【摘要】：隨著海洋開發(fā)戰(zhàn)略的推進,作為水下裝備關(guān)鍵載體的水下機器人的重要性得到了廣泛的認(rèn)可。而其在復(fù)雜工況下的作業(yè)穩(wěn)定性是人們所關(guān)心的問題,如何及時檢測出水下機器人作業(yè)時的故障是行業(yè)內(nèi)研究的重點,而推進系統(tǒng)作為水下機器人作業(yè)最基本的運動性能保障,對它的故障診斷研究更是重中之重。水下機器人長期處于多自由度、高壓、多種未知復(fù)雜工況的水下環(huán)境,噪聲來源復(fù)雜、作業(yè)環(huán)境多樣化且不穩(wěn)定、故障形式多樣化、艙容和功率限制大(硬件冗余較少或基本沒有)、傳感器性能及種類也不盡相同。由于水下實驗數(shù)據(jù)獲取較難,特別是對水下作業(yè)故障數(shù)據(jù)的模擬,存在一定的風(fēng)險,因此對相關(guān)問題的研究存在一定的難點和較大的意義。本文的創(chuàng)新點在于提出了一種基于深度學(xué)習(xí)的水下機器人推進系統(tǒng)故障診斷方法,自主搭建數(shù)據(jù)采集系統(tǒng),并使用LabVIEW模擬、采集37種故障以及正常狀態(tài)數(shù)據(jù),然后在MATLAB中簡單預(yù)處理數(shù)據(jù),接著利用TensorFlow框架訓(xùn)練故障診斷模型并保存,并使用集成學(xué)習(xí)提升模型性能,最后將模型導(dǎo)入LabVIEW中,進行在線故障診斷研究。實驗結(jié)果表明,與傳統(tǒng)方法對比,本方法可以在模型中同時實現(xiàn)特征提取、特征降維和故障診斷,提高了診斷效率。實驗得到模型的平均訓(xùn)練集精度為97.85%、平均調(diào)試集精度為94.72%、平均測試集精度為96.68%、集成學(xué)習(xí)測試集精度為98.52%,具有更高的診斷精度。本文提出的實驗方法和流程可以用于當(dāng)前水下機電系統(tǒng)以及其他同類型領(lǐng)域的故障診斷模型離線訓(xùn)練與故障在線診斷,可以實現(xiàn)較好的人機交互作業(yè),較高的診斷效率和精度。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：P715
【圖文】：

＾邋１逡逑圖１．１邋“霍蘭－６”號潛艇逡逑二十世紀(jì)７０年代，由于能源危機，海洋石油資源的發(fā)開和利用得到了廣泛逡逑的關(guān)注，水下機器人開始向大深度、小尺度、無人化發(fā)展，水下機器人開始由軍逡逑事化走向商業(yè)化。經(jīng)過４０多年的發(fā)展，現(xiàn)有的水下機器人種類有很多種，按照逡逑作業(yè)方式以及功能可以將水下機器人ＵＵＶ（ｕｎｍａｎｎｅｄ邋ｕｎｄｅｒｗａｔｅｒ邋ｖｅｈｉｃｌｅ，邋ＵＵＶ）分逡逑為以下幾類：載人潛水器（ｈｕｍａｎ邋ｏｃｃｕｐｉｅｄ邋ｖｅｈｉｃｌｅ，邋ＨＯＶ）、不帶纜的自主水下機器逡逑人（ａｕｔｏｎｏｍｏｕｓ邋ｕｎｄｅｒｗａｔｅｒ邋ｖｅｈｉｃｌｅ，邋ＡＵＶ）、帶纜的遙控水下機器人（ｒｅｍｏｔｅｌｙ逡逑ｏｐｅｒａｔｅｄ邋ｖｅｈｉｃｌｅ，邋ＲＯＶ）［３］。此外，由于功能或者應(yīng)用場景特殊，以水下滑翔機逡逑（ｕｎｄｅｒｗａｔｅｒ邋ｇｌｉｄｅｒ）為代表的一系列水下機器人從上述三大類別中分化出來并自逡逑成一派。ＲＯＶ所帶的纜線為臍帶纜

ｏｐｅｒａｔｅｄ邋ｖｅｈｉｃｌｅ，邋ＲＯＶ）［３］。此外，由于功能或者應(yīng)用場景特殊，以水下滑翔機逡逑（ｕｎｄｅｒｗａｔｅｒ邋ｇｌｉｄｅｒ）為代表的一系列水下機器人從上述三大類別中分化出來并自逡逑成一派。ＲＯＶ所帶的纜線為臍帶纜，多為動力纜、信號纜混合纜線，圖１．２為典逡逑型的ＲＯＶ設(shè)備，主要為水下機器人提供電力支持同時作為上位機和下位機的通逡逑訊通道，用于控制指令、傳感器數(shù)據(jù)等的傳輸。逡逑ａ．邋了逡逑？邐置逡逑圖１．２“海馬號’’ＲＯＶ逡逑２逡逑

不帶纜的自主水下機器人ＡＵＶ的出現(xiàn)，很好的解決了邋ＲＯＶ的困擾，相逡逑比之下，它具有作業(yè)半徑大、作業(yè)深度大、機動性好、經(jīng)濟性好的特點，同時，逡逑沒有臍帶纜的約束，ＡＵＶ更加便攜，釋放了大量的考察船主甲板空間。圖１．３為逡逑我國自主研發(fā)的“潛龍二號’’ＡＵＶ，進一步推進了我國深海海底多金屬硫化物調(diào)逡逑查和勘探領(lǐng)域的發(fā)展。但是，此類水下機器人對其自主作業(yè)的能力要求很高，由逡逑于無法和上位機建立實施溝通，在復(fù)雜工況、大深度未知水域等條件下的自主決逡逑策能力較差，不能很好的適應(yīng)高要求的工作。同時，ＡＵＶ或者水下滑翔機，需逡逑要隔一段時間浮出水面，和銥衛(wèi)星、ＧＰＳ等建立聯(lián)系，上傳、下載作業(yè)數(shù)據(jù)并矯逡逑正偏航，對作業(yè)連續(xù)性、數(shù)據(jù)更新時效性等有一定影響。逡逑因此，近１０年來，多家單位開始提出一種新型水下機器人ＡＲＶ（Ａｕｔｏｎｏｍｏｕｓ逡逑Ｒｅｍｏｔｅｌｙ邋Ｖｅｈｉｃｌｅ）

【參考文獻】

相關(guān)期刊論文 前10條

1 劉維新;張銘鈞;殷寶吉;劉星;;基于小波最優(yōu)重構(gòu)尺度的AUV推進器故障檢測方法[J];上海應(yīng)用技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2015年02期

2 歐璐;于德介;;基于監(jiān)督拉普拉斯分值和主元分析的滾動軸承故障診斷[J];機械工程學(xué)報;2014年05期

3 王磊;劉濤;楊申申;沈明學(xué);徐鵬飛;;深海潛水器ARV關(guān)鍵技術(shù)[J];火力與指揮控制;2010年11期

4 陳小龍;龐永杰;李曄;李東起;;基于STF-Singer模型的AUV傳感器故障診斷[J];儀器儀表學(xué)報;2010年07期

5 嚴(yán)浙平;陳濤;秦政;周佳加;;灰色動態(tài)預(yù)測在AUV傳感器故障診斷中的應(yīng)用[J];傳感技術(shù)學(xué)報;2008年06期

6 王建國;萬磊;徐玉如;;水下機器人傳感器故障診斷[J];大連海事大學(xué)學(xué)報;2007年04期

7 朱大奇;陳爾奎;;旋轉(zhuǎn)機械故障診斷的量子神經(jīng)網(wǎng)絡(luò)算法[J];中國電機工程學(xué)報;2006年01期

8 張銘鈞;孫瑞琛;王玉甲;;基于RBF神經(jīng)網(wǎng)絡(luò)的水下機器人傳感器狀態(tài)監(jiān)測方法研究[J];哈爾濱工程大學(xué)學(xué)報;2005年06期

9 劉曼蘭,呼向東,崔淑梅;永磁直流電機故障診斷中電流信號分析與處理[J];哈爾濱工業(yè)大學(xué)學(xué)報;2005年06期

10 張緒錦,譚劍波,韓江洪;基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法[J];系統(tǒng)工程理論與實踐;2002年06期

相關(guān)碩士學(xué)位論文 前3條

1 蓋寧;舵槳聯(lián)控式水下機器人執(zhí)行器故障診斷技術(shù)研究[D];哈爾濱工程大學(xué);2011年

2 王彥東;基于定性仿真的水下機器人故障診斷技術(shù)的研究[D];哈爾濱工程大學(xué);2009年

3 覃于相;多AUV信息融合推進器故障診斷技術(shù)研究[D];哈爾濱工程大學(xué);2008年

本文編號：2768549