[发明专利]一种基于多尺度分析的AUV导航系统故障诊断方法

摘要

本发明涉及AUV水下导航故障诊断技术领域，具体涉及一种基于多尺度分析的AUV导航系统故障诊断方法。步骤一：根据采样的信号，得到传感器信号序列段x(n)；步骤二：根据所需求的分解层数，进行多尺度分解处理，得到各层小波系数{d1(n)，d2(n)，…，dk(n)}以及第k层的尺度系数ck(n)；步骤三：根据多尺度分解处理得到的信号，进行单支重构处理，得到第k层的近似信号Ck以及各层细节信号{D1，D2，…Dk}；步骤四：根据各层细节信号，通过多尺度熵特征提取方法，将k层多尺度特征量组成k维特征向量；步骤五：将k维特征向量作为已训练好的改进的Levenberg‑Marquardt小波神经网络的输入向量，实现故障类型识别；本发明能够定量地描述出故障在不同尺度上的表征形式，并且能够自主学习并实现AUV导航传感器故障诊断。

主权项

1.一种基于多尺度分析的AUV导航系统故障诊断方法，其特征在于，包括：步骤一：根据水下机器人上传感器采样得到的信号，通过排序编号，得到传感器信号序列段x(n)，其中n为采样序号；步骤二：根据所需求的分解层数，将得到的传感器信号序列段x(n)进行多尺度分解处理，得到各层小波系数{d₁(n)，d₂(n)，…，d_k(n)}以及第k层的尺度系数c_k(n)，其中k为分解层数；步骤三：根据多尺度分解处理得到的信号，进行单支重构处理，得到第k层的近似信号C_k以及各层细节信号{D₁，D₂，…D_k}；步骤四：根据各层细节信号，通过多尺度熵特征提取方法，将得到的k层多尺度特征量组成k维的特征向量；步骤五：根据已训练好的改进的Levenberg‑Marquardt小波神经网络，将得到的k维的特征向量作为小波神经网络的输入向量，实现故障类型识别。