[发明专利]一种自主式水下机器人推进器故障特征提取方法

权利要求书

1.一种自主式水下机器人推进器故障特征提取方法，其特征在于，具体包括以下步骤：

步骤1、经验模态分解：对AUV的速度状态量数据进行经验模态分解，把原始数据分解成不同模态；

步骤2、分形维数故障特征提取：采用时间窗分形维数算法对模态的高频部分即模态四以及更高的模态进行故障特征的提取及筛选；

步骤3、SHFC定位算法故障特征提取：采用SHFC定位算法对模态的低频部分即模态五以及更低的模态进行故障特征的提取及筛选；

步骤4、根据步骤2和步骤3，得到水下机器人推进器的故障特征。

2.根据权利要求1所述一种自主式水下机器人推进器故障特征提取方法，其特征在于：步骤2的滚动时间窗引入，通过每个时间窗内小样本的分形维数故障特征的提取，捕捉到故障发生时刻分形维数特征值的突变，提取出分形维数突变的极大值，进而增强故障特征的提取效果。

3.根据权利要求2所述一种自主式水下机器人推进器故障特征提取方法，其特征在于，所述步骤2具体实现方法包括以下步骤：

(1)在当前时刻计算包括当前时刻的前50拍的分形维数故障特征，而在下一个时刻，删掉时间窗内的最早时刻的数据，把此时刻的样本数据填入到时间窗内，并计算此时刻的分形维数故障特征值；

(2)在时间窗选取完成后，计算窗内数据的分形维数值，，根据分形维数计算过程，重构相空间吸引子的分形维数为：

式中：C(r)为超球的筛选结果，r为分形维数中超球半径。

4.根据权利要求1或3所述一种自主式水下机器人推进器故障特征提取方法，其特征在于，步骤3具体包括以下步骤：

(1)以模态待检信号x(t)，且x(t)在t_i(i＝1,2,...)时刻取得极值点为处理对象，计算信号幅度变化的度量α(t_i)为：

(2)计算信号时间变化的度量φ(t_i)为：

(3)计算信号突变变化的度量w(t_i)为：

w(t_i)＝|α(t_i)|φ(t_i)

(4)当AUV发生突变或遇到干扰时，它会产生模态混叠，从而会使极值点在时间上变化，此时通过SHFC定位算法信号突变变化的度量w(t_i)能检测出故障。