申请/专利权人：哈尔滨工程大学

申请日：2019-12-27

公开（公告）日：2023-03-17

公开（公告）号：CN111091159B

主分类号：G06F18/2136

分类号：G06F18/2136

优先权：

专利状态码：有效-授权

法律状态：2023.03.17#授权;2020.05.29#实质审查的生效;2020.05.01#公开

摘要：本发明提供一种自主式水下机器人推进器弱故障特征提取方法，属于水下机器人故障诊断技术领域。该方法首先对传统稀疏分解算法增加时间变量。待分解信号的每个节拍都会得到对应的分解结果，使得分解结果在时域内精度更高；然后在传统的特征提取方法基础上对故障特征进行增强，通过建立原子字典对应的故障权值矩阵，将故障信息保存在故障权值矩阵中；最后以稀疏分解系数与故障权值矩阵的内积作为增强后的故障特征，进而增大故障特征与干扰特征之间的差值。本发明专利可有效凸显并提取故障特征，便于后续检测并辨识出推进器弱故障，特别适合于自主式水下机器人推进器的状态监测。

主权项：1.一种自主式水下机器人推进器弱故障特征提取方法，其特征在于：步骤如下：步骤1：原子字典学习，利用已有数据样本进行字典学习，得到与AUV状态信号结构特征相似的基函数；步骤2：稀疏分解，基于学习后的原子字典和时间变量对信号进行稀疏分解；步骤3：不断地对故障样本进行稀疏分解，更新故障权值矩阵；1初始化取J个待学习样本{x1,x2…xJ}，令j＝1，残差项初始化为ε＝xj，原子字典D为基于K-SVD算法学习后的原子字典，迭代次数t＝1，分解系数矩阵故障权值矩阵2寻找匹配原子取1个故障样本x，求得残差ε和原子字典D中各原子dj的内积，并找出内积最大值的下角标λ，即：|x,dλ|＝supi∈1,K|x,di|3更新系数矩阵以及故障权值矩阵更新分解系数矩阵为：αt＝αt-1∪|x,dλ|并更新相应故障权值矩阵为：Wλ＝Wλ+αt4更新残差残差为原始信号与当前迭代拟合结果的差值，即：εt＝x-Dαt5判断终止条件算法迭代终止条件为分解信号所用原子个数i，若迭代次数t＜i则返回步骤1；若迭代次数t≥i，则对下一组数据进行学习，即j＝j+1，当所有数据学习完毕，对故障权值矩阵进行归一化处理，然后停止算法；步骤4：将稀疏分解后得到的各原子字典对应的稀疏分解系数以及得到的故障权值矩阵进行内积运算，并将计算结果作为故障特征结果。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种自主式水下机器人推进器弱故障特征提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD