第9讲信息融合与UUV推进器故障辨识.pptVIP

第15讲 水下机器人推进器故障诊断与容错控制;Edin O.等将自组织神经网络的推进器故障模式识别策略与控制律的控制矩阵伪逆重构方法相结合，研究了开架式无人水下机器人推进器集成故障诊断与容错控制，并针对“FALCON”和“URIS”两种ROV水下机器人的不同推进器结构布置，给出了水平面和垂直面容错控制实验和仿真结果。但是在以上所有无人水下机器人推进器故障诊断与容错控制中，均假设推进器处于正常、完全故障或几种固定故障模式，而实际的推进器拥堵故障与外界环境密切相关，其故障的大小是不确定的、连续变化的，将其简化为几种固定模式，与实际故障情况有较大差距，也必将影响故障辨识的精度。 对此，此处将信息融合故障诊断技术引入推进器拥堵故障在线辨识之中，提出基于信度分配小脑神经网络CA-CMAC信息融合在线故障辨识模型，利用多维信息融合技术来提高故障辨识的精度，同时应用CA-CMAC的连续输出特性，解决常规故障诊断方法对推进器拥堵故障连续变化不能诊断的缺陷。 ;15.1 OUTLAND1000推进器布置 实验及数据采集均来源于无人开架水下机器人OUTLAND1000。OUTLAND1000水下机器人的推进器配置。图2为OUTLAND1000水下机器人推进器配置图，它共有4个推进器，2个尾推(尾部水平舵推)：控制机器人前后推进和左右转向；一个处于重心的垂直推进器：控制机器人潜浮运动；一个侧推：