基于数据驱动的自主式水下潜水器故障检测方法研究与应用
文献类型：学位论文
| 作者 | 杨宗圣1,2 |
| 答辩日期 | 2020-05-26 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 郭大权 |
| 关键词 | 自主式水下潜水器 故障检测 主元分析 注意力机制 大数据 |
| 学位名称 | 硕士 |
| 学位专业 | 控制理论与控制工程 |
| 其他题名 | Research and Application of Fault Detection Method for Autonomous Underwater Vehicle Based on Data Drive |
| 英文摘要 | 海洋资源丰富，我国对海洋资源的开发日益迫切，而自主式水下潜水器(Autonomous Underwater Vehicle,AUV)作为进入海洋进行科学研究的智能化装备装备，也越来越引起研究人员的关注。潜水器每次出海将会花费巨大的人力、物力和财力，如果发生故障将会造成巨大的损失：一方面，故障数据使采集的环境数据失去分析意义，航次失效造成巨大经济损失；另一方面，潜水器中的隐含故障难以发现，造成潜水器损坏甚至丢失。本文首先介绍了潜水器的结构，并且对国内外的研究现状进行了整理，并总结了当前研究存在的问题和不足。然后，本文以“潜龙二号”AUV的资源勘测系统和运动控制系统为研究对象，并依托该潜水器的实际海洋航行数据为训练样本，开展了AUV故障检测方法研究。主要工作有：（1）针对“潜龙二号”AUV 的资源勘查系统传感器数据有着多重变量相关性、故障类型多样、受运行状态和环境变化影响数值变化大以及噪声强等问题, 提出一种新的基于多块信息提取的主元分析 (PCA) 故障检测方法.首先,针对变量之间的多重相关性,通过滑窗和相关系数的方法提取变量间相关性信息;然后,根据变化率在不同运行状态和环境下基本稳定的特点,对于不同类型故障,分别提取变化率信息和变化率信息的各阶统计量累积误差信息;最后,基于提取的特征信息建立3 个子块,对每个子块分别建立PCA 模型并进行检测,将检测的结果通过中值滤波去噪后,用贝叶斯推断进行融合.通过对“潜龙二号”实际运行数据进行检测,验证了该方法的有效性。（2）针对“潜龙二号”AUV的运动控制系统数据有着时空耦合、地理关联、多模态和混合特性共存等问题，利用神经网络提取高维信息，提出一种基于注意力机制的时间卷积网络（Temporal Convolutional Networks，TCN）。一方面，将解决文本分析问题的TCN扩展到潜水器故障检测领域，充分利用时序数据的历史信息，提取数据特征；另一方面，为了提高模型准确度，降低冗余信息影响，通过注意力机制来计算每个特征的权重。最后，为了对潜水器数据进行分析，开发了潜水器数据辅助分析软件，提高分析效率。但是随着潜水器潜次的增加，采集到的潜水器数据越来越多，传统的数据分析软件难以对这些数据进行全面的分析，并且故障检测与故障诊断算法的运行时间随着数据量增加而增加，难以满足潜水器研究人员的效率要求。因此，对基于大数据技术潜水器数据分析平台进行了架构和界面设计，不仅可以全面的集成数据展示、数据分析、故障检测和诊断等功能，并且能够帮助潜水器研究人员对潜水器数据进行高效的分析，而且对平台的可拖拽式算法库进行了实现，为平台的实现奠定了基础。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 83页 |
| 源URL | [http://ir.sia.cn/handle/173321/27122]  |
| 专题 | 沈阳自动化研究所_数字工厂研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 杨宗圣. 基于数据驱动的自主式水下潜水器故障检测方法研究与应用[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
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。