水下机器人传感器故障诊断的灰色预测模型.pdfVIP

52卷 第 1期 (总第 194期) 中 国 造 船 Vol52 Nol (SerialNo 194) 2011年 3月 SHIPBUILDING oFC}ⅡNA M ar2O1l 文章编号：1000．-4882 (2011)01．0137—08 水下机器人传感器故障诊断的灰色预测模型 周 媛，朱大奇 (上海海事大学水下机器人实验室，上海201306) 摘 要 将灰色预测 GM (1，1)原理引入到水下机器人传感器的故障诊断中，对传感器样本数据序列建立灰色 动态预测型。通过对该模型输出信号与实际输出之间误差的分析，实时检测传感器的故障。针对Outland1000 无人水下机器人中的方向传感器，应用该方法对该传感器的三种典型故障模式进行 了故障检测实验，结果表 明所提故障检测方法准确可靠。 关 键 词 ：灰色预测；无人水下机器人；传感器；故障诊断 中图分类号 ：TH24 文献标识码：A 0 引 言 水下机器人传感器系统 的可靠性，是实时监测机器人的真实状态、保证它能顺利完成水下作业任 务的重要前提。如果传感器在使用过程中发生了故障，轻者无法反映机器人真实的水下状况，重者可 能导致整个系统运行瘫痪 。所 以水 ’F机器人传感器系统故障的 自主诊断是至关重要的。 目前水下机器人传感器故障诊断与容错控制的方法主要有硬件冗余方法和软件分析方法J【J。通常 情况下，硬件冗余会受到水下机器人空间小、动力有 限的限制；而一般的软件分析方法对机器人传感 器的信息、故障样本及解析模型有较强的依赖 。灰色动态预测具有所需信息量小、不需要系统模型支 持等特点。本文提出一种基于灰色动态预测模型的传感器故障检测算法，而且把该方法应用到水下机 器人 Outland1000中的方向传感器 (罗经)的故障检测。从水池实验结果来看，诊断算法快速有效。 1 基于 GM (1，1)的灰色动态预测模型 单序列一阶线性灰色模型 GM (11)模型是灰色系统理论的基本预测模型，它以微分拟合为核心， 根据系统的数据特征，找出各数据之 间的变化规律。GM (1，1) 灰色动态预测模型建模过程如下 】： (1)原始数据预处理。设系统观测值为 (。)= (。(1)，x(。(2)，…，(。())，但由于原始数据序列随 机性和离散性较大，故对原始数据序列 (。)进行一阶累加生成的预处理，即 1-AGO (Accumulated GeneratingOperati,。n)运算，得生成序列 (1)=1(1(1)，(1(2)，…，(1())，其中： 收稿 日期：2O1O06．t8；修改稿收稿 日期：2OlO一12一l3 基金项 目：上海市教委创新项 目 (10ZZ97)，上海市科委长三角科技联合攻关项 目(10595812700)，高校博士点基金项 目 (20093121110001) 中 国 造 船 学术论文 ㈣()=∑ 。() k=1，2，…， I=l (2)GM (1,1)灰色预测建模 。 由GM (1，1)灰色预测的定义形式[8-9]： 。()+az(()=6 =1,2，…，n (2) 式中z(1(尼)为x(()的紧邻均值生成，即z(()=0．5x(()+0．5x((一1)，a为发展系数，b为灰色作 用量 。 从而得到 白化微分方程 】： + (1)_6 (3) df 利用最小二乘法求解 ，b得到