当前位置：文档之家 › 自主水下机器人的故障监测与诊断

自主水下机器人的故障监测与诊断

  • 格式：pdf
  • 大小：85.81 KB
  • 文档页数：1

电流值 ；泄露监 测通过 两排交 错 的软 ＰＣＢ通 过两 端 的通断 来判 断是 否漏水 ；温湿 度通过 传 感 器 ＳＨＴ７５测 量 ；气 压 通 过 Ｍ Ｓ５６１１—０ｌ模 块测 量；供 电系 统监测 主要 用于 监测 主要供 电模 块 的供 电是否 正常 ，其 通过 光 电耦合器 ＴＬＰ５２１来实现，工作原理如图 ２所示 。
电子技术 · Ｅｌｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｏｌｏｇｙ
自主水下机器人的故障监测与诊 断
文 ／白少 伟 石 恒 硕
表 １
机 测 的 行 从 态 台 水 拟 感 验 机 的 下 统
责 信 息 采 集 ，然 后 以 ＣＡＮ 总 线 的形 式 与 主 机
【关键词 】ＡＵＶ状态监 测 故 障诊 断 稳定性
２．２ 故 障 诊 断
障能够 及时的发现并定位其具体所在位置 ，迅 速 根据 预设程序执行保护动作 ，避免造成更大 的损失。对 自主式水 下机器人进行故 障诊断及 状 态 监 测 ，保 证 及 时 准 确地 发 现故 障 ，评 价 状 态，对 于提高其 自身的安全 、部件 的可靠 ，以 较 高的利用效率进行水下试验 、工作 等，都具 有现实 意义 。故障监测与 诊断是保证 ＡＵＶ 在 水下安全 工作 的重 要手段，其通过对 ＣＡＮ信 息读取来判 断 ＡＵＶ当前状态 ，以确保能实 时 地 探 测 ＡＵＶ 内外 环 境 的 有效 数 据 ，保 证 ＡＵＶ
表 ｌ为 实验 常 见故 障分类 、举例 与检 测
２故 障检测 与诊断系统
需要 的样 本 。
本 监 测 与 诊 断 系 统 主 要 包 含 实 时 监 测 与 故 障 诊 断 两 部 分 。
２．１监 测 系 统
监 测 系 统 主要 包 含 ： （１）电机状 态监测 ； （２） 供 电 系 统监 测 ； （３）温 湿 度 监 测 ； （４）舱 内气 压 监 测 ； （５）舱 体 泄 漏 监测 。
各监 测模块 均 由单 片机 ｄｓＰＩＣ３０Ｆ４０１１负
３结论
本 文 在 详 细 的介 绍 了基 于 硬 件 平 台 的 ＡＵＶ监测系 统的基础 上，通过 大量先验 实验 实 现 ＡＵＶ 的 故 障 诊 断 ， 最 后 对 ＡＵＶ 常 见 故 障进行 了梳理分类总结 ，通过上述故障分类可 以快速定位故 障以减少损失 。基于硬件平台 的 故 障 监测 与 诊 断 系 统 的 优 点 在 于其 实 时 、快 速 、 准 确 ， 适 合 用 于 ＡＵＶ 的 前 期 研 发 与 测 试 ；其 不 足 是 需 要测 试 设 备 过 多 ，使 系统 复杂 ，增 加 了成本。因此可 以将 该方法与其他诊 断方法相 结合，用 于 ＡＵＶ 的状态监测与诊断 。
进 行通 信 ，其 工 作 原 理 如 图 １所 示 。 其 中电机状态包括 当前转速、电机供 电电
流与电压 ，前者通过 电机 内部霍尔传感器进行
读取，后者通过 ＨＸＮ５０一Ｐ与 ＬＶ２５一Ｐ进行采集 ，
１引 言
后 由单片机 ４０１１进行 ＡＤ转换 输 出所 需 电压
由 于 自 主 水 下 机 器 人 功 能 复 杂 ， 内 部 传 感 器 模 块 众 多 ，导 致 其 底 层 电控 系 统 设 计 复 杂 多样 ，在保障系统各模块稳定工作互不干扰的 同 时又 要 考 虑 电控 系 统 的可 扩 展 性 和 通 用 性 。 一 个完善 的监测诊断系统可 以在复杂多变的海 况 中保证 ＡＵＶ 稳 定运 行，并且能探测 并记录 所 有科 考数据 ，完成 各项任务 。且一 旦发生故
参考文献
［１】昊娟 ．自主式水下机 器人推 进器与传感 器 多故 障诊 断技术研 究 ［Ｄ］．哈 尔滨 工程 大 学 ，２０１ｌ｜
［２］王玉 甲 ．水 下机 器人智能状态监 测系统研 究 ［Ｄ］．哈邓志 刚 ，朱大奇 ．基于单 片机 的 水 下机 器人传 感 器故 障检 测仪设 计 … ． 船 海 ＿Ｔ－程 ，２０ｉ ０，３９（０５）：２４１－２４ ５．
顺利的完成各项科考任务 。
诊 断部分 主要 通过大 量 的实验 数据分 析 总结 ，实验表 明部分故障可 以通过硬件电路监 测 ，如 误 接 地 故 障 ，漏 液 检 测 等 。 为 了细 化 故 障诊 断 ，其 中部 分 故 障 可 以通 过 分 析 实 际 的 模 拟量 ，例如与底层 电路故障紧密相连的电流电 压 可 结 合 具体 信 号 分 析 算 法 以检 测 分 析 ，对 故 障信 号进 行 定 性 与 定 位 。推 进 器 堵 转 和 电路 元 器件 的短路 同样会造成 电流激增 ，但其 电流波 形 的细节特征不 同，传统的硬件 电路监测难 以 甄别 ，需要大量实验数据的支持。
主机 ｉ ＣＡＮ总线
ｄｓＰＩＣ３ＯＦ４Ｏｌ１ ｌＩ／ｏ
电 机
状 态 监
测
舱 体
泄 嚣 ｊ盥
测
温
湿 度
监 测
舱 内
气 压 监
测
电 压
电 流 监
测
供 电 系
统 监
测
图 １：监 测系统框 架图二供 电监测模 块原理 图
图 ２： 工作 原 理 图
［４］刘乾 ，朱 大 奇 ．无人 水 下机 器人 推进 系 统故 障诊 断与容 错控 制 ［Ｊ］．系统仿 真 学 报 ，２０１ ０，２２（０１）：９６—１ ０１．
作者单位
中国海洋大学 山东省青 岛市 ２６６１ ００
１３６ ·电子技 术与 软件 工程 Ｅｌｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｆｔｗａｒｅ Ｅｎｇｉｎｅｅｒｉｎｇ

合集下载

水下机器人故障诊断方案

水下机器人故障诊断方案


（１０）
式中矿是噪声的方差，Ⅳ是各层小波系数个数。在应
用中，由于ＵＲ．Ｘ的光纤罗经和ＧＰＳ传感器信号的
信噪比偏低，而多普勒测速仪和深度计数据的信噪
偏高，故采用
Ａ＝ａｏ＂
（１１）
确定各信号的阈值，其中口的取值因原始信号的不
同而不同。
３．３ 小波基选择的标准
小波变换中需要选择小波基。小波基是不规则
的，不同小波基的波形形状、支撑范围和规则性都有
勺．‘＝∑ｈ，－ａｑ．１．¨
哆．ｔ＝∑ｇｓ＿９６Ｇ－Ｉ．．，＿『＝ｌ，２，…，，。 （８）
相应的信号重构算法为
‰．穹∑＾棚勺。·＋∑驰‰ｌ（９），
ｊ＝Ｊ，Ｊ—ｌ。…。ｌ。ｌ ３．２奇异性分析
若函数以髫）在某点间断或某阶导数不连续，则 称函数在该点具有奇异性。信号的局部奇异性常用 Ｌｉｐｓｃｈｉｔｚ（李普西兹）指数描述，即函数在某点的李 普西兹指数反映了该点奇异性的大小，李普西兹指 数越小，该点的奇异性越大，突变越明显。普通信号 的李普西兹指数大于零，而噪声信号的李普西兹指
１．５ ■１
｛ｏ．５
Ｏ
０
５００
１０００
如
图ｌ ＤＶＬ提供的纵向速度信息 Ｆｉｇ．１ Ｌｏｎｇｉｔｕｄｉｎａｌ ｖｅｌｏｃｉｔｙ ｓｉｇｎａｌ ｇｉｖｅｎ ｂｙ ＤＶＬ
Ｏ．１
絮ｏ．０５ 餐。
拶－０．０５
二一－Ｉ—ＪＪ。．山▲．．．山－。盥Ｊ． ¨。’ｒ１”２品Ｐ１ Ｔ丽１１１１７
℃
—０．１
小沽桑敬槿序列
万方数据
第２期
水下机器人故障诊断方案
的传感器配置如表ｌ所示。该ＵＲ的声视觉传感器 （６０１２成像声纳、３Ｄ成像声纳）和光视觉传感器 （，ｒ、ｒ摄像机）有相对独立的故障处理系统。因此，对 ＵＲ—Ｘ的传感器自主诊断主要针对非视觉传感器， 即光纤罗经、多普勒测速仪（ＤＶＬ）、测高声纳、定位 声纳、深度计和ＧＰｓ。
水下机器人的协同控制与故障诊断研究

水下机器人的协同控制与故障诊断研究

水下机器人的协同控制与故障诊断研究第一章水下机器人的概述水下机器人是一种能够在水下环境中执行任务的智能机器人。

由于水下环境的复杂性和特殊性，水下机器人的研究面临着很大的挑战。

水下机器人的协同控制和故障诊断是其中两个重要的研究方向。

本文将重点讨论水下机器人的协同控制和故障诊断。

第二章水下机器人的协同控制水下机器人的协同控制是指多个水下机器人之间的协同工作和协同决策。

在水下作业任务中，通常需要多个水下机器人协同合作，以完成复杂的任务。

协同控制的目标是实现水下机器人之间的协同工作和资源共享，提高作业效率和任务完成率。

2.1 协同控制的基本原理协同控制的基本原理是通过建立多机器人系统的模型和控制算法，实现机器人之间的信息交流和任务协调。

在水下机器人的协同控制中，可以使用分布式控制、集中式控制和混合控制等方法。

分布式控制是指每个水下机器人具有一定的独立决策能力，通过相互之间的通信和协调来实现系统级的目标。

集中式控制是指有一个中央控制器负责协调所有水下机器人的动作和任务分配。

混合控制是分布式控制和集中式控制的结合，既充分利用了每个机器人的独立决策能力，又通过中央控制器实现系统级的目标协调。

2.2 协同控制的关键技术实现水下机器人的协同控制需要解决一系列关键技术。

首先是机器人之间的通信技术，包括无线通信、声学通信和光学通信等。

通过建立可靠和高效的通信网络，实现机器人之间的信息交流和共享。

其次是任务分配和路径规划的算法。

在多机器人协同控制中，如何合理分配任务和规划路径是一个关键问题。

可以利用分布式算法、遗传算法和人工智能等方法来解决这个问题。

此外，交互式协同控制和动态协调也是协同控制的关键技术。

通过交互式协同控制，实现机器人之间的互动和决策共识。

动态协调是指在任务执行过程中，根据实时的环境信息和任务要求进行协同调整和决策。

第三章水下机器人的故障诊断水下机器人的故障诊断是指对机器人故障进行准确定位和诊断，以及采取相应的修复措施。

水下机器人故障诊断的五个问题

水下机器人故障诊断的五个问题

问题一：水下机器人系统的不确定性，滞后性是由什么原因造成的？
答：原因有水下机器人工作所在的复杂多变的深水环境，系统自身所存在的非线性等
问题二：水下机器人系统的故障检测有必要使用数据挖掘吗？
答：由于AUV的特殊工作情况，使用传统的故障检测方法很难从海量的系统数据中获得所需知识，而使用数据挖掘可以较好地完成这一任务。

问题三：使用灰色预测可以提高离群点检测的时效性，在论文中是如何体现的？答：这一问题体现在单独使用离群点检测，结合灰色预测的离群点检测算法各自平均运行时间的对比上，改进后，平均运行时间减少了近30%。

问题四：在有监督的故障诊断中，如何将无监督的故障检测与决策树分类算法结合起来？
答：在无监督的故障检测之后，对于已经判定为故障的数据进行决策树分类，从而实现了水下机器人系统快速、有效的故障诊断。

问题五：快速模式下，故障诊断的速度很快，这对系统故障诊断的准确性是否会有影响？
答：使用快速模式，对系统历史故障数据样本集要求比常规模式高，也就是说需要有训练成熟的IF-THEN规则库，仿真试验证明，在这种情况下，使用快速模式进行故障诊断的正确率可以满足系统的需要。

水下机器人的自主探测与目标识别技术研究

水下机器人的自主探测与目标识别技术研究

水下机器人的自主探测与目标识别技术研究水下机器人作为一种能够在水下环境中执行任务的机电一体化设备，被广泛应用于海洋勘探、海洋资源开发、海底考古等领域。

在这些任务中，水下机器人需要具备自主探测和目标识别的能力，以实现对海底环境和目标物体的准确感知和识别。

因此，水下机器人的自主探测与目标识别技术研究成为当前研究的热点之一。

水下机器人的自主探测包括对海底地形的感知和对潜在目标的跟踪与搜索。

对于海底地形的感知，水下机器人可以通过多种传感器来获取地形信息，如声纳传感器、激光雷达等。

声纳传感器是水下机器人最常用的感知器件之一，它能够通过发射声波并接收其反射回来的声波来实现对海底地形的高精度检测和三维重建。

而激光雷达则可以通过发射激光束并接收其反射回来的激光束来获取地形的几何信息。

通过结合多种传感器对海底地形进行感知，水下机器人可以获得更全面、准确的地形信息，从而为后续的任务执行提供依据。

目标识别是水下机器人的另一个重要能力，它是指机器人通过感知技术对海底目标物体进行分类、定位、识别等操作。

目标识别技术在水下机器人应用中的重要性不言而喻，只有能够准确识别目标物体，机器人才能够根据具体任务要求进行下一步的操作。

目前，水下机器人的目标识别技术主要包括视觉识别和声纳识别两个方面。

视觉识别是指通过图像处理和计算机视觉技术来识别海底目标物体。

相比于声纳识别，视觉识别具有分辨率高、信息丰富等优势。

在水下机器人的视觉识别中，主要应用了机器学习和深度学习等技术。

机器学习算法能够通过训练数据集来学习和识别不同的目标物体，从而实现对目标物体的自动分类和定位。

而深度学习算法则可以通过多层神经网络的结构和训练来提高目标识别的准确性和鲁棒性。

声纳识别是指通过声学信号处理和模式识别技术来识别海底目标物体。

声纳技术已经成为水下机器人中最重要的感知技术之一，它可以通过发送声波并接收回传的声波来获取海底目标物体的声学信息。

声纳信号的处理涉及到目标检测、目标定位、目标跟踪等方面。