一种基于行为的UUV推进操纵系统异常辨识方法
阅读：778发布：2020-05-25
专利汇可以提供一种基于行为的UUV推进操纵系统异常辨识方法专利检索，专利查询，专利分析的服务。并且本 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。，下面是一种基于行为的UUV推进操纵系统异常辨识方法专利的具体信息内容。
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：
为状态向量x1、x2的估计值，其中x1＝[η1,η2]T∈R6×1、
其中x、y、z表示船体坐标系下三轴速度，φ、θ、ψ表示横摇
角、纵倾角、偏航角；M为包括附加质量的惯性矩阵，M∈R6×6；C(·)为哥氏力及向心力矩阵，C(·)∈R6×6；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∈R6×1；Λ1为正定常对角增益矩阵，Λ2为正定常反馈增益矩阵；
(2)设置残差上下限阈值 和时间窗K，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fn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,ri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，Mf的第i行第j列取值为0、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Mf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di的判定,异常危害级别辨识矩阵Mμd如下：
其中ri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μi,1、μi,2、μi,3分别表示ri隶属于危害级别di正常、小偏差、大偏差的程度；
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＝[a1,a2,…,a6]得到异常危害级别隶属度函数δl：
根据δl得到异常点的危害级别。
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]
[0008] 为状态向量x1、x2的估计值，其中x1＝[η1,η2]T∈R6×1、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；M为包括附加质量的惯性矩阵，M∈R6×6；C(·)为哥氏力及向心力矩阵，C(·)∈R6×6；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∈R6×1；Λ1为正定常对角增益矩阵，Λ2为正定常反馈增益矩阵；
角、纵倾角、偏航角；M为包括附加质量的惯性矩阵，M∈R6×6；C(·)为哥氏力及向心力矩阵，C(·)∈R6×6；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∈R6×1；Λ1为正定常对角增益矩阵，Λ2为正定常反馈增益矩阵；
[0010] (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；
[0011] (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fn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,ri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，Mf的第i行第j列取值为0、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Mf所示，
[0012]
[0013] (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Mμd如下：
[0014]
[0015]
[0016]
[0017]
[0018] 其中ri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μi,1、μi,2、μi,3分别表示残差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；
[0019] 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＝[a1,a2,…,a6]得到异常危害级别隶属度函数δl：
[0020]
[0021] 根据δl得到异常点的危害级别。
[0022] 本发明的有益效果在于：
[0024] 图1为本发明总体结构图。
[0025] 图2为UUV推进操纵系统异常辨识流程图。
[0026] 图3为垂直舵卡右舵异常辨识轨迹图。
[0027] 图4为左推进器常辨识轨迹图。
[0028] 图5为模糊规则隶属度函数。
具体实施方式
[0029] 下面结合附图对本发明进行较详细的描述：
[0030] 一种基于行为的UUV推进操纵系统异常辨识的方法：UUV通过实时掌握自身系统的状态信息，与观测器得到的状态估计信息进行比较，得到连续时间窗内UUV状态残差信息；根据残差信息的从辨识行为表中匹配辨识行为库中特定的辨识行为；UUV执行特定辨识行为，在特定时间内，根据状态信息残差的特点，根据模糊规则实现对异常点的准确定位，并进行系统危害级别的判定。
[0031] UUV首先应实时掌握自身的状态信息，推进操纵系统直接影响UUV的位置速度等状态，用于描述UUV行为的状态信息选取如下：纵向、横向和垂向的速度，深度，北向和东向位移，纵倾和偏航角度。
[0032] 通过设计观测器对能够描述UUV行为的状态信息进行实时估计，与传感器得到的状态信息进行比较，选取合理的时间窗，在连续时间窗内残差的特点，根据概率统计剔除误报警的信息、然后根据残差特点和辨识行为匹配规则表在辨识行为库中进行辨识行为的匹配。
[0033] 设计辨识行为库，设计辨识行为库主要目的是为UUV在执行特定辨识行为，这使得异常点定位以及异常危害级别的判定拥有共同的参考系，辨识行为主要设计为UUV在二维空间内的简单运动行为，可将辨识行为分成直接辨识行为、间接辨识行为。
[0034] UUV工作运动空间是三维的，在执行不同行为时，UUV在连续时间窗内的残差大小差异较大，尤其是在UUV推进操纵系统发生异常的情况下；所以异常点的定位的过程是将UUV的三维空间故障诊断转变为二维空间运动的故障诊断过程，这需要根据残差的特点在辨识行为库中的行为进行准确匹配。
[0035] 设计模糊推理机，异常模式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式；状态异常级别设置为三级：正常工作、一级异常、二级异常，设置异常级别隶属度函数判定危害级别。
[0036] 行为描述是从行为的角度描述UUV整个系统，行为可以看成系统与外界环境的一种交互。从行为的角度描述UUV的行为可分为理性行为和感性行为。其中感性行为可直接产生控制信息实现对UUV控制。状态是对系统行为的一种描述，可被定义为位置、速度等物理量，系统的行为实际是指系统从一个状态转移到另一个状态的过程。一个状态的出现是系统行为动作的结果，而状态描述了系统的行为。UUV的感性行为包括：定向航行行为、定速航行行为、目标趋向行为、循迹航行行为、定高航行行为、定深航行行为以及避碰行为等。在UUV完成上述行为的过程可以通过位置状态、速度状态来进行描述。只有在推进操纵系统状态良好的情况，上述感性行为才能得以准确的实现。本发明方法受到人工智能的启发，系统要确认自身的健康状况是否发生某种异常，系统自主的选择特定的辨识行为，其中辨识行为的选择成为异常辨识的关键。
[0038] 本发明的UUV推进操纵系统异常辨识方法：
[0039] (Ⅰ)根据UUV的动力学模型，设计观测器对UUV的状态(位置、速度、角度等)信息进行实时估计，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，其中非线性滑模观测器如下：
[0040]
[0041] 式中 为状态向量x1、x2的估计值，其中x1＝[η1,η2]T∈R6×1、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；M为包括附加质量的惯性矩阵，M∈R6×6；C(·)为哥氏力及向心力矩阵，C(·)∈R6×6；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∈R6×1；Λ1为正定常对角增益矩阵，Λ2为正定常反馈增益矩阵。由于UUV结构是左右对称，可以忽略横倾的影响。
角、纵倾角、偏航角；M为包括附加质量的惯性矩阵，M∈R6×6；C(·)为哥氏力及向心力矩阵，C(·)∈R6×6；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∈R6×1；Λ1为正定常对角增益矩阵，Λ2为正定常反馈增益矩阵。由于UUV结构是左右对称，可以忽略横倾的影响。
[0042] (Ⅱ)为获得状态信息的阈值，需要设置合理的残差上下限阈值 和时间窗K，时间窗的选择需要根据实际情况而定，K取得过小，则容易造成误警,若K取得过大，则对异常的检测灵敏度降低。根据连续时间窗内的残差的特点，剔除误警的残差信号，初步判断UUV行为是否发生异常，做为匹配辨识行为的依据。
[0043] (Ⅲ)为使UUV在进行异常点定位及危害级别判定有一个共同的参考系，根据推进操纵系统空间分布的特点以及状态残差的特点，从辨识行为库中匹配特定的二维空间辨识行为，实现对自身的异常点定位及危险级别的判定。由于推进器与垂直舵存在明显的耦合关系，单一直接异常辨识行为可能无法定位异常点，需要执行间接异常辨识行为。
[0044] (Ⅳ)UUV在执行辨识行为时，系统可以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fn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。ri的取值为u、v、w、q、r(三轴速度、偏航角速度、纵倾角速度)五个状态项的残差，Mf的第i行第j列取值为“0”、“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Mf所示，UUV在执行特定的辨识行为时，在同一参考系下，各个状态的残差值能够较准确的表示当前推进操纵系统状态。
[0045]
[0046] (Ⅴ)在UUV执行辨识行为库中的二维空间辨识行为时，需要对异常的危害级别进行判定，引入模糊逻辑从行为的角度对UUV推进操纵系统异常进行危害级别的判定。系统的行为实际是指系统从一个状态转移到另一个状态的过程，一定时间内，UUV执行辨识行为可以用UUV在地面坐标系中的速度位置状态描述UUV的行为状态，异常危害级别辨识矩阵Mμd如下：
[0047]
[0048]
[0049]
[0050]
[0051] 其中ri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μi,1、μi,2、μi,3分别表示残差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，测得一定时间后异常危害级别矩阵，根据异常点的危害特性设计权重矩阵A＝[a1,a2,…,a6]得到异常危害级别隶属度函数δl：
[0052]
[0053] δl的值越大说明某特定异常的异常级别为l的可能性越大，可以根据δl得到异常点的危害级别。
[0054] 本发明的推进操纵系统的异常辨识方法还包括：
[0055] 1、所述的采集UUV异常辨识的状态信息为：UUV的三个方向平动速度，UUV的深度、北向位移、东向位移、纵倾角度、偏航速度，而纵倾和偏航角速度可以通过差分得到，可以采集UUV状态的测量装置为：多普勒测速仪、深度计、测高声纳、姿态传感器等；传感器采集UUV的位姿信息，通过串口进行通信，发送给上位机。
[0056] 2、所述的UUV异常行为辨识方式需要对UUV状态信息实时估计，其具体实现方法为：根据UUV系统的动力学方程，设计滑模观测器对UUV的状态信息进行实时的估计，由于UUV系统左右对称，观测器估计的状态信息包括：纵向、横向和垂向速度，纵倾角速度和偏航角速度。纵倾角度、偏航角度、深度、北向位移、东向位移可以通过积分获得。
[0057] 3、所述的UUV异常行为辨识方式，对残差进行处理的具体方法为：采用上下阈值对残差进行处理，选择设置合理的时间窗，借助概率统计，辨识推进操纵系统异常的是否发生异常。
[0058] 4、所述的UUV推进操纵系统异常点定位方法，其具体实现方法为：设计辨识行为库，根据残差的特点从库中匹配特定的辨识行为，在尽可能短的时间内，完成对异常点的定位以及异常点危害级别的判定，这主要受到航行器所带能源的限制，以最小的测试代价实现对推进系统异常点的准确定位也显得尤为重要。
[0059] 图1说明了UUV推进系统布置情况，图1a部分为UUV的侧视图，图1b部分为UUV的俯视图。水平舵(C)安装在水平中切面上，通过水平舵机(G)控制艏向角度，垂直舵(D)安装在垂直中切面上，由垂直舵机(F)控制俯仰角度，主推进器(A、B)左右对称的安装在水平舵的中轴线两侧，可以控制UUV轴向位置和速度；姿态传感器、深度计和多普勒测速仪等传感器(E)安装在UUV腹部中轴线上。
[0060] 图2说明本发明进行异常行为辨识的整个过程。
[0061] 1.上位机进行系统的初始化和使命规划；
[0062] 2.UUV运动计算机接收使命计算机的感性行为指令；
[0063] 3.滑模观测器对UUV的状态信息进行实时的估计，与传感器获得UUV位姿速度状态信息进行实时比较，确定推进操纵系统是否存在异常；
[0064] 4.根据状态残差特点和推进操纵系统空间分布特点可知，六种异常情况中左推进器异常和垂直舵卡左舵残差特性类似、右推进器异常和垂直舵卡右舵残差特性类似，根据表1从辨识行为库中进行匹配。
[0065] 5.在执行辨识行为过程中，实现异常点的定位，辨识行为结束后通过模糊规则实现危害级别的判定。
[0066] 步骤3中所述残差处理方法：UUV某状态残差项ei设定两个阈值 和 定义时间窗K。
[0067] (a)K个连续时间节拍均满足 说明UUV推进系统存在异常。
[0068] (b)K个连续时间节拍均满足 说明UUV推进系统不存在异常。
[0069] (c)K个连续时间节拍中存在 说明UUV可能存在异常，也可能由于外界扰动产生状态偏差，产生误警。
[0070] 针对情况(c)，根据统计学的方法，假设在k时刻系统发出警报，取报警时刻前N拍滑模观测器输出数据项及相应传感器输出值进行统计研究。分别计算观测值及传感器输出值的均值和方差me(k,N)、 m(k,N)、s2(k,N)。
[0071] 检验目标函数为：H0:me(k,N)＝m(k,N)，H1:me(k,N)≠m(k,N)
[0072] 构造统计量如下式：
[0073] 可以证明，当H0成立时，U服从渐近正态分布。将系统置信度设为1-α，当|U|＞uα/2时，其中uα/2为上侧分位数，此时H1成立，可判定系统异常。若|U|＜uα/2，则系统正常运行，解除警报。
[0074] 步骤4中所述异常辨识行为库，根据残差信息和推进系统的特点设计辨识行为，推进操纵系统主要实现UUV在三维空间的运动，拟将UUV的运动行为分解为水平空间和垂直空间运动行为，选取水平空间或者垂直空间的运动行为加入到辨识行为库。由于UUV自身携带能源是有限的，尽可能小的测试代价实现异常点的辨识，可将测试行为分为直接辨识行为、间接辨识行为。
[0075] 直接辨识行为：UUV执行单一行为下即可实现对故障点的定位。在空间运动中取UUV异常存在性辨识时间窗K前一时刻的偏航角、速度、深度状态信息，典型的直接辨识行为包括：UUV零度舵角下保持定向定深航行、UUV左满舵下定深航行、UUV右满舵下定深航行等。
[0076] 间接辨识行为：UUV需要执行两个及以上的异常辨识行为，才能实现对故障点的定位，间接辨识行为可由若干个直接辨识行为组成。例如可以通过执行间接辨识行为实现左右推进器异常与垂直舵异常行为异常的解耦。
[0077] 图3以垂直舵卡右舵为例进行异常辨识的UUV运动轨迹：UUV从起点0开始运动，在点1处推进操纵系统发生异常，在几个时间窗之后可以通过滑模观测器和传感器得到状态残差检测到到推进操纵系统发生异常，该段时间UUV运动轨迹如a(由1点到2点)；根据残差特点根据表1从辨识行为库中选取辨识行为，由于左右推进器与垂直舵存在耦合，采用间接辨识行为实现异常点的定位，在节点2处开始垂直舵零舵角定向定深航行其目标轨迹如b、一定时间后到达点3，开始垂直舵左满舵定深航行其目标轨迹如c,但是由于实际推进系统发生异常其实际轨迹如d，如果执行时间够长的话，轨迹应为如图所示的圆。
[0078] 图4以左推进器异常为例进行异常辨识的UUV运动轨迹：UUV从起点0开始运动，在点1处推进操纵系统发生异常，在若干个时间窗之后可以通过滑模观测器和传感器得到状态残差检测到推进操纵系统发生异常，该段时间UUV运动轨迹如a(由1点到2点)；根据残差特点从辨识行为库中选取辨识行为，由于左右推进器与垂直舵存在耦合，采用间接辨识行为实现异常点的定位，在节点2处开始垂直舵零舵角定深航行其目标轨迹如b、一定时间后到达点3，开始垂直舵左满舵定深航行其目标轨迹如c,但是由于实际推进系统发生异常其实际轨迹如d。
[0079] 表1为辨识行为匹配规则表
[0080]
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种仿欧椋鸟智能的无人机大规模集群超机动转弯方法 | 2020-05-25 | 804 |
| 一种胶轮铰接车辆及其铰接模块 | 2020-05-16 | 824 |
| 车辆制动控制装置 | 2020-05-23 | 783 |
| 用于从水流中提取动力的控制系统 | 2020-05-26 | 834 |
| 车道偏离预防设备 | 2020-05-12 | 695 |
| 一种港口口岸间主航道的自动生成方法及系统 | 2020-05-16 | 184 |
| 基于空地协同的警用飞行器检测方法及装置 | 2020-05-14 | 713 |
| 攻击性驾驶行为的检测和处理 | 2020-05-26 | 189 |
| 一种服务机器人行为实现方法 | 2020-05-26 | 718 |
| 对浮式风力涡轮机的运动的控制 | 2020-05-11 | 759 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈