基于神经网络的水下机器人推进器故障诊断

为提高水下机器人系统的总体可靠性,开展了推进器故障诊断研究。在三层BP神经网络的基础上,提出了一种改进的递归神经网络并推导了网络的训练算法。利用直航、转艏等试验对网络进行训练,将训练好的网络用于水下机器人运动建模,对比模型的输出与实际传感器测量值来获取残差,通过分析残差特性来提取故障诊断判据,进而进行推进器故障诊断。将提出的方法应用到仿真试验和海上试验中,得出了相应的试验结果。通过对试验结果的分析研究,验证了方法的有效性与可行性,同时也表明该方法在工程应用方面具有一定的参考意义。

水下机器人推进器故障信号诊断

水下机器人作业过程中,推进器会因为异物缠绕和桨叶受损而出现故障。传统推进器故障诊断方法,主要通过比较水下机器人运动状态的测量值和估计值之间的差别来诊断故障,诊断精度受水下机器人数学模型的影响较大,且无法在故障出现早期对运动状态影响较小时实现诊断。为实现推进器故障的早期诊断,提出了一种基于小波包变换和遗传算法优化BP神经网络的推进器故障诊断方法。首先,利用小波包变换对推进器电流信号进行分解,并计算分解后电流信号的能量谱;然后筛选在不同推进器故障状态下差别较明显的能量谱分量,组成表征推进器故障的特征向量。最后采用基于遗传算法优化的BP神经网络训练故障分类器,实现故障的识别。实验结果表明,上述方法能够有效利用推进器故障的瞬时特征,对水下机器人推进器故障诊断具有良好的效果。

基于小波最优重构尺度的AUV推进器故障检测方法

针对采用传统小波方法检测外部干扰下自主式水下机器人(AUV)推进器故障时存在的故障检测灵敏度较低问题,提出一种基于小波最优重构尺度确定的AUV推进器故障检测方法,基于小波Shannon熵的小波最优重构尺度确定方法确定离散多层小波分解后细节系数的最优重构尺度,目的是滤除外部干扰等与故障无关信号,并选择故障信息含量最多的最佳重构尺度进行小波单支重构以识别AUV推进器故障特征.AUV实验样机水池实验结果表明,与传统小波方法相比较,所提方法故障检测灵敏度提高了27.78%.

推进器饱和/故障下的无人艇固定时间指定性能容错控制

针对系统动态未知的无人艇(USV)在推进器故障与饱和约束下轨迹跟踪问题,本文提出一种基于固定时间扩张状态观测器的积分滑模容错控制方法.首先,构造固定时间扩张状态观测器,实现未知速度信息、集总未知非线性的准确估计.进而,通过引入一种新型设定时间性能函数,约束位姿跟踪误差,并利用误差转换函数将其转化为无约束误差动态系统.在此基础上,结合固定时间积分滑动模态与饱和补偿动态系统,设计固定时间控制策略,保证系统实际固定时间稳定且位姿跟踪误差严格位于指定范围内.最后,仿真验证所提出控制方法的有效性与优越性.

随机干扰下AUV推进器故障特征提取与融合

针对水下传感器自身噪声等随机干扰影响水下机器人推进器故障诊断结果的准确性问题,为降低随机干扰影响,提出了基于小波近似分量提取故障特征、基于控制信号变化率提取故障特征以及带有归一化处理的特征融合方法.将速度信号进行小波分解,对分解后的尺度系数进行小波重构得到小波近似分量;对控制信号进行求导,得到控制信号变化率.基于修正贝叶斯算法,分别从小波近似分量和控制信号变化率中提取故障特征.基于证据理论对提取到的两个单一特征进行融合,并将融合结果进行归一化处理.水下机器人实验样机的水池实验结果验证了所提方法的有效性.

带有推进器故障的船舶动力定位系统的鲁棒滑模容错控制

由于海洋工作环境具有复杂性和不可预测性,船舶动力定位系统的可靠性一直备受关注.针对带有推进器故障的船舶动力定位系统的鲁棒容错控制问题展开研究.首先,建立更一般且统一的推进器故障模型,该模型能全面描述推进器失效、卡死、中断3种故障情形;然后,设计一种不依赖故障检测模块(FDI)和故障信息上下界的自适应滑模控制器,其中自适应机制用于在线估计故障信息和未知外部扰动的上界,基于李雅普诺夫稳定性理论和滑模控制理论,所设计的自适应滑模控制器能保证船舶动力定位系统在有推进器故障发生和海洋环境外部有界扰动存在情况下的所有信号一致有界;最后,在一艘过驱动船舶模型上进行仿真,其结果验证了所设计方法的有效性.

MMU推进器布置的冗余设计和分配算法

美国和苏联现有的舱外载人机动装置(Manned Maneuvering Unit,MMU)推进系统设计均采用两套独立系统互为备份的方式,主系统故障后可以启动备用系统,但备用系统故障则无应对方案,因此制约航天员的安全性和舱外活动能力。文章在常规主备份推进模式基础上提出了应急推进模式,备份推进器发生故障后,根据失效发动机组相对位置关系采用不同应急策略,剩余有效推进器通过联合控制的方式保证航天员六自由度控制。经过可行性分析和仿真计算,证明了应急模式下MMU推进能力有一定降低,但能够为航天员返回提供动力,应急推进模式具有可行性。

星际线:姗姗来迟的载人首飞

北京时间6月5日22时52分,波音公司的星际线飞船在推迟多年后,冒着推进系统氦气泄漏等风险,开始执行首次载人任务。6月7日1时33分,星际线飞船克服漏气现象加剧、部分推进器故障等险情后,艰难地对接国际空间站。此次任务的正式名称是“乘员飞行测试”,星际线飞船按照最低载人配置,搭载了2名美国宇航局的资深航天员,开展完整任务流程测试后,将于7月运送2名航天员返回地球。那么星际线飞船有哪些亮点?其载人任务为何会一再推迟?这又带给载人航天事业哪些启示呢?

基于小波网络的水下机器人故障诊断研究

由于水下机器人系统的复杂性、不确定性及强非线性等使得对其建模异常困难,采用一种最小调整的小波神经网络对其进行运动建模以获得理想的建模效果.通过该网络的自学习,调节小波函数的伸缩因子与平移因子以及网络连接权值,既能以任意精度逼近函数的整体轮廓,也能捕捉函数的变化细节,使得函数的逼近效果较好.对比模型的输出与实际传感器测量值来生成残差,通过分析残差特性来提取故障诊断判据,进而完成推进器故障诊断.完成了推进器故障诊断的仿真试验,仿真结果验证了该方法的有效性和可行性.

基于模型预测控制的智能船舶容错控制策略

针对智能船舶在复杂海况下出现的推进器故障,提出一种基于模型预测控制(MPC)的智能船舶容错控制策略。该方法由控制器和推力分配算法共同控制,以保证所需的控制性能。设计非线性扰动观测器,提出一种带扰动观测器的MPC算法。结合推力分配算法,在船舶控制器与推力分配模块之间设计一种故障反馈结构,进而设计一种考虑推进器故障反馈的MPC律。以一艘Cyber ShipⅢ拖船模型为例开展仿真试验,结果表明提出的控制策略能使船舶在发生推进器故障时恢复到期望位置,具有较好的控制性能。