一种基于时频能量的水下推进器故障诊断系统及诊断方法技术方案

本发明专利技术公开了一种基于时频能量的水下推进器故障诊断系统及诊断方法，该诊断方法从水下机器人动态信号中得到时频功率谱中故障能量区域的时域边界，以及通过时频功率谱中时域边界内外的能量差，通过能量差曲线得到频域边界，用于将时域边界和频域边界内的时频功率谱的和作为水下推进器故障的时频能量故障特征，然后基于支持向量数据描述算法建立水下推进器故障分类模型，对故障样本进行分类，得到水下推进器故障程度。采用能量差曲线最大值所在位置为故障区域能量频域上边界，以其左侧局部极小值所在位置为故障能量区域频域下边界，这种方式不依赖于故障能量区域的具体频带特性，具有通用性，规避了小波基函数的选取，省时省力。力。力。

【技术实现步骤摘要】
一种基于时频能量的水下推进器故障诊断系统及诊断方法


[0001]本专利技术涉及水下机器人推进器故障诊断，具体是涉及一种基于时频能量的水下推进器故障诊断系统及诊断方法。

技术介绍

[0002]随着陆地资源日益枯竭，海洋资源开发需求逐渐增大。水下机器人是海洋资源开发中的重要装备。水下推进器是水下机器人的常用动力元件，由于水下推进器载荷重，水下推进器易发生故障。及时发现水下推进器的故障对保障水下作业任务的顺利进行以及水下机器人的安全具有重要意义。故障诊断是监测水下推进器运行状态的常用技术，水下推进器故障诊断可分为故障特征提取和故障样本分类两个方面。
[0003]现有技术中，申请号为201910001146.0，名称为“故障能量区域边界识别及特征提取方法”的中国专利申请，公开了一种水下推进器故障特征提取的方法，该专利在进行故障能量区域边界识别时，利用小波近似分量对应的频带来识别时频功率谱中故障能量区域的频域边界，对于水下推进器的故障诊断取得了良好的效果，但为选取合适的小波近似分量，首先需要根据故障能量区域的频带特性选取合适的小波基函数，由于不同工况下、不同推进器故障程度下，故障能量区域的频带特性均不相同，针对一种故障能量区域特性选取的小波基函数难以适用于其他故障能量区域的频域边界识别，而针对每一种故障能量区域都选取一个合适的小波基函数，费时费力。
[0004]又如，申请号为201811609960.2，名称为“基于融合信号时域能量与时频熵的水下推进器故障程度辨识方法”的中国专利申请，该专利采用原始故障特征构造故障样本，基于支持向量数据描述算法对故障样本进行分类。该方法在每种工况下都需有充足的训练样本。由于水下机器人在作业过程中，工况的变化是连续的，因此，将有无穷多种工况，导致为每一种工况都配备充足的训练样本是难以实现的。如果在拥有充足训练样本的工况下建立故障分类模型，然后将该故障分类模型应用于无训练样本的工况时，由于不同工况下的故障样本分布差异较大，导致故障分类模型在无训练样本工况下的分类精度较低。

技术实现思路

[0005]专利技术目的：针对以上缺点，本专利技术提供一种规避小波基函数选取，省时省力的基于时频能量的水下推进器故障迁移诊断系统。
[0006]本专利技术还提供一种基于时频能量的水下推进器故障诊断方法。
[0007]技术方案：为解决上述问题，本专利技术采用一种基于时频能量的水下推进器故障诊断系统，包括：信号采集模块，用于获取时间长度为L1的水下机器人动态信号；
[0008]时域边界计算模块，用于计算得到水下机器人动态信号时频功率谱中故障能量区域的时域边界；
[0009]频域边界计算模块，用于根据时频功率谱中时域边界内外的能量差，得到水下机器人动态信号时频功率谱中故障能量区域的频域边界，得到时频功率谱中时域边界内外的
能量差曲线，能量差曲线中能量差最大值对应的频率为故障能量区域的频域上边界F
U
，以能量差最大值所在位置为起点，沿着能量差曲线向左延伸至局部能量差极小值，局部能量差极小值对应的频率为故障能量区域的频域下边界F
L
；
[0010]故障特征计算模块，用于将时域边界和频域边界内的时频功率谱的和作为水下推进器故障的时频能量故障特征；
[0011]模型建立模块，用于将多组不同工况样本下对应的时频能量故障特征，基于支持向量数据描述算法建立水下推进器故障分类模型。
[0012]本专利技术还采用一种基于时频能量的水下推进器故障诊断系统的诊断方法，包括以下步骤：
[0013](1)获取时间长度为L1的水下机器人动态信号；
[0014](2)通过平滑伪维格纳
‑
威利分布算法得到水下机器人动态信号的时频功率谱SPWVD(n,m)，其中，n为时间节拍，n＝1,2,3,
…
,L1，m为频率轴序号，m＝1,2,3,
…
,N3；N3为频率轴划分区间数；
[0015](3)根据步骤(2)中时频功率谱SPWVD(n,m)得到瞬时功率谱熵曲线，并根据瞬时功率谱熵曲线得到故障能量区域的时域边界，其中，故障能量区域的时域下边界为T
L
，故障能量区域的时域上边界为T
U
；
[0016](4)在时频功率谱中划分时域下边界T
L
和时域上边界T
U
，并计算时频功率谱中时域边界内外的能量差：
[0017][0018]其中，t为时间节拍，i和k为频率轴序号；
[0019](5)确定时频功率谱中故障能量区域的频域边界：
[0020]根据步骤(4)得到能量差曲线，能量差曲线中能量差最大值对应的频率为故障能量区域的频域上边界F
U
，以能量差最大值所在位置为起点，沿着能量差曲线向左延伸至局部能量差极小值，局部能量差极小值对应的频率为故障能量区域的频域下边界F
L
；
[0021](6)将步骤(3)得到的时域边界和步骤(5)得到的频域边界内的时频功率谱的和作为水下推进器故障的时频能量故障特征：
[0022][0023]其中，F为时频能量故障特征，t为时间节拍，i为频率轴序号；
[0024](7)重复步骤(1)到步骤(6)，得到多组不同工况样本下的多组时频能量故障特征，然后基于支持向量数据描述算法建立水下推进器故障分类模型；
[0025](8)根据获取的水下机器人动态信号，得到当前工况下水下推进器的时频能量故障特征，根据步骤(7)的故障分类模型，对此时水下推进器的故障类型进行诊断。
[0026]进一步的，所述步骤(7)中包括对时频能量故障特征进行归一化处理，并利用归一化后的时频能量故障特征建立水下推进器故障分类模型，时频能量故障特征归一化处理为：
[0027][0028]其中，c表示某一工况，
c
F
λnor
表示c工况下归一化后的时频能量故障特征，
c
F
λ
表示c工况下对应于故障程度为λ时的原始时频能量故障特征，
c
F
min
表示c工况下原始时频能量故障特征最小值，
c
F
max
表示c工况下原始时频能量故障特征最大值，|
c
F
max
‑
c
F
min
|表示c工况下的归一化尺度。
[0029]进一步的，所述步骤(2)中时频功率谱SPWVD(n,m)的计算公式为：
[0030][0031]其中，SPWVD(n,m)为时频功率谱，h(k)为频域方向的平滑窗函数，k为函数自变量，k＝
‑
(L
‑
1)～(L
‑
1)，L为不大于(N3)/4的最大整数；g(l)为时域方向的平滑窗函数，l为函数自变量，l＝
‑
(M
‑
1)～(M...

【技术保护点】

【技术特征摘要】
1.一种基于时频能量的水下推进器故障诊断系统，其特征在于，包括：信号采集模块，用于获取时间长度为L1的水下机器人动态信号；时域边界计算模块，用于计算得到水下机器人动态信号时频功率谱中故障能量区域的时域边界；频域边界计算模块，用于根据时频功率谱中时域边界内外的能量差，得到水下机器人动态信号时频功率谱中故障能量区域的频域边界，得到时频功率谱中时域边界内外的能量差曲线，能量差曲线中能量差最大值对应的频率为故障能量区域的频域上边界F
U
，以能量差最大值所在位置为起点，沿着能量差曲线向左延伸至局部能量差极小值，局部能量差极小值对应的频率为故障能量区域的频域下边界F
L
；故障特征计算模块，用于将时域边界和频域边界内的时频功率谱的和作为水下推进器故障的时频能量故障特征；模型建立模块，用于将多组不同工况样本下对应的时频能量故障特征，基于支持向量数据描述算法建立水下推进器故障分类模型。2.一种根据权利要求1所述的基于时频能量的水下推进器故障诊断系统的诊断方法，其特征在于，包括以下步骤：(1)获取时间长度为L1的水下机器人动态信号；(2)通过平滑伪维格纳
‑
威利分布算法得到水下机器人动态信号的时频功率谱SPWVD(n,m)，其中，n为时间节拍，n＝1,2,3,
…
,L1，m为频率轴序号，m＝1,2,3,
…
,N3；N3为频率轴划分区间数；(3)根据步骤(2)中时频功率谱SPWVD(n,m)得到瞬时功率谱熵曲线，并根据瞬时功率谱熵曲线得到故障能量区域的时域边界，其中，故障能量区域的时域下边界为T
L
，故障能量区域的时域上边界为T
U
；(4)在时频功率谱中划分时域下边界T
L
和时域上边界T
U
，并计算时频功率谱中时域边界内外的能量差：其中，t为时间节拍，i和k为频率轴序号；(5)确定时频功率谱中故障能量区域的频域边界：根据步骤(4)得到能量差曲线，能量差曲线中能量差最大值对应的频率为故障能量区域的频域上边界F
U
，以能量差最大值所在位置为起点，沿着能量差曲线向左延伸至局部能量差极小值，局部能量差极小值对应的频率为故障能量区域的频域下边界F
L
；(6)将步骤(3)得到的时域边界和步骤(5)得到的频域边界内的时频功率谱的和作为水下推进器故障的时频能量故障特征：其中，F为时频能量故障特征，t为时间节拍，i为频率轴序号；(7)重复步骤(1)到步骤(6)，得到多组不同工况样本下的多组时频能量故障特征，然后基于支持向量数据描述算法建立水下推进器故障分类模型；
(8)根据获取的水下机器人动态信号，得到当前工况下水下推进器的时频能量故障特征，根据步骤(7)的故障分类模型，对此时水下推进器的故障类型进行诊断。3.根据权利要求2所述的水下推进器故障诊断方法，其特征在于，所述步骤(7)中包括对时频能量故障特征进行归一化处理，并利用归一化后的时频能量故障特征建立水下推进器故障分类模型，时频能量故障特征归一化处理为：其中，c表示某一工况，
c
F
λnor
表示c工况下归一化后的时频能量故障特征，
c
F
λ
表示c工况下对应于故障程度为λ时的原始时频能量故障特征，
c
F
min
表示c工况下原始时频能量故障特征最小值，
c
F
max
...

【专利技术属性】
技术研发人员：殷宝吉，王子威，叶福民，金志坤，张建，成诗豪，颜静，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：