一种基于结构分析法的无人水下航行器推进器故障诊断方法技术

本发明专利技术公开了一种基于结构分析法的无人水下航行器推进器故障诊断方法，涉及无人水下航行器故障诊断技术领域。本发明专利技术根据观测值R

【技术实现步骤摘要】
一种基于结构分析法的无人水下航行器推进器故障诊断方法


[0001]本专利技术涉及无人水下航行器故障诊断
，尤其涉及一种基于结构分析法的无人水下航行器推进器故障诊断方法。

技术介绍

[0002]无人水下航行器(UUV)的出现，打破了人工潜水的限制，为人类勘探海洋资源提供了强有力的帮助，使得人类对于海洋的科学研究大步向前。
[0003]由于无人水下航行器(UUV)的工作环境复杂多变且恶劣，所以UUV易出现故障，尤其是UUV推进器部分，若是UUV推进器的故障没有及时地检测出来，那么UUV的工作方式以及行进路径就会变得不可预测，不仅大大缩减UUV寿命，更会影响水下的工作作业，甚至会带来不可预测的灾难性后果。UUV推进器故障诊断研究是提高UUV安全性和可靠性的重要研究任务。
[0004]目前，应用广泛的UUV推进器故障诊断技术有很多，主要包括：基于解析模型的方法和基于数据驱动的方法，其中数据驱动的的一般方法，小脑模型神经网络(CMAC)和递归神经网络(RNNs)等，主要是通过收集推进器的电压、电流、转速及转矩等数据，但这些实验数据需要通过大量的实验获取以及没有系统内部结构和机理的信息，因此数据驱动的方法对于故障的分析和解释相对困难。在解析模型的方法中，粒子滤波器、自适应观测器和滑模观测器等状态估计的方法可以有效地进行故障诊断，但由于滤波器和观测器本身也存在误差与故障，所以基于状态估计的方法存在较大的误差和不确定性。
[0005]基于数据驱动的UUV推进器故障诊断方法虽然避开了系统的建模过程，但是它所用到的离线训练算法的训练的效果与故障情况下诸如电压、电流、转速、转矩等数据样本的完备性有较大的关系；在基于状态估计的故障诊断的方法中，通常需要进行观测器的设计，以此实现对推进器故障的实时监测，但该方法对于模型依赖程度较高，同时如何避免由故障观测器自身误差引起的残差阈值与故障的适应性问题还有待进一步地研究。因此，业内亟需一种从UUV推进器模型结构角度出发，又不完全依赖于系统参数估计的故障诊断解决办法，通过解析模型对系统内部的深层认知，可以有效避免数据驱动的方法分析和解释故障的困难，也可以避免状态估计法的误差与不确定性。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供了一种基于结构分析法的无人水下航行器推进器故障诊断方法，对UUV推进器的安全运行和故障进行估算，在使用中实现UUV推进器安全的量化表示，有效避免了数据驱动的方法分析和解释故障的困难，避免了状态估计法的误差与不确定性。
[0007]本专利技术提供的一种基于结构分析法的无人水下航行器推进器故障诊断方法，所述无人水下航行器推进器包括无刷直流电机和螺旋桨，所述故障诊断方法包括：
[0008]S1、采集水下航行器的参数，获取观测值R
(1)
、R
(2)
、R
(3)
、R
(4)
、R
(5)
和R
(6)
，并根据下式
计算特征参数，计算故障特征参数值f
R(i)
，进而得到故障特征向量F＝(f
R(i)
,f
R(2)
,f
R(3)
，f
R(4)
,f
R(5)
,f
R(6)
)；
[0009][0010]S2、建立故障特征向量对照表，找到该故障特征向量对应的故障变量，根据故障参数的定义，定位具体的故障；
[0011]所述故障特征对照表为：
[0012][0013]其中，为故障变量，分别为三相电压的传感器偏差值，分别为三相电流的传感器偏差值，f
ω
为转子转速传感器故障，f
θ
为转子位置传感器故障，为减速器转动故障，为无刷直流电机传动故障，K
t
为螺旋桨发生故障时的推进系数，K
q
为螺旋桨发生故障时为转矩系数。
[0014]进一步的，其特征在于，所述观测值R
(i)
的获取方法包括：
[0015]S11、建立无刷直流电机参数变量模型、无刷直流电机故障模型和螺旋桨模型，根据所述故障模型得到已知变量、未知变量和故障变量；
[0016]S12、建立结构表征图，对系统结构超定部分进行故障可检测性分析、对故障隔离矩阵图进行故障可隔离性分析；
[0017]S13、求解所有的结构最小型超定方程集，筛选出6个测试集，根据所述测试集的一致性关系，得到残差r1、r2、r3、r4、r5和r6；
[0018]S14、根据下式计算观测值：
[0019][0020]进一步的，所述无刷直流电机参数变量模型为：
[0021][0022]所述无刷直流电机故障模型包括传动故障；
[0023]所述传动故障为：
[0024][0025]其中，为传动故障系数；T
L
为电机负载转矩；J
Eng
为转动惯量；K
T
为传动效率；ω
Eng
为轴承减速器转速；r0为电机输出轴与轴承减速器的传动比；ω为角速度。
[0026]进一步的，所述建立螺旋桨数学模型及故障分析：
[0027]建立螺旋桨数学模型为：
[0028][0029][0030]Z＝Y
1 sinφ
‑
Z
1 cosφ+L
1 sinφ
‑
R tanθ
[0031]其中L为导边到基线的长度。
[0032]进一步的，所述已知变量为：
[0033][0034]所述未知变量为：
[0035]{U
a
,U
b
,U
c
,i
a
,i
b
,i
c
,ω,ω
Eng
,T
e
,T
L
,K
t(1.0R)
,K
q(1.0R)
}。
[0036]本专利技术与现有技术相比，具有以下技术效果：
[0037]本专利技术在不破坏推进器内部结构的情况下完成对推进器故障诊断、故障检测和故障的隔离与定位并确定诊断策略，具有经济性和实用性。
[0038]1、本专利技术通过建立无刷直流电机和螺旋桨数学模型对工作过程中的推进系统及推进器进行实时量化表示，对现有的UUV推进器故障诊断方法做出了补充，并提出了一种新方法；
[0039]2、本专利技术通过结构分析法、DM分解、模拟故障以及加入故障参数对模型进行参数辨识，可以在不破坏推进器内部结构的情况下完成对推进器故障诊断、故障检测和故障的隔离与定位并确定诊断策略，具有经济性和实用性。
[0040]以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。
附图说明
[0041]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结构分析法的无人水下航行器推进器故障诊断方法，其特征在于，所述无人水下航行器推进器包括无刷直流电机和螺旋桨，所述故障诊断方法包括：S1、采集水下航行器的参数，获取观测值R
(1)
、R
(2)
、R
(3)
、R
(4)
、R
(5)
和R
(6)
，并根据下式计算特征参数，计算故障特征参数值f
R(i)
，进而得到故障特征向量F＝(f
R(i)
,f
R(2)
,f
R(3)
，f
R(4)
,f
R(5)
,f
R(6)
)；S2、建立故障特征向量对照表，找到该故障特征向量对应的故障变量，根据故障参数的定义，定位具体的故障；所述故障特征对照表为：其中，为故障变量，分别为三相电压的传感器偏差值，分别为三相电流的传感器偏差值，f
ω
为转子转速传感器故障，f
θ
为转子位置传感器故障，为减速器转动故障，为无刷直流电机传动故障，K
t
为螺旋桨发生故障时的推进系数，K
q
为螺旋桨发生故障时为转矩系数。2.根据权利要求1所述一种基于结构分析法的无人水下航行器推进器故障诊断方法，其特征在于，所述观测值R
(i)
的获取方法包括：S11、建立无刷直流电机参数变量模型、无刷直流电机故障模型和螺旋桨模型，根据所述故障...

【专利技术属性】
技术研发人员：杨光仪，曾祥君，李然，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：