基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法技术

本发明专利技术公开一种基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，步骤为：先依次获得多组推进器不同已知故障程度对应的已知模式矢量、标准模式矢量库、标准模式矢量之间的灰色关联度和相对灰色关联度和已知模式矢量与标准模式矢量之间的灰色关联度；然后基于灰色关联度边界约束，修正相对灰色关联度与故障程度的映射函数；获得推进器未知故障程度对应的未知模式矢量、未知模式矢量与标准模式矢量之间的灰色关联度等；判断推进器故障程度。当真实故障对应的故障模式矢量落在某个标准模式矢量点上时，辨识出该标准模式矢量所对应的标准故障程度；当真实故障对应的故障模式矢量落在两个标准模式矢量之间时，辨识出两个标准故障程度之间的具体值。

Identification method of underwater vehicle thruster fault degree based on Relative Grey correlation degree boundary constraint

The invention discloses a method for identifying the fault degree of underwater robot thrusters based on the boundary constraint of relative grey correlation degree. The steps are as follows: firstly, the grey correlation degree and relative grey correlation degree among known mode vectors, standard mode vector library and standard mode vectors corresponding to different fault degrees of multiple thrusters are obtained in turn. Then, based on the boundary constraint of grey relational degree, the mapping function between relative grey relational degree and fault degree is modified, and the grey relational degree between unknown mode vector, unknown mode vector and standard mode vector corresponding to unknown fault degree of propeller is obtained. Judge the degree of failure of the propeller. When the fault mode vector corresponding to the real fault falls on a standard mode vector point, the standard fault degree corresponding to the standard mode vector is identified; when the fault mode vector corresponding to the real fault falls between the two standard mode vectors, the specific value between the two standard fault degrees is identified.

【技术实现步骤摘要】
基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法
本专利技术属于水下机器人技术，涉及水下机器人推进器故障诊断方法，具体涉及一种基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法。
技术介绍
水下机器人工作在复杂海洋环境中，安全性是水下机器人研究和实用化过程中的重要研究内容之一。推进器是水下机器人负荷最重和最易发生故障的部件，研究水下机器人推进器的故障程度辨识技术，对提高水下机器人的安全性具有重要研究意义和实用价值。在推进器故障程度辨识方面，常用的故障程度辨识方法一般先建立故障程度分类模型，然后通过该模型辨识故障程度，其中，灰色关联分析方法是一种典型的故障程度辨识方法。灰色关联度分析是灰色系统理论进行系统分析的重要方法，它是根据系统各个因素之间的内部联系或发展态势的相似程度来度量因素之间关联度的方法。这种方法对数据的样本数量没有太多的要求，适合于水下机器人推进器正常样本多而真实故障样本少且获取困难的情况。然而，基于该方法进行推进器故障程度辨识的实践中发现：某一程度的推进器故障对应的故障模式矢量，落在数据库中两个标准模式矢量之间时，与其最接近的标准模式矢量对应的标准故障程度，将作为故障辨识结果。由于标准模式矢量是与故障程度对应的不同档位的离散值，因此，基于该方法故障程度只能辨识到离散的标准故障程度中的某一个档位，而难以在两个标准故障程度之间得到故障程度的具体值，从而降低了辨识精度
技术实现思路
专利技术目的：本专利技术的目的在于解决现有技术中存在的不足，提供基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，当真实故障对应的故障模式矢量落在某个标准模式矢量点上时，通过本专利技术能够辨识出该标准模式矢量所对应的标准故障程度；当真实故障对应的故障模式矢量落在两个标准模式矢量之间时，本专利技术能够辨识出两个标准故障程度之间的具体值。技术方案：本专利技术的一种基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，具体步骤依次如下：(1)获得多组推进器各自不同已知故障程度对应的已知模式矢量Ri；其中，Ri表示第i个已知模式矩阵，xij＝[xij1xij2…xijm]表示第i个已知模式矩阵中推进器第j种已知故障程度λj对应的已知模式矢量，xijk表示已知模式矢量中第k个故障特征值；i＝1,2,…,N，N为已知模式矩阵的个数；j＝1,2,…,n，n为故障模式数量，k＝1,2,…,m，m为一个故障模式矢量中故障特征值的个数；(2)对多组已知模式矢量Ri进行聚类分析得到标准模式矢量库R0；聚类分析的方法为：其中，x0j＝[x0j1x0j2…x0jm]称为标准模式矢量，标准模式矢量x0j对应的已知故障程度称为标准故障程度λ0j；即是指在标准模式矢量库R0中，每一种标准故障程度λ0j均有一个标准模式矢量x0j与之对应；(3)计算标准模式矢量之间的灰色关联度γ1j，计算相对灰色关联度γRab，建立相对灰色关联度与故障程度的映射函数；(4)计算已知模式矢量与标准模式矢量之间的灰色关联度，确定灰色关联度边界约束γ0jlim；(5)基于灰色关联度边界约束γ0jlim，修正相对灰色关联度与故障程度的映射函数；(6)获得推进器未知故障程度对应的未知模式矢量xU，xU＝[xU1xU2…xUm]；(7)计算未知模式矢量与标准模式矢量之间的灰色关联度，确定灰色关联度最大值γUM和第二大值γUS，对应的标准模式矢量分别为x0a和x0b。(8)判断，如果灰色关联度最大值γUM大于或等于灰色关联度边界约束γ0alim，那么灰色关联度最大值γUM对应的标准模式矢量x0a对应的标准故障程度λ0a，即为推进器故障程度；(9)判断，如果灰色关联度最大值γUM小于灰色关联度边界约束γ0alim，那么根据灰色关联度最大值γUM和第二大值γUS确定故障程度区间[λ0aλ0b]，计算相对灰色关联度γRMS＝γUM/γUS，并将相对灰色关联度带入计及边界约束的相对灰色关联度与故障程度映射函数，计算得到推进器故障程度，计算公式如下：其中，λU为故障程度辨识结果。进一步的，所述步骤(1)的具体方法为：先获取一组推进器不同已知故障程度对应的已知模式矢量，将已知模式矢量以数据矩阵形式表示，构成已知模式矩阵R1；然后重复此过程，获得多组推进器不同已知故障程度对应的已知模式矢量，最终构成多个已知模式矩阵Ri；其中，已知模式矩阵获取过程为：首先进行一组推进器故障水池实验，实验过程中，推进器分别为不同已知故障程度，提取不同已知故障程度下的不同种类的故障特征值，构成一个已知模式矩阵，然后与第一组实验相同实验参数条件下，重复此实验过程N次，获得N个已知模式矩阵；j＝1,2,…,n,n为故障模式数量。例如，若在实验中推进器已知故障程度分别为0％、10％、20％、30％、40％，则n＝5；k＝1,2,…,m，m为一个故障模式矢量中故障特征值的个数，若在实验中，对应于一种已知故障程度，分别从速度信号、控制信号、融合信号中各提取一个故障特征值来构成已知模式矢量，则m＝3；即n和m为整数值，根据实际需要选取，没有限定。进一步的，所述步骤(3)的具体方法为：(3.1)计算灰色关联度：(3.1.1)计算第一个标准模式矢量x01与标准模式矢量库R0中所有标准模式矢量x0j之间的灰色关联度：首先，计算灰色关联系数η1jk：其中，△x1jk＝|x01k-x0jk|，x01k为第1个标准模式矢量x01的第k个故障特征值，x0jk为第j个标准模式矢量x0j的第k个特征值，β为分辨系数，例如可以取β＝0.5。然后，计算灰色关联度γ1j：其中，γ1j为第1个标准模式矢量x01与第j个标准模式矢量x0j之间的灰色关联度；(3.1.2)重复步骤(3.1)，直至计算第j个标准模式矢量x0j与标准模式矢量库R0中所有标准模式矢量之间的灰色关联度；即，得到第1个标准模式矢量与所有标准模式矢量之间的灰色关联度之后，接下来依次计算第二个标准模式矢量、第三个标准模式矢量，…..，第j个标准模式矢量与所有标准模式矢量之间的灰色关联度；(3.2)计算相对灰色关联度：设在任意相邻两个标准模式矢量x0a和x0b之间存在推进器未知故障程度λU对应的未知模式矢量xU＝[xU1xU2…xUm]，且xU与x0a、x0b的灰色关联度分别为γUa和γUb，将灰色关联度γUa与γUb的比值称为相对灰色关联度γRab，即γRab＝γUa/γUb；x0a和x0b例如可以取值为10％和20％，或者20％和30％；其中γUa和γUb的计算方法为(3.1.1)；(3.3)建立相对灰色关联度与故障程度的映射函数：当xU＝x0a时，xU对x0a的灰色关联度等于x0a对x0a的灰色关联度γaa，xU对x0b的灰色关联度等于x0a对x0b的灰色关联度γab，此时，相对灰色关联度γRab＝γaa/γab，未知故障程度λU等于标准故障程度λ0a；当xU＝x0b时，xU对x0a的灰色关联度等于x0b对x0a的灰色关联度γba，xU对x0b的灰色关联度等于x0b对x0b的灰色关联度γbb，此时，相对灰色关联度γRab＝γba/γbb，未知故障程度λU等于标准故障程度λ0b；当xU位于x0a和x0b之间时，根据上述条件(即：当xU＝x0a时，γRab＝γ本文档来自技高网...

【技术保护点】
1.一种基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，其特征在于：具体步骤依次如下：(1)获得多组推进器各自不同已知故障程度对应的已知模式矢量Ri；

【技术特征摘要】
1.一种基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，其特征在于：具体步骤依次如下：(1)获得多组推进器各自不同已知故障程度对应的已知模式矢量Ri；其中，Ri表示第i个已知模式矩阵，xij＝[xij1xij2…xijm]表示第i个已知模式矩阵中推进器第j种已知故障程度λj对应的已知模式矢量，xijk表示已知模式矢量中第k个故障特征值；i＝1,2,…,N，N为已知模式矩阵的个数；j＝1,2,…,n，n为故障模式数量，k＝1,2,…,m，m为一个故障模式矢量中故障特征值的个数；(2)对多组已知模式矢量Ri进行聚类分析得到标准模式矢量库R0；聚类分析的方法为：其中，x0j＝[x0j1x0j2…x0jm]称为标准模式矢量，标准模式矢量x0j对应的已知故障程度称为标准故障程度λ0j；即是指在标准模式矢量库R0中，每一种标准故障程度λ0j均有一个标准模式矢量x0j与之对应；(3)计算标准模式矢量之间的灰色关联度γ1j，计算相对灰色关联度γRab，建立相对灰色关联度与故障程度的映射函数；(4)计算已知模式矢量与标准模式矢量之间的灰色关联度，确定灰色关联度边界约束γ0jlim；(5)基于灰色关联度边界约束γ0jlim，修正相对灰色关联度与故障程度的映射函数；(6)获得推进器未知故障程度对应的未知模式矢量xU，xU＝[xU1xU2…xUm]；(7)计算未知模式矢量与标准模式矢量之间的灰色关联度，确定灰色关联度最大值γUM和第二大值γUS，对应的标准模式矢量分别为x0a和x0b；(8)判断，如果灰色关联度最大值γUM大于或等于灰色关联度边界约束γ0alim，那么灰色关联度最大值γUM对应的标准模式矢量x0a对应的标准故障程度λ0a，即为推进器故障程度；(9)判断，如果灰色关联度最大值γUM小于灰色关联度边界约束γ0alim，那么根据灰色关联度最大值γUM和第二大值γUS确定故障程度区间[λ0aλ0b]，计算相对灰色关联度γRMS＝γUM/γUS，并将相对灰色关联度带入计及边界约束的相对灰色关联度与故障程度映射函数，计算得到推进器故障程度，计算公式如下：其中，λU为故障程度辨识结果。2.根据权利要求1所述的基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，其特征在于：所述步骤(1)的具体方法为：先获取一组推进器不同已知故障程度对应的已知模式矢量，将已知模式矢量以数据矩阵形式表示，构成已知模式矩阵R1；然后重复此过程，获得多组推进器不同已知故障程度对应的已知模式矢量，最终构成多个已知模式矩阵Ri；其中，已知模式矩阵获取过程为：首先进行一组推进器故障水池实验，实验过程中，推进器分别为不同已知故障程度，提取不同已知故障程度下的不同种类的故障特征值，构成一个已知模式矩阵，然后与第一组实验相同实验参数条件下，重复此实验过程N次，获得N个已知模式矩阵；j＝1,2,…,n,n为故障模式数量。3.根据权利要求1所述的基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法，其特征在于：所述步骤(3)的具体方法为：(3.1)计算灰色关联度：(3.1.1)计算第一个标准模式矢量x01与标准模式矢量库R0中所有标准模式矢量x0j之间的灰色关联度：首先，计算灰色关联系数η1jk：其中，△x1jk＝|x01k-x0jk|，x01k为第1个标准模式矢量...

【专利技术属性】
技术研发人员：殷宝吉，林溪，唐文献，张建，苏世杰，金志坤，汤文宁，李东昇，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏,32