水下机器人推进器实时监测电流值的降噪方法及其实时监测系统与流程

本发明涉及一种水下机器人推进器实时监测电流值的降噪方法及其实时监测系统。

背景技术：

推进器是水下机器人负荷最重的部件，容易发生故障，所以需要实时监测推进器运行状态。监测推进器运行状态的有效方法之一是监测水下机器人推进器电流状态。监测水下机器人推进器电流状态的工程实践中发现，采集到的电流原始数据往往含有较强的随机噪声干扰，与推进器真实电流数据的误差较大，如果在电流监测系统中直接显示电流原始数据，将使得水下机器人操作人员难以识别电流状态，进而难以根据电流状态判断推进器运行状态。所以在电流监测系统显示电流数据之前，需要对采集到的电流原始数据进行降噪处理。

公知的信号降噪方法一般采用小波分解方法或者七点平滑方法对信号进行降噪处理，但在水下机器人推进器电流数据的降噪实验中发现：单一的小波降噪方法以及单一的七点平滑方法在水下机器人推进器电流信号的降噪中效果有限，具体表现为降噪后的电流数据与真实电流数据的平均误差、方均根误差、平均相对误差仍然较大。

技术实现要素：

本发明所要解决的技术问题是：提供一种水下机器人推进器实时监测电流值的降噪方法。

为解决上述技术问题，本发明所采用的技术方案为：一种水下机器人推进器实时监测电流值的降噪方法，其步骤是：

(1)接收水下机器人cpu系统模块发送过来的电流原始数据，并存储；

(2)采用长度为l的滑动时间窗截取当前时间节拍以及前l-1个时间节拍的电流原始数据；

(3)采用七点平滑方法对时间窗内的数据进行降噪处理；

(4)对上一步处理后的数据采用小波基函数进行小波分解，分解层数为i＝1，提取第i层的小波近似分量；对第i层小波近似分量进行七点平滑处理；

(5)对上一次处理后的数据采用小波基函数进行小波分解，分解层数为i+1，提取第i+1层的小波近似分量；对第i+1层小波近似分量进行七点平滑处理，令i＝i+1；

(6)重复步骤5，直至i达到设定值n时，进行下一步；

(7)将上一步处理后的电流信号的最后一个数据提取出来，作为推进器电流信号在当前时间节拍的电流值。

(8)将上一步提取的电流值传送给电流显示模块；

(9)当收到新的数据时，舍弃时间窗中第一个数据并将新收到的数据放在时间窗的末尾，始终保持时间窗内的数据长度为l，重复步骤3-8。

作为一种优选的方案，所述滑动时间窗长度l＝200，小波基函数为“db4”，所述设定值n＝6。

本方案的有益效果是：实时显示当前电流数据，并有效降低电流原始数据中的随机噪声干扰影响，使得降噪后的电流数据逼近真实电流数据，进一步减小降噪后的电流数据与真实电流数据的平均误差、方均根误差、平均相对误差。

本发明所要解决的另一个技术问题是：提供一种适用于上述方法的水下机器人推进器电流实时监测系统。

为解决上述技术问题，本发明所采用的技术方案为：一种水下机器人推进器电流实时监测系统，其特征在于：包括安装在水下机器人内部的相连接的机器人主控系统电源模块与cpu模块、连接在一起的推进器电源模块与驱动器模块，cpu模块与安装在水下机器人内部的驱动器模块相连，驱动器模块与安装在水下机器人框架上的推进器相连接，还包括设置在推进器电源模块与驱动器模块之间的电流传感器，电流传感器与cpu模块相连接，cpu模块上还连接有通讯模块i，通讯模块i与设置在陆地上的通讯模块ii相配合，通讯模块ii通过降噪模块与设置在陆地上的电流显示模块相连接，降噪模块中执行如上所述的降噪方法。

本方案的有益效果是：本系统可对水下机器人推进器进行实时监测电流，并完成电流值降噪处理，使得降噪后的电流数据逼近真实电流数据。

附图说明

图1为本发明推进器电流小波七点平滑耦合降噪方法流程图。

图2为本发明推进器电流实时监测系统结构示意图。

图3为推进器电流原始数据与真实数据时域波形图。

图4为本发明小波七点平滑耦合降噪模块输出电流与真实电流波形图。

图5公知小波分解方法输出电流与真实电流波形图。

图6公知七点平滑方法输出电流与真实电流波形图。

图7为本发明与公知方法在平均误差方面的对比结果图。

图8为本发明与公知方法在方均根误差方面的对比结果图。

图9为本发明与公知方法在平均相对误差方面的对比结果图。

附图中，各标号如下：

1-水下机器人电力舱，2-水下机器人电子舱，3-水下机器人框架，4-陆地。

具体实施方式

下面结合附图，详细描述本发明的具体实施方案。

如图1所示，一种水下机器人推进器实时监测电流值的降噪方法，其具体实施步骤如下：

第一步，接收水下机器人cpu系统模块发送过来的电流原始数据，并存储；

第二步，采用长度为l＝200的滑动时间窗截取当前时间节拍(此处，每个时间节拍设定为0.2秒)以及前199个时间节拍的电流原始数据；

第三步，对第二步数据进行七点平滑处理，对处理后的数据进行小波分解，小波基函数为“db4”，分解层数为1，提取第1层的小波近似分量；所述七点平滑方法的计算公式为

(4)对上一步处理后的数据采用小波基函数进行小波分解，分解层数为i＝1，提取第i层的小波近似分量；对第i层小波近似分量进行七点平滑处理；

(5)对上一次处理后的数据采用小波基函数进行小波分解，分解层数为i+1，提取第i+1层的小波近似分量；对第i+1层小波近似分量进行七点平滑处理，令i＝i+1；

(6)重复步骤5，直至i达到设定值6时，进行下一步；

(7)将上一步处理后的电流信号的最后一个数据提取出来，作为推进器电流信号在当前时间节拍的电流值。

(8)将上一步提取的电流值传送给电流显示模块；

(9)当收到新的数据时，舍弃时间窗中第一个数据并将新收到的数据放在时间窗的末尾，始终保持时间窗内的数据长度为l，重复步骤3-8。

如图2所示，一种包含降噪模块的水下机器人推进器电流实时监测装置，包括：包括安装在水下机器人电力舱1内部的推进器电源模块和主控系统电源模块，安装在水下机器人电子舱2内部的cpu系统模块、电流传感器、驱动器模块、通讯模块i，安装在水下机器人框架3上的推进器，安装在陆地4上的通讯模块ii、降噪模块、电流显示模块。

如图2所示，主控系统电源模块与cpu系统模块相连，为cpu系统模块、电流传感器、通讯模块i供电，cpu系统模块通过驱动器模块调解推进器转速，推进器电源模块通过电流传感器与驱动器模块相连，为驱动器模块和推进器供电，电流传感器串联在推进器电源模块与驱动器模块之间，将电流测量结果传送给cpu系统模块，cpu系统模块将电流原始数据通过通讯模块i、通讯模块ii发送给降噪模块，降噪模块中执行上述水下机器人推进器实时监测电流值的降噪方法，通过该方法对电流原始数据进行降噪处理，并将处理后的电流数据传送给电流显示模块进行显示。

结合图1和图2，详细阐述本系统的具体工作过程：水下机器人上电工作后，电流传感器采集第1个时间节拍的电流数据，并传送给cpu系统模块，cpu系统模块将电流传感器采集到的电流原始数据，通过通讯模块i、通讯模块ii发送给降噪模块，降噪模块接收水下机器人cpu系统模块发送过来的电流原始数据，并存储；cpu系统模块不断地发送电流原始数据，降噪模块不断地接收和存储电流原始数据；在cpu系统模块发送第200个时间节拍的电流原始数据后，降噪模块存储第200个时间节拍的电流原始数据，并将第200个时间节拍的电流原始数据与之前存储的199个时间节拍的数据组合在一起，构成一个长度为200的数据序列，对这个长度为200的数据序列采用小波分解与七点平滑交叉耦合方法进行降噪处理，并将处理后的数据序列中最后一个数据作为第200个时间节拍的电流值，将此电流值传送给电流显示装置进行显示；在cpu系统模块发送第201个时间节拍的电流原始数据后，降噪模块存储第201个时间节拍的电流原始数据，并将第201个时间节拍的电流原始数据与之前存储的199个时间节拍的数据组合在一起，构成一个长度为200的数据序列，对这个长度为200的数据序列采用小波分解与七点平滑交叉耦合方法进行降噪处理，并将处理后的数据序列中最后一个数据作为第201个时间节拍的电流值；在cpu系统模块发送第k个时间节拍的电流原始数据后，处理过程同上，从而实现水下机器人推进器电流的实时降噪与监测。

图3是推进器电流原始数据与真实数据时域波形图。

图4是公知小波分解方法输出电流与真实电流波形图。

图5是公知七点平滑方法输出电流与真实电流波形图。

图6是本方法降噪模块输出电流与真实电流波形图。

对比图3～图6，可以看出，图3中电流原始数据含有较强的随机噪声干扰，图4公知小波分解方法、图5公知七点平滑方法对电流原始数据中随机噪声干扰有一定的抑制作用，但降噪效果有限，图6本方法降噪效果明显，降噪后的电流数据逼近真实电流数据。

图7是本方法与公知方法在平均误差方面的对比结果图。对水下机器人配备的八个推进器的电流同时进行降噪和监测，并计算每一个推进器的电流原始数据、公知小波分解方法处理后的电流数据、公知七点平滑方法处理后的电流数据、本小波七点平滑耦合降噪方法处理后的电流数据与真实电流数据的平均误差，结果如图7所示。平均误差计算公式如下：

式中，eme为平均误差，yj为真实电流数据，为电流原始数据或处理后的电流数据，n为电流数据个数。

如图7所示，本方法的平均误差曲线始终在其他三条平均误差曲线的上面，更接近于0线，说明本方法与电流原始数据、公知小波分解方法、公知七点平滑方法相比，获得的平均误差的绝对值更小。

图8为本方法与公知方法在方均根误差方面的对比结果图。对水下机器人配备的八个推进器的电流同时进行降噪和监测，并计算每一个推进器的电流原始数据、公知小波分解方法处理后的电流数据、公知七点平滑方法处理后的电流数据、本方法小波七点平滑耦合降噪方法处理后的电流数据与真实电流数据的方均根误差，结果如图8所示。方均根误差计算公式如下：

式中：ermse为方均根误差，yj为真实电流数据，为电流原始数据或处理后的电流数据，n为电流数据个数。

如图8所示，本方法的方均根误差曲线始终在其他三条方均根误差曲线的下面，更接近于0线，说明本方法与电流原始数据、公知小波分解方法、公知七点平滑方法相比，能够获得更小的方均根误差。

图9为本方法与公知方法在平均相对误差方面的对比结果图。对水下机器人配备的八个推进器的电流同时进行降噪和监测，并计算每一个推进器的电流原始数据、公知小波分解方法处理后的电流数据、公知七点平滑方法处理后的电流数据、本方法小波七点平滑耦合降噪方法处理后的电流数据与真实电流数据的平均相对误差，结果如图9所示。平均相对误差计算公式如下：

式中：emape为平均相对误差，yj为真实电流数据，为电流原始数据或处理后的电流数据，n为电流数据个数。

如图9所示，本方法的平均相对误差曲线始终在其他三条平均相对误差曲线的下面，更接近于0线，说明本方法与电流原始数据、公知小波降噪方法、公知七点平滑方法相比，能够获得更小的平均相对误差。

上述的实施例仅例示性说明本发明创造的原理及其功效，以及部分运用的实施例，而非用于限制本发明；应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。