[发明专利]一种水下推进器小波神经网络故障预测方法及装置有效

专利信息
申请号: 201811294657.8 申请日: 2018-11-01
公开(公告)号: CN109446671B 公开(公告)日: 2022-09-16
发明(设计)人: 朱大奇;孙兵;褚振忠;甘文洋;陈铭治 申请(专利权)人: 上海海事大学
主分类号: G06F30/27 分类号: G06F30/27;G06N3/04
代理公司: 上海互顺专利代理事务所(普通合伙) 31332 代理人: 成秋丽
地址: 201306 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水下 推进器 神经 网络故障 预测 方法 装置
【说明书】:

发明提供一种水下推进器小波神经网络故障预测装置,应用于水下推进器的故障预测技术领域,装置包括:转速信号采集单元采集水下推进器的转速信号对应的电流信号;转速信号采样调理单元,对接收到的电流信号进行放大﹑滤波预处理及A/D转换;故障预测单元,用于接收转速信号采样调理单元所发送的至少一个时间序列的电流信号,并得到水下推进器不同频段的能量函数值,利用神经网络预测不同频段的能量函数值,并根据反小波变换预测得到水下推进器转速数值。应用本发明实施例,用小波分析的方法对故障信号进行多尺度分解,从各尺度分解重构波形及其频谱图提取故障信号微细特征;寻找水下推进器转速信号的能量分布与其故障状态间存在映射关系。

技术领域

本发明涉及水下推进器故障预测技术领域,特别是涉及一种水下推进器小波神经网络故障预测方法及装置。

背景技术

水下推进器是现代水下机器人的核心设备之一,而且直接裸露于深海水下环境,承载着高水压低温度的影响,极易产生系统故障。一旦出现故障,不仅影响正常水下作业,而且可能会危及水下机器人本体及人身安全,导致严重的安全事故。因此,开展深海水下推进器系统故障诊断及故障预测预报技术研究具有重要意义。

目前旋转推进系统的故障诊断已有结果报道,在沈阳工业大学CN1776390号公开的内容中,介绍了一种低速重载旋转机械故障诊断方法,用小波分析的方法对故障信号进行多尺度分解,从各尺度分解重构波形及其频谱图,提取故障信号微细特征,从而确定故障类型,但它无法进行旋转机械的故障预测,更无法应用到水下推进器之中;在上海交通大学CN2826392号公开的内容中,介绍了一种旋转机械故障诊断与分析试验装置,介绍了旋转机械各种故障类型的设置方法与设备,同样也无旋转机械的故障预测功能。以上应用均是有关旋转机械的故障诊断装置研究,而直接应用于水下机器人的故障预测方面是缺少的。

但是,水下机器人的故障预测对于实际的水下推进器应用意义重大,能够及时发现水下推进器的故障并进行提前检修和更换等作业,因此,进行水下机器人的故障预测是亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点,本发明的目的在于提供一种水下推进器小波神经网络故障预测方法及装置,用小波分析的方法对故障信号进行多尺度分解,从各尺度分解重构波形及其频谱图提取故障信号微细特征;寻找水下推进器转速信号的能量分布与其故障状态间存在映射关系。

为实现上述目的及其他相关目的,本发明提供一种水下推进器小波神经网络故障预测装置,所述装置包括:转速信号采集单元、转速信号采样调理单元、故障预测单元依次连接组成;

所述转速信号采集单元,用于采集水下推进器的转速信号,并将所述转速信号转化后输出与所述转速信号对应的电流信号;

转速信号采样调理单元,与所述转速信号采集单元相连,并对接收到的所述电流信号进行放大﹑滤波预处理及A/D转换,并送入所述故障预测单元中;

所述故障预测单元,用于接收所述转速信号采样调理单元所发送的至少一个时间序列的电流信号进行小波分析处理,得到水下推进器不同频段的能量函数值,利用神经网络预测不同频段的能量函数值,并根据反小波变换预测得到水下推进器转速数值;

其中,所述故障预测单元包括:DSP硬件电路接口模块﹑振动位移数值显示模块﹑第一232串行通信口﹑供电电源;

所述DSP硬件电路接口模块,包括DSP芯片,其中,所述DSP芯片采用TI公司的C54X系列TMS320VC5402数字信号处理器;

所述DSP硬件电路接口模块其输入端通过所述第一232串行通信口与所述转速信号采样调理单元连接,其输出端与所述振动位移数值显示模块连接;

所述供电电源用于为DSP硬件电路接口模块﹑振动位移数值显示模块﹑第一232串行通信模块供电。

本发明的一种实现方式中,所述转速信号采集单元为转速信号传感器。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海海事大学,未经上海海事大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811294657.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top