传感器复合故障检测和分离方法、存储介质及电子设备技术

本发明专利技术提供一种传感器复合故障检测和分离方法、存储介质及电子设备。一种传感器复合故障检测和分离方法，包括：确定水下机器人的工作点，在所述工作点对运动模型进行线性化得到线性系统模型；根据所述线性系统模型建立辅助动态系统模型并进行状态增广，得到增广系统动态方程；针对每一故障类型，分别利用所述增广系统动态方程建立故障观测器；根据增广系统动态方程的输入和输出数据，得到各故障观测器的输出信号；利用预设残差评价函数及预设阈值对各故障观测器的输出信号进行评价，得到传感器复合故障的检测和分离结果。本发明专利技术解决了水下机器人传感器复合故障诊断问题。

【技术实现步骤摘要】
传感器复合故障检测和分离方法、存储介质及电子设备
本专利技术涉及水下机器人
，尤其涉及一种传感器复合故障检测和分离方法、存储介质及电子设备。
技术介绍
海洋占地球面积的71％，其内蕴藏着丰富的资源，水下机器人是进行海洋资源探测的重要装备。水下机器人长时间工作在水下环境中，一方面，由于水下环境的复杂性和不确定性以及海水的腐蚀等因素，水下机器人传感器容易发生故障，另一方面，在整个水下机器人控制系统中，传感器负责获取机器人相关运动和姿态信息，对水下机器人完成正常的作业任务具有重要作用。在此种情况下，一旦传感器发生故障，则其输出值不能再准确反映机器人实际状态，不仅可能导致作业任务无法完成，甚至导致整个系统瘫痪造成更大的损失。因此，对水下机器人传感器故障的检测和分离问题的研究具有重要意义。由于水下机器人不同传感器大多工作在相似的恶劣水下环境中，因此，不同传感器容易同时发生故障，导致多个故障复合发生，给故障分离带来困难。现有关于水下机器人传感器故障诊断方法多假设单个传感器发生故障，对多个传感器故障同时发生的情况无法有效处理。专本文档来自技高网...

【技术保护点】
1.一种传感器复合故障检测和分离方法，其特征在于，包括：/n确定水下机器人的工作点，在所述工作点对运动模型进行线性化得到线性系统模型；/n根据所述线性系统模型建立辅助动态系统模型并进行状态增广，得到增广系统动态方程；/n针对每一故障类型，分别利用所述增广系统动态方程建立故障观测器；/n根据增广系统动态方程的输入和输出数据，得到各故障观测器的输出信号；/n利用预设残差评价函数及预设阈值对各故障观测器的输出信号进行评价，得到传感器复合故障的检测和分离结果。/n

【技术特征摘要】
1.一种传感器复合故障检测和分离方法，其特征在于，包括：
确定水下机器人的工作点，在所述工作点对运动模型进行线性化得到线性系统模型；
根据所述线性系统模型建立辅助动态系统模型并进行状态增广，得到增广系统动态方程；
针对每一故障类型，分别利用所述增广系统动态方程建立故障观测器；
根据增广系统动态方程的输入和输出数据，得到各故障观测器的输出信号；
利用预设残差评价函数及预设阈值对各故障观测器的输出信号进行评价，得到传感器复合故障的检测和分离结果。


2.根据权利要求1所述的传感器复合故障检测和分离方法，其特征在于，所述根据所述线性系统模型建立辅助动态系统模型，包括：
将所述线性系统模型的输出作为所述辅助动态系统模型的输入，建立辅助动态系统模型，其中，所述线性系统模型的输出为传感器的量测输出。


3.根据权利要求1或2所述的传感器复合故障检测和分离方法，其特征在于，所述线性系统模型如下：






其中，x(t)为t时刻水下机器人的状态变量，u(t)为t时刻水下机器人的控制输入，y(t)为t时刻传感器的量测输出，A、B、Bd、C和Dd为线性系统模型的参数矩阵，且C为满秩矩阵，w(t)为t时刻的系统噪声，v(t)为t时刻的量测噪声，w(t)和v(t)为零均值高斯白噪声，Li为故障特征向量，mi(t)为t时刻的故障信号，l为故障类型数量。


4.根据权利要求1所述的传感器复合故障检测和分离方法，其特征在于，所述辅助动态系统模型如下：



ya(t)＝Caxa(t)
其中，xa(t)为辅助动态系统的状态变量，y(t)为传感器的量测输出，作为辅助动态系统的输入，ya(t)为辅助动态系统的输出，Aa和Ca为辅助动态系统的参数矩阵。


5.根据权利要求4所述的传感器复合故障检测和分离方法，其特征在于，所述增广系统动态方程按照如下方式得到：
令得到如下增广系统动态方程：






其中，为增广系统动态方程的参数矩阵，为增广的故障特征向量矩阵，n(t)为噪声矩阵，为增广系统动态方程的...

【专利技术属性】
技术研发人员：何潇，张召，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11