信息融合与UUV推进器故障辨识.pptx

1lEdin O.等将自组织神经网络的推进器故障模式识别策略等将自组织神经网络的推进器故障模式识别策略与控制律的控制矩阵伪逆重构方法相结合，研究了开架与控制律的控制矩阵伪逆重构方法相结合，研究了开架式无人水下机器人推进器集成故障诊断与容错控制，并式无人水下机器人推进器集成故障诊断与容错控制，并针对针对“FALCON”和和“URIS”两种两种ROV水下机器人的不同水下机器人的不同推进器结构布置，给出了水平面和垂直面容错控制实验推进器结构布置，给出了水平面和垂直面容错控制实验和仿真结果。但是在以上所有无人水下机器人推进器故和仿真结果。但是在以上所有无人水下机器人推进器故障诊断与容错控制中，均假设推进器处于正常、完全故障诊断与容错控制中，均假设推进器处于正常、完全故障或几种固定故障模式，而实际的推进器拥堵故障与外障或几种固定故障模式，而实际的推进器拥堵故障与外界环境密切相关，其故障的大小是不确定的、连续变化界环境密切相关，其故障的大小是不确定的、连续变化的，将其简化为几种固定模式，与实际故障情况有较大的，将其简化为几种固定模式，与实际故障情况有较大差距，也必将影响故障辨识的精度。差距，也必将影响故障辨识的精度。l对此，此处将信息融合故障诊断技术引入推进器拥堵故对此，此处将信息融合故障诊断技术引入推进器拥堵故障在线辨识之中，提出基于信度分配小脑神经网络障在线辨识之中，提出基于信度分配小脑神经网络CA-CMAC信息融合在线故障辨识模型，利用多维信息融合信息融合在线故障辨识模型，利用多维信息融合技术来提高故障辨识的精度，同时应用技术来提高故障辨识的精度，同时应用CA-CMAC的连续的连续输出特性，解决常规故障诊断方法对推进器拥堵故障连输出特性，解决常规故障诊断方法对推进器拥堵故障连续变化不能诊断的缺陷。续变化不能诊断的缺陷。l第第1页页/共共38页页2l15.1 OUTLAND1000推进器布置推进器布置l 实验及数据采集均来源于无人开架水下机器人实验及数据采集均来源于无人开架水下机器人OUTLAND1000。OUTLAND1000水下机器人的推水下机器人的推进器配置。图进器配置。图2为为OUTLAND1000水下机器人推进器水下机器人推进器配置图，它共有配置图，它共有4个推进器，个推进器，2个尾推个尾推(尾部水平舵推尾部水平舵推)：控制机器人前后推进和左右转向；一个处于重心：控制机器人前后推进和左右转向；一个处于重心的垂直推进器：控制机器人潜浮运动；一个侧推：的垂直推进器：控制机器人潜浮运动；一个侧推：原处于机器人中间的侧面位置，正对机器人重心，原处于机器人中间的侧面位置，正对机器人重心，控制机器人横移，在我们实验系统中，为了配合研控制机器人横移，在我们实验系统中，为了配合研究水下机器人的容错控制进行了改装，将其平移至究水下机器人的容错控制进行了改装，将其平移至机器人前端距重心机器人前端距重心7公分的位置。在故障诊断实验中，公分的位置。在故障诊断实验中，它处于停转状态。图它处于停转状态。图3是对应的尾部推进器实物图片。是对应的尾部推进器实物图片。l第第2页页/共共38页页3l15.2 水下机器人推进器故障水下机器人推进器故障l水下机器人的水下运动是靠水下机器人的水下运动是靠推进器推进器来实现的，而最来实现的，而最普遍使用的推力装置是由驱动电机加螺旋桨组成。普遍使用的推力装置是由驱动电机加螺旋桨组成。推进器故障也是水下机器人系统的常见故障源之一。推进器故障也是水下机器人系统的常见故障源之一。推进器的故障模式主要可以分为两大类推进器的故障模式主要可以分为两大类:l内部故障内部故障：主要指推进器内部器件故障及控制器：主要指推进器内部器件故障及控制器的连接出现故障。如：电机转轴温度超限的连接出现故障。如：电机转轴温度超限控制信控制信号通信中断号通信中断总线电压下降等。总线电压下降等。l外部故障外部故障：它主要指水下机器人在水下工作时，：它主要指水下机器人在水下工作时，由外部复杂多变的环境引起的推进器故障。如由于由外部复杂多变的环境引起的推进器故障。如由于螺旋桨附着物而引起的拥堵故障螺旋桨附着物而引起的拥堵故障(Jammed)，螺旋，螺旋桨断裂故障（完全失效）等。在这两类故障中，以桨断裂故障（完全失效）等。在这两类故障中，以外部故障最为常见，本课题主要研究推进器外部故外部故障最为常见，本课题主要研究推进器外部故障的诊断。障的诊断。l第第3页页/共共38页页4l推进器故障设置推进器故障设置l为了模拟推进器拥堵故障模式，在为了模拟推进器拥堵故障模式，在OUTLAND1000运行于定向运行于定向巡航状态下，在后置推进器巡航状态下，在后置推进器1（右侧）设置不同程度拥堵故障：（右侧）设置不同程度拥堵故障：l正常状况：拥堵系数正常状况：拥堵系数=0.0；l轻微拥堵轻微拥堵1：拥堵系数：拥堵系数=0.25,在后置推进器上绕在后置推进器上绕15cm线索；线索；l轻微拥堵轻微拥堵2：拥堵系数：拥堵系数=0.30,在后置推进器上绕在后置推进器上绕20cm线索；线索；l中等拥堵中等拥堵3：拥堵系数：拥堵系数=0.50,在后置推进器上绕在后置推进器上绕30cm线索；线索；l严重拥堵严重拥堵4：拥堵系数：拥堵系数=0.75,在后置推进器上绕在后置推进器上绕45cm线索；线索；l完全失效：拥堵系数完全失效：拥堵系数=1.0,将推进器的螺旋桨全部卸下。将推进器的螺旋桨全部卸下。l第第4页页/共共38页页5l此处，将推进器无拥堵（正常状况）的拥堵故障系数此处，将推进器无拥堵（正常状况）的拥堵故障系数设为设为“0”，而将完全失效故障的拥堵系数设为，而将完全失效故障的拥堵系数设为“1”。也有反过来设定的，这在本质上没有区别，主要是在也有反过来设定的，这在本质上没有区别，主要是在容错控制矩阵重构时，要区别对待这两种假设。通过容错控制矩阵重构时，要区别对待这两种假设。通过向向OUTLAND1000尾部推进器发送一定大小的前后尾部推进器发送一定大小的前后推进控制电压，如推进控制电压，如v=0.25、v=0.5、v=0.75、v=-0.25、v=-0.5、v=-0.75，对每一个控制电压，设置，对每一个控制电压，设置不同程度故障模式，由于右边推进器部分故障，它将不同程度故障模式，由于右边推进器部分故障，它将失去一部分推力，这样与左边推进器的推力不平衡，失去一部分推力，这样与左边推进器的推力不平衡，从而产生转动力矩，故障越大，推力损失越大，其转从而产生转动力矩，故障越大，推力损失越大，其转动力矩越大，机器人转动的速率也越大。实验数据也动力矩越大，机器人转动的速率也越大。实验数据也较好地验证了以上推论；另外，在相同大小的故障模较好地验证了以上推论；另外，在相同大小的故障模式下，机器人输入控制电压的变化对机器人的状态也式下，机器人输入控制电压的变化对机器人的状态也有一定影响。有一定影响。OUTLAND1000的转向速率信号可以的转向速率信号可以通过有串行通信接口的笔记本电脑读出通过有串行通信接口的笔记本电脑读出。l第第5页页/共共38页页6l推进器故障在线辨识推进器故障在线辨识lOUTLAND1000推进器故障大小辨识可以采用双推进器故障大小辨识可以采用双参数参数CA-CMAC信息融合诊断方法。双参数的第信息融合诊断方法。双参数的第一个参数是方向变化率，另一个可以是故障推进一个参数是方向变化率，另一个可以是故障推进器反馈转速或输入控制信号，由于器反馈转速或输入控制信号，由于OUTLAND1000的推进器反馈转速不可测，我们的推进器反馈转速不可测，我们在融合处理时，采用控制电压信号作为在融合处理时，采用控制电压信号作为CMAC的的另外一个输入；输出分别是另外一个输入；输出分别是“正常状况、各种拥正常状况、各种拥堵状况、完全失效故障的拥堵规划系数堵状况、完全失效故障的拥堵规划系数”，训练，训练CA-CMAC。训练好的训练好的CA-CMAC可以作为在线可以作为在线故障辨识器使用。故障辨识器使用。l第第6页页/共共38页页7l将现场实测的方向变化率、控制信号输入训练将现场实测的方向变化率、控制信号输入训练好的好的CA-CMAC，其输出即为反应推进器故障，其输出即为反应推进器故障状况的拥堵系数。容错控制时，根据拥堵系数状况的拥堵系数。容错控制时，根据拥堵系数估算出该推进器的推力损失，与前置推进器估算出该推进器的推力损失，与前置推进器（侧推移位的推进器）、正常后置推进器一起，（侧推移位的推进器）、正常后置推进器一起，计算转动力矩之和，利用计算转动力矩之和，利用OUTLAND1000力矩力矩之和为零，推算出新的推力配置，进而计算出之和为零，推算出新的推力配置，进而计算出控制电压分配，可以实现水下机器人巡航状态控制电压分配，可以实现水下机器人巡航状态的容错控制。的容错控制。l第第7页页/共共38页页8l15.3 OUTLAND1000水下机器人推进器故障辨水下机器人推进器故障辨识实验及结果分析识实验及结果分析l对对OUTLAND1000实验系统的每一种故障模式，实验系统的每一种故障模式，用前面所述的几组电压分别进行故障信号测试，用前面所述的几组电压分别进行故障信号测试，可以用其中的可以用其中的、作故障样本，用作故障样本，用、来检验训练后神经网络的故障识别效果。来检验训练后神经网络的故障识别效果。表表4-1为样本实验数据，表为样本实验数据，表4-2为训练后的为训练后的CA-CMAC故障识别结果故障识别结果 l第第8页页/共共38页页9l推进器信息融合故障辨识推进器信息融合故障辨识l表表1第一栏输入控制信号为尾部推进器的直推控第一栏输入控制信号为尾部推进器的直推控制信号，其变化范围为制信号，其变化范围为-1,+1；第二栏是；第二栏是OUTLAND1000的转向变化率，首先在推进器的转向变化率，首先在推进器故障时，通过加入不同推进电压记录机器人罗故障时，通过加入不同推进电压记录机器人罗经输出信号，将相邻方向信号相减除以采样周经输出信号，将相邻方向信号相减除以采样周期，可得机器人转向变化率；通过人为设置不期，可得机器人转向变化率；通过人为设置不同故障模式可以得到表同故障模式可以得到表1样本数据，进而训练样本数据，进而训练CA-CMAC神经网络，即可得到推进器拥堵故神经网络，即可得到推进器拥堵故障辨识器。障辨识器。l第第9页页/共共38页页10表表1：故障样本实验数据故障样本实验数据 l第第10页页/共共38页页11表表2是应用实际测试的拥堵数据对训练的是应用实际测试的拥堵数据对训练的CA-CMAC神经神经网络进行故障辨识效果测试，从表网络进行故障辨识效果测试，从表2可以看出，虽然存在可以看出，虽然存在一些误差，但是无论是故障样本中已出现的模式如一些误差，但是无论是故障样本中已出现的模式如“中中等拥堵等拥堵3”，还是在故障样本中未出现的模式如，还是在故障样本中未出现的模式如“轻微拥轻微拥堵堵2”和和“完全失效完全失效”，其，其CA-CMAC故障辨识器输出均故障辨识器输出均接近实际的拥堵系数。接近实际的拥堵系数。另外，为了比较所提算法的优越性，表另外，为了比较所提算法的优越性，表2还同时给出了的还同时给出了的SOM神经网络故障辨识结果，神经网络故障辨识结果，SOM神经网络输出是离散神经网络输出是离散型的，故障大小接近型的，故障大小接近0.5的情况输出的情况输出0.5，接近，接近0.25的情的情况输出为况输出为0.25，所以对表，所以对表2中的中的“轻微拥堵轻微拥堵2”故障模式和故障模式和“完全失效完全失效”故障模式，它的诊断结果只能在故障模式，它的诊断结果只能在=0,=0.75,=0.5,=0.25这四个数字中选择一个接近的输出，这必然这四个数字中选择一个接近的输出，这必然大大影响其故障辨识精度。这种情况下其故障辨识器，大大影响其故障辨识精度。这种情况下其故障辨识器，便如以往的一样，只能诊断出固定的几种故障。便如以往的一样，只能诊断出固定的几种故障。l第第11页页/共共38页页12l不如不如CA-CMAC故障辨识器可以在线的识别各种连故障辨识器可以在线的识别各种连续变化的故障情况。如表续变化的故障情况。如表2中，中，“轻微拥堵轻微拥堵2”故障故障（s=0.3），由于神经网络训练样本中未出现，），由于神经网络训练样本中未出现，CA-CMAC能输出一个接近实际故障大小的具体数据，能输出一个接近实际故障大小的具体数据，而对而对SOM来说诊断结果就是来说诊断结果就是“中等拥堵中等拥堵3”：=0.5，这与实际故障大小误差较大；对这与实际故障大小误差较大；对“完全失效完全失效”故障故障(s=1)，CA-CMAC输出结果为输出结果为0.9左右，接近实际故左右，接近实际故障大小障大小s=1，而，而SOM诊断结果只能为诊断结果只能为“严重拥堵严重拥堵4”故障模式故障模式s=0.75，两者的诊断结果差距就更大了。，两者的诊断结果差距就更大了。可见本文设计的可见本文设计的CA-CMAC故障拥堵辨识器可以较故障拥堵辨识器可以较好完成水下机器人推进器连续变化拥堵故障辨识任好完成水下机器人推进器连续变化拥堵故障辨识任务。务。l第第12页页/共共38页页13表表2：CA-CMAC故障识别结果故障识别结果 l第第13页页/共共38页页14l第第14页页/共共38页页15l第第15页页/共共38页页16l第第16页页/共共38页页17l第第17页页/共共38页页18l第第18页页/共共38页页19l第第19页页/共共38页页15.4 具有复杂冗余推进系统的水下机器人具有复杂冗余推进系统的水下机器人智能综合容错控制技术智能综合容错控制技术l对推进器少、布置简单的情况，可以采取解析方法推导对推进器少、布置简单的情况，可以采取解析方法推导容错控制律；对具有复杂冗余推进器系统的水下机器人，容错控制律；对具有复杂冗余推进器系统的水下机器人，容错控制不仅要保持系统状态稳定，而且需要实现优化容错控制不仅要保持系统状态稳定，而且需要实现优化容错控制。本项目采用伪逆重构与粒子群优化的综合容容错控制。本项目采用伪逆重构与粒子群优化的综合容错控制，当伪逆容错控制律在控制量程之内时，采用快错控制，当伪逆容错控制律在控制量程之内时，采用快速伪逆控制算法实现机器人容错；当伪逆容错控制律超速伪逆控制算法实现机器人容错；当伪逆容错控制律超出控制量程时，应用粒子群优化技术重构控制律，实现出控制量程时，应用粒子群优化技术重构控制律，实现水下机器人推进器智能优化容错控制。水下机器人推进器智能优化容错控制。l 15.4.1“FALCON”ROV无人水下机器人冗余推进机构水无人水下机器人冗余推进机构水下机器人推进器故障下机器人推进器故障诊断与诊断与带约束条件的粒子群优化控带约束条件的粒子群优化控制律重构制律重构20l第第20页页/共共38页页21l第第21页页/共共38页页22l第第22页页/共共38页页23l第第23页页/共共38页页24l第第24页页/共共38页页25l第第25页页/共共38页页26l第第26页页/共共38页页27l第第27页页/共共38页页28l第第28页页/共共38页页29l第第29页页/共共38页页30l第第30页页/共共38页页31l第第31页页/共共38页页32l第第32页页/共共38页页33l第第33页页/共共38页页34l15.4.2 7000米载人米载人水下机器人冗余推进机构水下水下机器人冗余推进机构水下机器人推进器故障机器人推进器故障诊断与诊断与带约束条件的粒子群优化控带约束条件的粒子群优化控制律重构制律重构l第第34页页/共共38页页35l第第35页页/共共38页页36l第第36页页/共共38页页37l第第37页页/共共38页页38l第第38页页/共共38页页