一种基于改进动态灰色预测的水下滑翔机故障诊断方法技术

本发明专利技术涉及一种基于改进动态灰色预测的水下滑翔机故障诊断方法，针对水下滑翔机的传感器故障，采用改进后的动态灰色预测方法对传感器数据进行在线预测，通过分析预测值与实际值的误差大小来判断传感器是否发生故障，以便及时发现故障并采取相应的应急措施。该方法可以在故障发生初期及时进行故障报警，在最大程度上降低传感器故障带来的各种损失。度上降低传感器故障带来的各种损失。度上降低传感器故障带来的各种损失。

【技术实现步骤摘要】
一种基于改进动态灰色预测的水下滑翔机故障诊断方法


[0001]本专利技术涉及一种水下滑翔机的故障诊断方法，具体说是一种基于改进的动态灰色预测的水下滑翔机多传感器融合故障诊断方法。

技术介绍

[0002]水下滑翔机的概念最早由Stommel(1989)提出，并引起了广泛的关注。一般来说，这种滑翔机被设计成没有外部推进的带翼水下航行器。该滑翔机通过调节可动内部滑块的位置来改变姿态，通过调节净浮力来实现上下运动。此外，施加在机翼上的水动力使滑翔机向前移动。由于水下滑翔机能耗低，能够执行远距离和长时间任务的特性，它们被应用在海洋科学、油田探索、水下油气管道的长期监测等海洋工业领域，也被称为“远洋水下滑翔机”。在设计上，这类航行器面临着诸如非线性建模、路径规划和避障、可靠的控制器设计和风险评估等方面的挑战。
[0003]水下滑翔机的控制系统作为航行器系统工程中的重要子系统，在执行海洋资源探索、海洋生物追踪、海洋剖面数据收集、潜艇探测等任务时，发挥着重大的作用。而保证航行器高性能完成这些水下任务的前提，是航行器的控制系统必须能够正常可靠地运行。然而水下环境的恶劣和部件的老化致使航行器会不可避免地出现各种故障。如果这些故障不能被及时处理，则航行器的控制性能将会显著下降，甚至带来不可估量的损失。因此，研究水下滑翔机的故障识别、隔离与容错控制是至关重要的。

技术实现思路

[0004]要解决的技术问题
[0005]本专利技术的目的是克服现有技术的缺点和不足，提供一种基于改进动态灰色预测的水下滑翔机多传感器融合故障诊断方法，通过该方法可以实现水下滑翔机在滑翔过程中的实时故障诊断。
[0006]技术方案
[0007]一种基于改进动态灰色预测的水下滑翔机故障诊断方法，其特征在于包括故障发现阶段和故障辨识阶段：
[0008]S1：在故障发现阶段，首先对原始数据进行野值剔除的预处理来保证之后数据预测的准确性，之后将处理后的无规律的数据进行加和，得到有一定规律的生成数列后进行建模，建立的灰色预测模型获得一系列数据后再进行累减还原便可以得到原始数据的预测值，通过对比获得的原始数据预测值与实际值之间的误差大小来对系统进行诊断预测，最后通过对两个同类传感器的预测误差进行对比，若其中一个传感器的预测误差在阈值设定范围内，另一个传感器预测误差超过设定阈值要求，便可以排除驱动器故障的可能性，准确定位出传感器出现故障；
[0009]S2：在故障辨识阶段，首先对传感器的故障模式进行建模，定义失效故障、突跳故障、恒偏差故障和恒增益故障四种故障模式，之后通过不同故障情况下预测误差图中所表
现出的特征来辨识故障的种类。
[0010]本专利技术进一步的技术方案：S1包括以下步骤：
[0011]步骤1：对原始数据进行野值剔除预处理，得到预测前所需要的原始数据序列X
(0)
；
[0012]步骤2：将步骤1中的原始数列进行一阶累加后生成新的累加数列X
(1)
；
[0013]步骤3：在步骤2中一阶累加数列的基础上，求取X
(1)
的灰导数d(k)；
[0014]步骤4：对步骤2中的X
(1)
求取紧邻权值Z
(1)
(k)作为白化背景值；
[0015]步骤5：建立GM(1,1)灰微分方程：d(k)+α((uX
(1)
(k)+(1
‑
u)X
(1)
(k
‑
1))＝μ；
[0016]步骤6：为求解α和μ，令为待估向量，采用最小二乘法求解；
[0017]步骤7：将求得的GM(1,1)灰微分方程中灰导数的时刻视为连续的时间变量t，将其白化为白微分方程并求解，求解时使用令预测值与实际值离差平方和最小的点作为微分方程的初始值，之后通过累减操作得到预测数据
[0018]步骤8：在得到k+1时刻的预测值后，将原始数列中的X
(0)
(1)去掉，加入k+1时刻的实际数据X
(0)
(k+1)，构成新的原始数列通过此方法不断地更新预测模型，从而提高预测的精度，并且实现实时的动态预测；
[0019]步骤9：分别计算两个同类冗余传感器预测值与实际值的误差，通过对比两个冗余传感器的预测误差判断传感器是否出现故障。
[0020]本专利技术进一步的技术方案：令y
out
作为传感器模型故障时的实际输出，y
in
作为传感器模型正常时输出的信息；S2四种故障模式如下：
[0021]所述传感器失效：
[0022]y
out
＝0
[0023]所述传感器突跳：
[0024]y
out
＝V
[0025]其中，V为突变量；
[0026]所述传感器恒增益变化：
[0027]y
out
(K+1)＝βy
out
(K)
[0028]其中，β为恒增益系数，K为时刻；
[0029]所述传感器恒偏差变化：
[0030]y
out
＝y
in
+Δ
[0031]其中，Δ为恒偏差值。
[0032]本专利技术进一步的技术方案：S2通过不同故障情况下预测误差图中所表现出的特征来辨识故障的种类，具体如下：
[0033](1)失效故障发生时预测误差图的特征：
[0034]预测误差图在故障发生时刻产生阶跃性跳变并在故障期间维持该跳变值形成跳跃平台；在故障恢复后预测误差快速下降并在此过程中产生短暂的反向增大现象，之后预测误差恢复正常范围；
[0035](2)突跳故障发生时预测误差图的特征：
[0036]预测误差图在故障发生时刻误差快速变大至一个相对稳定的平台值并在故障期间维持该平台值形成跳跃平台；在故障恢复后预测误差快速下降并在此过程中产生短暂的
反向增大现象，之后预测误差恢复正常范围；
[0037](3)恒增益变化发生时预测误差图的特征：
[0038]预测误差图在故障发生时刻误差快速变大并在此过程中产生短暂的反向增大现象，经过短暂的快速变化后，预测值在短时间内重新跟上实际值并稳定在正常误差范围内，当故障恢复时，产生故障发生时相同的现象；
[0039](4)恒偏差变化发生时预测误差图的特征：
[0040]预测误差图在故障发生时刻误差以指数形式不断快速增大，当故障恢复后，预测误差开始快速下降并在过零点后出现反向增大现象，之后恢复正常范围。
[0041]一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
[0042]一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进动态灰色预测的水下滑翔机故障诊断方法，其特征在于包括故障发现阶段和故障辨识阶段：S1：在故障发现阶段，首先对原始数据进行野值剔除的预处理来保证之后数据预测的准确性，之后将处理后的无规律的数据进行加和，得到有一定规律的生成数列后进行建模，建立的灰色预测模型获得一系列数据后再进行累减还原便可以得到原始数据的预测值，通过对比获得的原始数据预测值与实际值之间的误差大小来对系统进行诊断预测，最后通过对两个同类传感器的预测误差进行对比，若其中一个传感器的预测误差在阈值设定范围内，另一个传感器预测误差超过设定阈值要求，便可以排除驱动器故障的可能性，准确定位出传感器出现故障；S2：在故障辨识阶段，首先对传感器的故障模式进行建模，定义失效故障、突跳故障、恒偏差故障和恒增益故障四种故障模式，之后通过不同故障情况下预测误差图中所表现出的特征来辨识故障的种类。2.根据权利要求1所述基于改进动态灰色预测的水下滑翔机故障诊断方法，其特征在于：S1包括以下步骤：步骤1：对原始数据进行野值剔除预处理，得到预测前所需要的原始数据序列X
(0)
；步骤2：将步骤1中的原始数列进行一阶累加后生成新的累加数列X
(1)
；步骤3：在步骤2中一阶累加数列的基础上，求取X
(1)
的灰导数d(k)；步骤4：对步骤2中的X
(1)
求取紧邻权值Z
(1)
(k)作为白化背景值；步骤5：建立GM(1,1)灰微分方程：d(k)+α((uX
(1)
(k)+(1
‑
u)X
(1)
(k
‑
1))＝μ；步骤6：为求解α和μ，令为待估向量，采用最小二乘法求解；步骤7：将求得的GM(1,1)灰微分方程中灰导数的时刻视为连续的时间变量t，将其白化为白微分方程并求解，求解时使用令预测值与实际值离差平方和最小的点作为微分方程的初始值，之后通过累减操作得到预测数据步骤8：在得到k+1时刻的预测值后，将原始数列中的X
(0)
(1)去掉，加入k+1时刻的实际数据X
(0)
(k+1)，构成新的原始数列通过此方法不断地更新预测模型，从而提高预测的精度，并且实现实时的动态预测；步骤9：分别计算两个同类冗余传感器预测值与实际值的误差，通过对比两个冗余传感...

【专利技术属性】
技术研发人员：高剑，王佳润，陈依民，潘光，宋保维，井安言，闵博旭，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：