一种基于行为的uuv推进操纵系统异常辨识方法
【专利摘要】本发明涉及一种基于行为的UUV推进操纵系统异常辨识方法。本发明包括：观测器对UUV的状态信息包括位置、速度、角度进行实时估计，与从UUV传感器实时得到的状态信息进行比较获得状态信息的残差信息；设置残差上下限阈值和时间窗，剔除误警的残差信号，初步判断UUV行为是否发生异常；从辨识行为库中匹配特定的二维空间辨识行为，判定自身的异常点定位及危险级别；系统根据实时采集到系统状态数据的残差特性对UUV推进操纵系统进行不同异常模式的匹配，实现对推进操纵系统的异常点的准确定位；对异常的危害级别进行判定。本发明根据二维运动空间的特定辨识行为实现对推进操纵异常点的准确定位，以及异常危害级别的判定，这降低了异常辨识的难度，时提高了异常辨识准确性。
【专利说明】一种基于行为的UUV推进操纵系统异常辨识方法
【技术领域】
[0001] 本发明涉及一种基于行为的UUV推进操纵系统异常辨识方法。
【背景技术】
[0002] 随着海洋开发的飞速发展，人们对uuv作业的智能作业水平也提出了更高的要 求，这使得UUV的安全性和可靠性在研究和应用中显得至关重要。UUV作为一种复杂的非线 性系统，一旦发生异常，不但不能完成预期的作业任务，而且有可能造成重大经济损失。因 此，对UUV系统进行早期的异常行辨识具有重要的实现意义。在 uuv各种异常中，推进操纵 系统的故障率通常较高的，而且推进操纵系统的异常有可能引发不可挽回的后果，所以对 推进操纵系统的异常进行辨识显得尤为重要。
[0003] 目前，国内学者对UUV推进器故障诊断进行研究，王玉甲在2008年01期《弹箭与 制导学报》的《水下机器人推进器故障融合诊断方法研究》文章中采用模糊逻辑与神经网 络结合的技术进行推进系统的工作状态进行监测，上海海事大学朱大奇等在2010年01期 《系统仿真学报》的《无人水下机器人推进系统故障诊断与容错控制》的文章中针对UUV执 行器和传感器故障辨识问题构造了一种基于递归神经网络的故障辨识模型，但是由于需要 大量的样本进行训练，对新故障的辨别能力有限，而本发明从行为角度出发，只要UUV的行 为发生异常，就能发现故障。还有很多学者对推进器故障开展了研究，王丽荣等在2005年 8月的《哈尔滨工程大学学报》的《滑模观测器在水下机器人推力器故障诊断中的应用》文 章中设计滑模观测器只针对UUV推进器故障进行诊断，并通过模糊规则判定推进器故障的 危害程度，而在实际应用中往往是推进器与舵共同作用实现UUV三维空间空间运动，所以 有必要对推进器和舵同时进行异常辨识，而且UUV作为复杂的非线性系统，三维空间运动 下的UUV推进系统异常辨识十分复杂，本发明设计针对的是由推进器和舵构成的推进操纵 系统，在三维空间对工作状态下uuv的行为进行监控，在异常发生后，根据二维运动空间的 特定辨识行为实现对推进操纵异常点的准确定位，以及异常危害级别的判定，这降低了异 常辨识的难度，时提高了异常辨识准确性。
【发明内容】
[0004] 本发明的目的是提供一种实时监测三维运动空间下UUV行为来检测推进操纵系 统是否存在异常，根据实时获得的UUV位姿速度信息和推进操纵系统空间分布特点，匹配 UUV在简单运动空间中的异常辨识行为，实现对异常点位置的准确定位，最后评价危害级别 的基于行为的UUV推进操纵系统异常辨识方法。
[0005] 本发明的目的是这样实现的：
[0006] (1)观测器对UUV的状态信息包括位置、速度、角度进行实时估计，与从UUV传感器 实时得到的状态信息进行比较获得状态信息的残差信息，其中观测器为：
[0007]
【权利要求】
1. 一种基于行为的UUV推进操纵系统异常辨识的方法，其特征在于： (1) 观测器对UUV的状态信息包括位置、速度、角度进行实时估计，与从UUV传感器实时 得到的状态信息进行比较获得状态信息的残差信息，其中观测器为：
充、毛为状态向量Xi、X2的估计值，其中Xi = [ η i，η2]τ e R6X1、A =七，
，其中x、y、z表示船体坐标系下三轴速度，Φ、θ、z表示横 摇角、纵倾角、偏航角；Μ为包括附加质量的惯性矩阵，Me R6X6;C(·)为哥氏力及向心力矩 阵，C( · ) e R6X6 ;G( ·)为流体阻力以及由重力和浮力产生的恢复力向量之和；τ为独立 控制输入，τ 为正定常对角增益矩阵，Λ 2为正定常反馈增益矩阵； (2) 设置残差上下限阈值&η、；14"和时间窗Κ，剔除误警的残差信号，初步判断UUV 行为是否发生异常； (3) 从辨识行为库中匹配特定的二维空间辨识行为，判定自身的异常点定位及危险级 别； (4) 系统根据实时采集到系统状态数据的残差特性对UUV推进操纵系统进行不同异常 模式的匹配，实现对推进操纵系统的异常点的准确定位，异常模式f n的取值为左推进器异 常、右推进器异常、垂直舵卡右舵、垂直舵卡左舵、水平舵卡上舵、水平舵卡下舵六种异常模 型，^的取值为三轴速度u、v、w、偏航角速度q、纵倾角速度r五个状态项的残差，M f的第i 行第j列取值为〇、1、-1，分别表示"小偏差"、"较大正偏差"、"较大负偏差"，推进操纵系统 异常点辨识的规则矩阵如M f所示，
(5) 对异常的危害级别进行判定，对UUV推进操纵系统异常进行危害级别的判定，异常 危害级别辨识矩阵Mwd如下：
其中r i依次表示大地坐标系中的北向位移、东向位移、深度、偏航角、纵倾角，其中 μ i，1、μ i，2、μ 分别表不残差ri隶属于正常、小偏差、大偏差的程度，由于上述状态量ri是 时间的积分量； 将每一个直接辨识行为的起点作为计时的起点，测得时间T后异常危害级别矩阵，根 据异常点的危害特性权重矩阵A= [ai，a2，…，a6]得到异常危害级别隶属度函数δ1:
根据\得到异常点的危害级别。
【文档编号】G06F19/00GK104252575SQ201410381881
【公开日】2014年12月31日 申请日期:2014年8月6日 优先权日:2014年8月6日
【发明者】严浙平, 赵锦阳, 郝悦, 李本银 申请人:哈尔滨工程大学