【技术实现步骤摘要】
本专利技术涉及深海装备，特别涉及一种深海装备多推进器协同故障诊断方法。
技术介绍
1、推进器是深海装备中最核心的部件之一，用于提供深海装备在水下运动的推力。推进器的正常运转是深海装备顺利完成作业任务的重要保障，对深海装备的水下作业安全具有关键性的作用。深海装备的推进器通常工作于恶劣的海洋环境，直接承受海水的压力，作业时与外界水体直接接触并且高速旋转，是深海装备中故障率较高的部件。
2、目前，进行深海装备推进器故障诊断的方法主要包括基于模型和基于信号两种。基于模型的方法中，通常采用机理解析模型或数据驱动模型。机理解析模型的构建需要对被诊断对象的运行过程进行数学建模，受系统非线性和随机因素的影响，机理解析模型通常精度有限。数据驱动模型的构建过程中，需要大量关于被诊断对象的历史运行状态数据，样本数据的完备性直接影响模型的精度。而在实际中，故障状态下的样本数据通常难以获得，导致数据驱动模型的精度有限。总的来说，受难以建立被诊断对象精确的数学模型和难以获得被诊断对象完备的故障样本数据等因素影响，基于模型的故障诊断方法实现较为困难，故障诊断效果受到模型精度的限制。基于信号的方法中，通常采用小波变换、经验模态分解、希尔伯特-黄变换等方法对信号进行分解，然后根据分解后特征信号的异常变化来诊断故障。但深海装备实际作业过程中，作业模式和工作状态多种多样，且作业环境干扰因素众多，难以判断特征信号的异常变化是由环境干扰因素引起的还是由故障导致的，因此相关方法对复杂作业环境的适应能力存在不足。
3、为保障深海装备的作业安全，需要在
技术实现思路
1、针对上述现有技术，本专利技术的目的在于提供深海装备多推进器协同故障诊断方法,充分利用大型深海装备中普遍存在的多个推进器成组作业这一有利条件，提高推进器故障诊断的准确性和对作业环境变化的适应能力。
2、为达到上述目的，本专利技术提供的技术方案是：
3、一种深海装备多推进器协同故障诊断方法，其特征在于，包括如下步骤：
4、a、数据获取阶段，对深海装备上成组的两个推进器，分别在线采集其控制量和电流数据，并分别提取两个推进器的控制量序列和电流序列，形成对应的数据库；
5、b、故障检测阶段，将两个电流序列之间的相似度形成的序列作为故障特征，并根据电流序列相似度的概率分布是否出现异常变化来实现故障检测；
6、c、故障定位阶段，根据各推进器控制量与电流序列之间的相关系数，实现故障点的识别，最后通过比较故障点对应时刻两个推进器相关系数的大小，实现故障的具体定位。
7、优选的，所述步骤a具体包括如下步骤：
8、a1、深海装备作业过程中，在线采集深海装备中成组的两个推进器各自的控制量和电流数据，形成运行状态数据库，分别记采集到的两个推进器的控制量和电流数据为(uorigin,xorigin)和(uorigin,yorigin)，形式如下：
9、
10、上式中，n为目前采集到的推进器控制量和电流数据的数量，随着深海装备作业过程的进行不断增加，uorigin为运行状态数据库中推进器x和推进器y的原始控制量数据序列，u(n)为对应时刻的控制量数值，xorigin为运行状态数据库中推进器x的原始电流数据序列，x(n)为对应时刻推进器x的电流测量值，yorigin为运行状态数据库中推进器y的原始电流数据序列，y(n)为对应时刻推进器y的电流测量值；
11、a2、采用滑动时间窗，从运行状态数据库中提取两个推进器的控制量序列和电流序列，形成运行状态序列库，以推进器控制量序列的提取为例，对于第t个采样周期的原始控制量数据表示如下：
12、uorigin＝(u(1),u(2),…,u(t))
13、上式中，t为当前的采样周期，
14、从中提取推进器控制量序列如下：
15、u(i)＝{u((i-1)k+1),u((i-1)k+2),…,u((i-1)k+l)}
16、上式中，u(i)为从原始推进器控制量数据中提取的第i个数据序列，k为提取序列的滑动时间窗步长，取k＝1，l为单个序列的长度，取l＝10，
17、按照上述方式，分别提取两个推进器的控制量序列和电流序列，形成由推进器控制量和电流序列组成的数据库，记为：
18、
19、上式中，udatabase为推进器控制量序列组成的数据库，xdatabase为推进器x的电流序列组成的数据库，ydatabase为推进器y的电流序列组成的数据库，u(m)、x(m)和y(m)分别为对应数据库中的第m个数据序列，m为目前提取的推进器控制量和电流序列的数量，随着深海装备作业过程的进行不断增加，在深海装备作业过程中，不断进行上述数据采集和序列提取操作，得到动态更新的数据库。
20、优选的，所述步骤b具体包括如下步骤：
21、b1、对于数据库中两个推进器的电流序列，通过计算时间对应的两个序列之间的欧几里得距离来对其相似度进行度量；
22、b2、将两个电流序列之间的相似度形成的序列作为故障特征；
23、b3、根据贝叶斯决策理论中的最大后验概率决策，来判断推进器电流序列相似度的概率分布是否发生了异常变化。
24、优选的，所述步骤b1具体包括：
25、对于时间对应的两个推进器电流序列，采用欧几里得距离，计算两个推进器电流序列的相似度，对于长度为n的两个时间序列x和y，其欧几里得距离为：
26、
27、上式中，ded(x,y)为两个时间序列x和y的欧几里得距离，x(i)和y(i)分别为两个时间序列x和y中的第i个元素，
28、按照上述方式，依次分别计算推进器电流序列数据库xdatabase和ydatabase中对应电流序列的相似度，得到电流序列的相似度序列，记为：
29、ded＝(ded(1),ded(2),…,ded(m))
30、上式中，ded(m)是电流序列x(m)和y(m)之间的欧几里得距离，ded是数据库xdatabase和ydatabase中对应电流序列的欧几里得距离按顺序排列组成的电流序列相似度序列。
31、优选的，所述步骤b2具体包括：
32、记当成组的两个推进器都没有故障的情况下，其电流序列相似度的总体概率分布符合正态分布利用目前获得的全部电流序列相似度数据，对该总体概率分布的均值和方差进行最大似然估计，上述正态分布参数的估计值具体如下：
33、
34、
35、上式中，为正态分布中均值μ0的最大似然估计值，为正态分布中方差的最大似然估计值；
36、当成组的两个推进器中出现了故障，则其电流序列相似度的概率分布会发生变化，记出现故障情况下电流序列相似度的概率分本文档来自技高网...
【技术保护点】
1.深海装备多推进器协同故障诊断方法，其特征在于，包括如下步骤：
2.如权利要求1所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤A具体包括如下步骤：
3.如权利要求1所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤B具体包括如下步骤：
4.如权利要求3所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤B1具体包括：
5.如权利要求4所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤B2具体包括：
6.如权利要求5所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤B3具体包括：
7.如权利要求1所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤C具体包括如下步骤：
【技术特征摘要】
1.深海装备多推进器协同故障诊断方法，其特征在于，包括如下步骤：
2.如权利要求1所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤a具体包括如下步骤：
3.如权利要求1所述的深海装备多推进器协同故障诊断方法，其特征在于，所述步骤b具体包括如下步骤：
4.如权利要求3所述的深海装备多推进器协同故障诊断方法，...
【专利技术属性】
技术研发人员：徐高飞，郭威，兰彦军，高森，符一凡，孙洪鸣，
申请(专利权)人：中国科学院深海科学与工程研究所，
类型：发明
国别省市：
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。