编辑: 贾雷坪皮 | 2019-07-11 |
2015 第22 卷3期Control Engineering of China Vol.
22, No.3 文章编号:1671-7848(2015)03-0559-05 DOI: 10.14107/j.cnki.kzgc.150067 基于贝叶斯估计的水下机器人罗盘故障检测 林昌龙 1,2 ,刘开周
2 (1.华侨大学 计算机科学与技术学院,福建 厦门 361021;
2.中国科学院沈阳自动化研究所 机器人学国家重点实验室,沈阳 110016) 摘要:以电子磁通门罗盘为例对自主水下机器人(Autonomous Underwater Vehicles, AUVs)传感 器故障检测方法展开研究. 针对电子罗盘极易受到周围磁场的影响而产生时对时错的数据这一问 题,首先联立AUV的运动学和动力学方程得到AUV的全状态非线性模型;
然后分析了电子罗盘 的误差来源, 建立了误差的模型;
在此基础上, 提出了基于贝叶斯估计的故障检测方法并给出了 该方法离散形式的递推迭代公式;
最后参照实际使用的电子罗盘的参数和AUV的机动能力,设 计了仿真实验和外场试验,通过实验验证了该方法的正确性和有效性. 关键字:自主水下机器人;
贝叶斯估计;
电子磁通门罗盘;
故障诊断 中图分类号:TP27 文献标识码:A Compass Fault Detection of Autonomous Underwater Vehicles Based on Bayesian Estimation LIN Chang-long1,2 , LIU Kai-zhou2 (1. College of Computer Science and Technology, Huaqiao University, Xiamen 361021, China;
2. State Key Laboratory of Robotics, Shenyang Institute ofAutomation, CAS, Shenyang 110016, China) Abstract: As the electronic magnetic compass is extremely easy to be influenced by the surrounding magnetic field and hence generates data with large deviation, the method of compass fault detection for AUV is studied in this paper. Firstly, the full state nonlinear model of AUV is obtained by correlating kinematic and dynamic equations. Secondly, the measurement deviation of the compass is analyzed and the model of the deviation is established. Based on this, a fault detection method based on Bayesian estimation is proposed and the iterative formula of the method in the discrete form is presented. Finally, simulations and field experiments are designed and carried out according to the parameters of the compass and the maneuver capability of theAUV and the results verify the correctness and effectiveness of this method. Key words: AUV;
bayesian estimation;
electronic magnetic compass;
fault detection
1 引言经过近几十年的积累, AUV 的技术逐渐发展成熟, 目前已经在海洋开发、 科学考察等领域发挥一定的作用. 随着人们对 AUV 能力的要求不断提高, AUV 的使命变 得越来越复杂,如何提高 AUV 的可靠性和智能水平是 目前迫切需要解决的问题. 传感器和执行器的实时监控 和故障自主诊断是提高 AUV 可靠性和智能水平的重要 组成部分.AUV 在作业过程中需要对自身健康状况进 行评估,将评估结果作为规划决策的依据,保证 AUV 在出现异常状况时能够自主识别和判断异常状况, 重新 规划使命任务与调度潜水器资源,最大限度完成使命. 根据程度的大小可以将故障分为两类: 硬故障和软 故障[1] .硬故障是指由于结构性损伤所造成的不可恢复 性故障,一般幅值较大、变化突然.例如设备掉电、电 机卡死、 传感器无数据等都属于硬故障. 软故障是指由 于元件老化或者噪声扰动等引起的特性参数变化. 例如 推进器效率的下降、 传感器数据恒偏差、 漂移或者周期 性扰动等都属于软故障. 对于软故障, 由于设备仍然可 以运转, 只是效率降低了或者数据发生了畸变, 因而相 比硬故障,它的诊断要困难许多. 目前, 故障诊断的主要方法可以分成基于模型和基 收稿日期:2015-01-20;