基于多核模型的水下机器人推进器状态监测方法技术

技术编号:26650177 阅读:32 留言:0更新日期:2020-12-09 00:42
本发明专利技术公开了一种基于多核模型的水下机器人推进器状态监测方法,分别以不同故障等级对应的训练样本作为目标样本,分别训练多个超球模型,然后以目标等级之外的其他故障等级对应的训练样本作为非目标样本,计算监测系数,建立多个单核辨识模型,最终,将多个单核辨识模型集成为一个多核辨识模型。本发明专利技术中某一故障等级对应的训练样本,在不同阶段,分别作为目标样本或非目标样本,使得故障样本信息得到充分利用,辨识精度得到提高。

【技术实现步骤摘要】
基于多核模型的水下机器人推进器状态监测方法
本专利技术涉及水下机器人推进器状态监测方法,具体涉及一种基于多核模型的水下机器人推进器状态监测方法。
技术介绍
随着人们对海洋资源开发和利用力度的加大,水下机器人相关
得到了迅速的发展,推进器作为水下机器人的核心部件,对水下机器人正常工作起着关键性的作用,所以,对水下机器人推进器的相关研究应运而生。其中,较为重要的是水下机器人推进器状态监测技术。通过监测水下机器人推进器,实时的反映各个推进器的工作状态,进而保证水下机器人能顺利完成作业并回收。所以,对水下机器人推进器的状态监测至关重要。中国专利201710185935.5公开了一种基于模糊支持向量域描述的水下机器人状态监测方法,以推进器正常工作时的故障样本作为目标样本,并在目标样本中引入故障样本模糊隶属度系数,训练超球,建立状态监测模型,然后,以推进器运行状态待测时的故障样本作为待测样本,并在待测样本中引入模糊隶属度系数,将待测样本带入监测模型,监测水下机器人推进器运行状态。该专利不仅能够判断推进器是否发生故障,而且能够判断推进器故障严重本文档来自技高网...

【技术保护点】
1.一种基于多核模型的水下机器人推进器状态监测方法,其特征在于,包括以下步骤:/n(1)从水下机器人监测信号中提取推进器故障特征x

【技术特征摘要】
1.一种基于多核模型的水下机器人推进器状态监测方法,其特征在于,包括以下步骤:
(1)从水下机器人监测信号中提取推进器故障特征x1,x2,…,xN,故障特征构成故障样本,X=[x1x2…xN],获得M种故障级别的故障样本,故障等级分别为I、II、III、…、M,对应的故障程度分别为λI、λII、λIII、…、λM,并将其分为训练样本与测试样本;
(2)计算不同故障等级故障样本第一特征x1的最大值、平均值和最小值;
(3)以故障等级I对应的训练样本作为目标样本,以其余故障等级对应的训练样本作为非目标样本,建立模糊隶属度函数;
(4)根据模糊隶属度函数S(X)计算所有训练样本的模糊隶属度系数sIi,根据目标样本及其模糊隶属度系数sI1训练超球模型I,得到球心CI和半径RI,计算非目标样本到球心CI的广义距离DIi,根据非目标样本的广义距离DIi计算监测系数,计算故障等级I~M对应的训练样本监测系数的平均值εI1A~εIMA,建立监测系数和故障程度的映射函数,即得到以故障等级I对应的训练样本为目标样本建立的单核辨识模型I;
(5)依次以故障等级II,III,IV,…,M对应的训练样本为目标样本,建立模糊隶属度函数,根据步骤(4)得到分别以故障等级II,III,IV,…,M对应的训练样本为目标样本建立的单核辨识模型II,III,IV,…,M,多个单核辨识模型I~M共同构成一个多核辨识模型;
(6)建立测试样本XU=[xU1xU2…xUN],测试样本故障程度为λU,将测试样本模糊隶属度系数siU以及超球模型I~M中的模糊隶属度系数sij都设置为零,计算测试样本到超球模型I~M的广义距离DiU,根据获得的广义距离DiU和与对应超球模型的半径的比值确定测试样本故障程度为λU=λi;
(7)根据测试样本第一特征xU1确定故障程度区间;
(8)在故障程度区间内,将测试样本第一特征xU1带入相应模糊隶属度函数S(X)计算测试样本的模糊隶属度系数siU,计算测试样本到超球模型I~M的监测系数εIU,εIIU,…,εM,将监测系数带入相应的单核辨识模型I~M,得到多个故障程度辨识结果λIU,λIIU,…,λMU,求取λIU~λMU的平均值得到最终辨识结果。


2.根据权利要求1所述的基于多核模型的水下机器人推进器状态监测方法,其特征在于,所述步骤(1)中第一特征x1是对故障程度最敏感的故障特征,故障等级I对应的是推进器正常工作。


3.根据权利要求1所述的基于多核模型的水下机器人推进器状态监测方法,其特征在于,所述步骤(2)中故障等级I,故障样本第一特征xI1的最大值为xI1H,最小值为xI1L,平均值为xI1A;故障等级II,故障样本第一特征xII1的最大值为xII1H,最小值为xII1L,平均值为xII1A;……;故障等级M,故障样本第一特征xM1的最大值为xM1H,最小值为xM1L,平均值为xM1A。


4.根据权利要求1所述的基于多核模型的水下机器人推进器状态监测方法,其特征在于,所述步骤(3)中建立模糊隶属度函数如下:



其中,L=xI1H,H=xM1L。


5.根据权利要求1所述的基于多核模型的水下机器人推进器状态监测方法,其特征在于,所述步骤(4)具体为:
基于目标样本及其模糊隶属度系数sI1训练超球模型I,得到球心CI和半径RI,计...

【专利技术属性】
技术研发人员:殷宝吉周佳惠唐文献苏世杰张建朱华伦
申请(专利权)人:江苏科技大学
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1