E1man神经网络水下机器人对推进器故障的诊断

为保证自主式水下机器人在高压、可见度差的未知海洋环境下顺利完成作业任务，必须要求水下机器人具有应付突发事件的能力，具有自动诊断的能力。本文用递归的Elman神经网络来建立水下机器人的运动模型，并采用开环随机训练与闭环顺序训练两步学习方法，加快神经网络的收敛速度，提高神经网络的精度，然后通过比较模型的输出与实际测量值来产生残差，从而进行推力器故障诊断。仿真结果表明Elman神经网络给出了精度较高的水下机器人的运动状态，该Elman神经网络可以准确地诊断推力器故障以及故障发生的时间。