水下机器人推进器故障信号诊断 | |
李一平2![]() ![]() ![]() | |
刊名 | 计算机仿真
![]() |
2019 | |
卷号 | 36期号:7页码:296-301, 327 |
关键词 | 水下机器人 推进器故障诊断 小波包变换 遗传算法 神经网络 |
ISSN号 | 1006-9348 |
其他题名 | Thruster Fault Signal Diagnosis of Underwater Vehicle |
产权排序 | 1 |
英文摘要 | 水下机器人作业过程中,推进器会因为异物缠绕和桨叶受损而出现故障。传统推进器故障诊断方法,主要通过比较水下机器人运动状态的测量值和估计值之间的差别来诊断故障,诊断精度受水下机器人数学模型的影响较大,且无法在故障出现早期对运动状态影响较小时实现诊断。为实现推进器故障的早期诊断,提出了一种基于小波包变换和遗传算法优化BP神经网络的推进器故障诊断方法。首先,利用小波包变换对推进器电流信号进行分解,并计算分解后电流信号的能量谱;然后筛选在不同推进器故障状态下差别较明显的能量谱分量,组成表征推进器故障的特征向量。最后采用基于遗传算法优化的BP神经网络训练故障分类器,实现故障的识别。实验结果表明,上述方法能够有效利用推进器故障的瞬时特征,对水下机器人推进器故障诊断具有良好的效果。 |
语种 | 中文 |
资助机构 | 国家重点研发计划项目( 2016YFC0300604,2017YFC0305901) ; 中国科学院战略性先导科技专项(XDA13030205,XDB06050200) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/25453] ![]() |
专题 | 沈阳自动化研究所_水下机器人研究室 |
通讯作者 | 李硕 |
作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 李一平,曾俊宝,李硕,等. 水下机器人推进器故障信号诊断[J]. 计算机仿真,2019,36(7):296-301, 327. |
APA | 李一平,曾俊宝,李硕,&徐高朋.(2019).水下机器人推进器故障信号诊断.计算机仿真,36(7),296-301, 327. |
MLA | 李一平,et al."水下机器人推进器故障信号诊断".计算机仿真 36.7(2019):296-301, 327. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论