深海载人潜水器推进器系统故障诊断的新型主元分析算法

TP273; 针对"蛟龙号"深海载人潜水器多推进器系统的故障检测与快速定位难题,将基于信度分配的模糊小脑神经网络(credit assignment-based fuzzy cerebellar model articulation controller,FCA–CMAC)应用于主元分析模型,提出一种基于主元分析(principal component analysis,PCA)的深海载人潜水器推进器系统故障诊断模型.首先,应用推进器系统正常运行的历史电流样本数据,由主元分析模型得到各推进器的电流预测值.其次,计算出故障检测统计量均方预测误差(squared predict...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 35; no. 12; pp. 1796 - 1804
Main Authors 程学龙, 朱大奇, 孙兵, 陈云赛
Format Journal Article
LanguageChinese
Published 上海海事大学水下机器人与智能系统实验室,上海,201306%国家深海中心,山东青岛,266237 01.12.2018
Subjects
信号预测
载人潜水器
信号重构
主元分析
故障检测
故障隔离
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2018.80620

Cover

More Information
Summary:TP273; 针对"蛟龙号"深海载人潜水器多推进器系统的故障检测与快速定位难题,将基于信度分配的模糊小脑神经网络(credit assignment-based fuzzy cerebellar model articulation controller,FCA–CMAC)应用于主元分析模型,提出一种基于主元分析(principal component analysis,PCA)的深海载人潜水器推进器系统故障诊断模型.首先,应用推进器系统正常运行的历史电流样本数据,由主元分析模型得到各推进器的电流预测值.其次,计算出故障检测统计量均方预测误差(squared prediction error,SPE),根据SPE值是否跳变,判断推进器系统有无故障发生.通过分别重构各推进器电流信号的SPE值对故障推进器进行定位和隔离.最后,通过对实际海试数据进行仿真处理说明了该算法的可行性,并通过与多层前馈神经网络(back propagation,BP)和常规小脑神经网络(cerebellar model articulation control-ler,CMAC)神经网络进行比较,说明基于FCA–CMAC神经网络的主元分析模型的优越性.
ISSN:1000-8152
DOI:10.7641/CTA.2018.80620