，轉步驟6，否則轉步驟5；

步驟5：，，，