[发明专利]一种基于改进神经网络的智能水下机器人推进器故障诊断方法

说明书

本发明公开了一种基于改进神经网络的智能水下机器人推进器故障诊断方法。将水下机器人的推进器的控制指令分别传送给基于神经网络的水下机器人模型和水下机器人实际推进器，将基于神经网络的水下机器人模型的输出值和水下机器人实际传感器的测量值进行作差，根据残差判断推进器是否故障；构建的神经网络水下机器人模型中，在联接单元中增加了固定增益的自反馈连接，并且采用动态反向传播学习算法对基于神经网络的水下机器人模型进行学习和训练，对神经网络层间权值进行调整。本发明能够提高推进器故障诊断的效率和准确性。

技术领域

本发明涉及水下机器人故障诊断技术领域，尤其涉及一种基于改进的神经网络智能水下机器人推进器的故障诊断方法。

发明内容

水下机器人在世界范围内的应用领域不断扩大，如海洋研究、科学考察、海洋开发和水下工程等。水下机器人一般工作在未知复杂的海洋环境下，一旦发生事故就可能造成巨大的财产损失，这就要求水下机器人具有应付突发事件的能力，即自动故障诊断和实现容错控制的能力。实现水下机器人控制系统故障自主诊断也是其智能化的重要体现。

神经网络技术的出现为解决故障诊断问题提供了一种新的思路与方法，特别是对于非线性系统和复杂系统，基于解析模型的故障诊断方法面临着难以建立数学模型的实际困难，而基于知识的故障诊断方法成了重要的、也是切实可行的方法。神经网络的I/O非线性映射特性、信息的分布存储、并行处理和全局集体作用，特别是其高度的自组织和自学习能力，使其成为故障诊断的一种有效方法和手段，在许多实际系统中得到了成功的应用。

对于水下机器人来说，由于其运动是多自由度的，而且运动特性具有很强的非线性，同时在开发时设计变更和实用时有效载荷的频繁变化使形状和重量平衡发生变化，运动特性也相应变化，对于这种动态的非线性系统，传统的辨识方法有很大的局限性，由于神经网络具有以任意精度逼近任意非线性映射的能力；固有的学习能力降低了不确定性，增加了适应环境变化的泛化能力；分布式信息存储和处理结构，使之具有的容错能力等等性质，采用动态的神经网络，通过一定的学习算法对运动状态数据进行学习辨识出水下机器人的运动特性，即用神经网络来建立水下机器人的运动模型，可以作为自适应控制器的辨识器，可以作为虚拟传感器，可以为故障诊断提供信息等。

2007年1月《系统仿真学报》第19卷第1期的“基于小波神经网络的水下机器人执行器故障诊断”和2008年6月第49卷第2期的“基于小波神经网络的水下机器人推进器故障诊断”分别提出了一种改进的小波神经网络，并用于水下机器人的推进器的故障诊断。

上述文献均是采用小波网络进行水下机器人推进器的故障诊断，但是利用小波网络进行故障诊断小波基选择是关键，如何选择小波基目前还没有一个理论的标准，大多依赖于经验。由于小波基不具有唯一性，且小波基是不规则的，不同小波基形形状差别很大，支撑范围和规则性都有很大的差别。因而，对同一信号选用不同的小波基进行信号处理，往往得到的结果差别较大，必然影响最终的处理结果。遗憾的是，作为重要的小波基如何选择及选择依据上述文献并未给出。另外，上述文献虽然给出了小波网络的原理与方法，但故障诊断流程及如何诊断并未给出详细的原则与依据。本发明中不仅详细描述了改进的Elman神经网络的构造与分析，并给出了智能水下机器人推进器故障诊断流程及故障诊断的原则与依据。

发明内容

本发明的目的是提供一种推进器故障诊断效率高、准确性高的，基于改进神经网络的智能水下机器人推进器故障诊断方法。

一种基于改进神经网络的智能水下机器人推进器故障诊断方法，将水下机器人的推进器的控制指令分别传送给基于神经网络的水下机器人模型和水下机器人实际推进器，将基于神经网络的水下机器人模型的输出值和水下机器人实际传感器的测量值进行作差，根据残差判断推进器是否故障；

所述的基于神经网络的水下机器人模型为：