自主式水下機器人故障特征增強方法

張銘鈞，劉維新，殷寶吉，王玉甲

（哈爾濱工程大學機電工程學院，黑龍江哈爾濱150001）

自主式水下機器人故障特征增強方法

張銘鈞，劉維新，殷寶吉，王玉甲

（哈爾濱工程大學機電工程學院，黑龍江哈爾濱150001）

針對小波方法對自主式水下機器人（AUV）縱向速度進行外部隨機干擾抑制時存在的過抑制問題，提出一種AUV縱向速度信號故障特征增強與外部隨機干擾抑制方法，采用自適應隨機共振方法實現(xiàn)AUV縱向速度信號的隨機共振，以達成外部隨機干擾能量向故障信號能量的轉移；針對AUV縱向速度信號的非周期特性，基于AUV縱向速度信號與周期信號驅動下雙穩(wěn)系統(tǒng)輸出信號實驗數(shù)據(jù)，分析AUV縱向速度信號驅動下布朗粒子運動狀態(tài)。水池實驗結果表明：所提方法相對小波方法故障信號特征增強效果為70.66%，避免了過抑制問題，且布朗粒子僅在負勢阱內運動。

自主式水下機器人；外部干擾；特征增強；隨機共振；小波；過抑制；非周期；布朗粒子

自主式水下機器人（autonomous underwater vehicle，AUV）無人無纜工作在復雜的海洋環(huán)境，海流等外部隨機干擾會使AUV傳感器信號偏離真實狀態(tài)，而推進器故障信息可能隱藏在這些被干擾的傳感器信號中，為降低外部隨機干擾對推進器故障診斷的影響，需要對傳感器信號進行處理以實現(xiàn)對外部隨機干擾的抑制［1］。

小波分析、灰色預測和卡爾曼濾波器等方法［2-4］是對傳感器信號進行處理的典型方法，在對周期性信號進行外部隨機干擾抑制方面有較好的效果。但在研究AUV故障模式下狀態(tài)信號中所含的外部隨機干擾抑制問題時發(fā)現(xiàn)，外部隨機干擾與故障信號耦合在一起難以剝離，抑制閾值只能估計得出且固定不變，當作為故障信號特征的小波系數(shù)值低于閾值時該處小波系數(shù)被置零，當小波系數(shù)值高于閾值時需用該小波系數(shù)值減去閾值，目的是將外部隨機干擾從原信號中剝離，這2種情況都會使故障信號特征被當成外部隨機干擾而被削弱進而形成過抑制。并且，雖然小波分析和經驗模式分解等故障信號特征增強方法在滾動軸承故障診斷與故障信號特征增強問題上取得了良好的效果［5-6］，但由于AUV縱向速度信號不具有滾動軸承振動信號所具有的周期性，所以難以應用上述方法增強AUV縱向速度信號故障特征。

隨機共振具有利用外部隨機干擾對信號特征進行增強的獨特優(yōu)勢［7］，基于隨機共振原理來增強故障特征、抑制外部隨機干擾，以規(guī)避傳統(tǒng)方法存在的過抑制問題；通過實驗數(shù)據(jù)分析，以期得到AUV縱向速度信號驅動下布朗粒子運動狀態(tài)。通過AUV實驗樣機水池實驗驗證所提方法的有效性，并與小波方法的效果進行比較分析。

1 AUV縱向速度故障特征增強方法

基于小波方法對AUV外部隨機干擾進行抑制時，通過各層細節(jié)系數(shù)估計該層抑制閾值的大小，高于抑制閾值的該層細節(jié)系數(shù)被認為是信號的真實特征得以保留，低于抑制閾值的該層細節(jié)系數(shù)被認為是外擾而被置零［8］。在對推進器故障狀態(tài)下AUV縱向速度信號進行外部隨機干擾抑制的研究過程中發(fā)現(xiàn)：對于AUV縱向速度信號而言，時變的外部隨機干擾與故障信號耦合在一起難以剝離，使得AUV所受海流等外部隨機干擾的強度難以估計。在非故障特征處基于小波方法進行外部隨機干擾抑制的處理方法相當于將外部隨機干擾從原信號中剝離出去，是具有積極意義的，但在信號故障特征處這種處理方式會造成過抑制。

針對上述問題，提出一種AUV縱向速度信號故障特征增強與外部隨機干擾抑制方法，與傳統(tǒng)基于小波分析的閾值處理方法剝離、消除外部隨機干擾的技術路線不同，方法將AUV縱向速度信號作為雙穩(wěn)隨機共振系統(tǒng)的驅動力，通過改變雙穩(wěn)系統(tǒng)勢壘高度達成AUV縱向速度信號的隨機共振，將外部隨機干擾信號能量向故障信號轉移，以實現(xiàn)增強信號故障特征的同時抑制外部隨機干擾，以避免過抑制的目的。

1.1 AUV縱向速度信號自適應隨機共振調整方法

1.1.1 自適應隨機共振調整策略的確定

實現(xiàn)周期信號隨機共振時，一般通過向原信號添加噪聲的方式，調節(jié)噪聲強度至最佳噪聲強度區(qū)間誘發(fā)隨機共振［9］。在研究AUV縱向速度信號隨機共振調整時發(fā)現(xiàn)：AUV推進器出力不足故障使得實際速度在短時間內無法跟蹤上期望速度，在AUV縱向速度信號時域波形中產生短暫的下降沿和上升沿，而原本就無法從原始信號中完全剝離的外部隨機干擾受上述下降沿和上升沿的影響，更加難以準確估計其強度，以至無法確定能夠發(fā)生隨機共振的最佳噪聲強度區(qū)間；同時又由于與水面航行器相比AUV航速較低，當海流等外部隨機干擾強度相對縱向期望速度較高時，添加噪聲的隨機共振調整方法難以實現(xiàn)AUV狀態(tài)信號隨機共振。

基于隨機共振理論［9］與AUV所受外部隨機干擾的特點進一步分析認為：由于結構參數(shù)調整方法通過改變勢壘高度，將AUV縱向速度信號中所含外部隨機干擾信號能量在勢阱內進行重新分配，相當于將隨機共振的實現(xiàn)問題從考慮原信號信噪比的角度轉移到尋找最佳結構參數(shù)組合的角度，更適于實現(xiàn)外部隨機干擾強度未知的故障模式下AUV縱向速度信號的自適應隨機共振，因此，確定基于結構參數(shù)調整實現(xiàn)AUV縱向速度信號隨機共振的自適應隨機共振調整策略。

由于雙穩(wěn)隨機共振系統(tǒng)具有2個結構參數(shù)，存在同時調節(jié)2個結構參數(shù)和固定一個結構參數(shù)調節(jié)另一個結構參數(shù)2種適用的調整策略，為探討哪種調整策略更適合AUV縱向速度隨機共振調整，結合勢壘高度公式和電勢差公式［10］進行分析：

式中：△U為雙穩(wěn)系統(tǒng)勢壘高度，△x為雙穩(wěn)系統(tǒng)電勢差，a、b均為結構參數(shù)。

由式（1）可以看出，當勢壘高度由△U增大為k△U時，既存在的組合，也存在a＇＝a，b＇＝b／k等多種組合，即同一勢壘高度△U對應多種結構參數(shù)組合。由式（2）可以看出，當取a＇＝時，電勢差變?yōu)?，當取a＇＝a，b＇＝b／k時，電勢差變?yōu)?，即不同的結構參數(shù)組合又對應不同的電勢差。通過上述分析可以看出，同時調整2個結構參數(shù)會存在多種解，為便于實現(xiàn)在線調整，選擇固定一個結構參數(shù)調整另一個結構參數(shù)的調整策略。

1.1.2 結構參數(shù)對自適應隨機共振效果的影響

結構參數(shù)a、b對隨機共振效果的影響并不相同，為確定AUV縱向速度信號自適應隨機共振調整過程中應調整哪一個結構參數(shù)，針對AUV縱向速度信號所受外部隨機干擾的特點分析結構參數(shù)對AUV縱向速度信號隨機共振效果的不同影響，具體分析過程如下。

基于結構參數(shù)調整實現(xiàn)隨機共振主要有2種可供選擇的調整方式［9］：1）固定a值，預估b值，按固定步長減小b；2）固定b值，從0開始按固定步長逐漸增大a。在研究AUV縱向速度信號隨機共振的過程中發(fā)現(xiàn)：采取固定結構參數(shù)a減小結構參數(shù)b的調整方式，需基于外部隨機干擾強度估計b值范圍，由于AUV縱向速度信號故障特征與外部隨機干擾耦合在一起難以剝離，使得外部隨機干擾強度難以估計，因此，該調整方式難以適用；采用固定結構參數(shù)b、調節(jié)結構參數(shù)a的方式，可以從0開始按固定調節(jié)步長逐漸增大a值，直至AUV縱向速度信號發(fā)生隨機共振，無需根據(jù)外部隨機干擾強度預判a的取值范圍，更適于實現(xiàn)AUV縱向速度信號隨機共振。

進一步分析認為：由于勢壘高度決定了布朗粒子能否發(fā)生躍遷運動［9］，因此在不外加噪聲的前提下，勢壘高度是影響AUV縱向速度信號隨機共振發(fā)生的最重要因素；從式（1）可以看出，式中2階的結構參數(shù)a對△U的影響要高于1階的結構參數(shù)b。

由上述分析得出：結構參數(shù)a是影響AUV縱向速度信號隨機共振的最重要因素。因此，確定的自適應隨機共振調整方法為：固定結構參數(shù)b，按固定調節(jié)步長調整結構參數(shù)a，根據(jù)式（1）中a與b的相對關系參考文獻［10］，取b＝1。

1.2 調節(jié)步長對自適應隨機共振效果的影響

調節(jié)步長λ直接影響被研究對象隨機共振效果，實現(xiàn)周期信號隨機共振時需根據(jù)被研究對象的特點、調節(jié)步長λ對信噪比評價指標的影響來確定λ值［10］，AUV縱向速度信號沒有特征頻率，難以應用評價周期信號隨機共振效果的信噪比評價指標，需根據(jù)AUV縱向速度信號的特點研究其隨機共振評價指標問題，并結合調節(jié)步長λ對AUV縱向速度信號隨機共振效果的影響確定調節(jié)步長λ。

1.2.1 非周期隨機共振評價指標的確定

由于AUV縱向速度信號經快速傅里葉分解后表現(xiàn)出非周期特性，因此傳統(tǒng)周期信號隨機共振的信噪比評價指標在這里無法應用。根據(jù)AUV縱向速度信號的非周期特性，利用雙穩(wěn)系統(tǒng)輸出信號與AUV縱向速度信號之間的互相關系數(shù)作為評價指標，這是因為互相關系數(shù)可以衡量輸入信號波形與輸出信號波形結構的一致性，這種一致性體現(xiàn)了雙穩(wěn)系統(tǒng)輸出信號對原始信號的還原程度，所以互相關系數(shù)可以用作非周期信號隨機共振的評價指標［11］。

通過自適應隨機共振調整過程中互相關系數(shù)的局部極大值現(xiàn)象，判斷隨機共振是否發(fā)生［12］，互相關系數(shù)R由下式求得［11］：

式中：s為AUV縱向速度原始信號，x為雙穩(wěn)系統(tǒng)輸出信號，，N為AUV縱向速度信號數(shù)據(jù)長度。

1.2.2 調節(jié)步長對評價指標和調節(jié)時間的影響

調節(jié)步長對AUV縱向速度信號隨機共振效果的影響主要體現(xiàn)在評價指標和調節(jié)時間兩個方面。因此，根據(jù)1.1節(jié)分析并確定的自適應隨機共振調整方法，得到不同調節(jié)步長對應的評價指標和調節(jié)時間如表1所示。

表1中，λ為所采用的調節(jié)步長，R為按該調節(jié)步長進行自適應隨機共振調節(jié)所獲得的評價指標的局部極大值，a為取得該評價指標局部極大值時所對應的結構參數(shù)a的值，t為算法達到評價指標最大值所需的調節(jié)時間。由于每次仿真得到的調節(jié)時間雖然相差不大但并不完全一致，因此表1中調節(jié)時間為經50次仿真后平均所得。

表1 λ變化對R和t的影響Table 1 The influence of the variation of λ on R and t

分析表1：調節(jié)步長λ為0.5和0.7時對應評價指標R＝0.751、結構參數(shù)a＝3.5，調節(jié)步長λ取其他值時對應評價指標R＝0.751 3、結構參數(shù)a＝3.6，即λ為0.5和0.7時對應的評價指標相對小。

從調整時間角度分析，調節(jié)時間直接影響上述自適應隨機共振調整方法占用AUV主控內存資源的時間。從表1可以看出：調節(jié)時間t隨著調節(jié)步長λ增大而減小，調節(jié)步長取最大時，評價指標R減小，因此，選取調節(jié)步長 λ＝0.6，對應的評價指標 R＝0.751 3，結構參數(shù)a＝3.6，調節(jié)時間t＝6.01。

2 布朗粒子運動狀態(tài)分析

布朗粒子運動狀態(tài)是研究隨機共振的基礎，周期信號隨機共振的機理就是基于布朗粒子在雙勢阱之間的躍遷運動分析得出的［12］，在研究AUV縱向速度信號隨機共振的過程中發(fā)現(xiàn)：非周期的AUV縱向速度信號與周期信號驅動下雙穩(wěn)系統(tǒng)輸出信號的幅值區(qū)間和信號波形有顯著區(qū)別，由于雙穩(wěn)系統(tǒng)的輸出信號代表著布朗粒子阱內運動的軌跡［12］，因此，AUV縱向速度信號與周期信號驅動下布朗粒子運動狀態(tài)并不相同，周期信號隨機共振理論中的雙勢阱躍遷理論難以適用于AUV縱向速度信號隨機共振。

2.1 AUV縱向速度信號驅動下雙穩(wěn)系統(tǒng)輸出信號

圖1 50%故障模式原始數(shù)據(jù)與雙穩(wěn)系統(tǒng)輸出Fig.1 The original data and output of bistable system with 50%thruster fault，respectively

為分析AUV縱向速度信號驅動下與周期信號驅動下雙穩(wěn)系統(tǒng)輸出信號的區(qū)別，需獲取AUV縱向速度信號驅動下雙穩(wěn)系統(tǒng)輸出信號。前文基于給出的AUV縱向速度信號自適應隨機共振調整方法，對AUV實驗樣機水池實驗獲取的出力不足故障模式下狀態(tài)信號進行自適應隨機共振調整。AUV目標速度為0.3 m／s，目標角度為0°，故障模擬方式按文獻［14］的軟件模擬方式，從第150個節(jié)拍開始到結束，模擬右主推進器50%出力不足故障（推進器實際出力是理論出力的50%），原始數(shù)據(jù)和雙穩(wěn)系統(tǒng)的輸出信號如圖1所示。輸出信號幅值區(qū)間變化。圖1中，50%出力不足故障模式下AUV縱向速度信號原始數(shù)據(jù)幅值區(qū)間為［0.209 0，0.356 0］，雙穩(wěn)系統(tǒng)輸出信號幅值區(qū)間為［－1.908 1，－1.891 0］，發(fā)生隨機共振后雙穩(wěn)系統(tǒng)輸出信號幅值區(qū)間縮小為原始數(shù)據(jù)幅值區(qū)間的11.63%。并且，在研究60%、75%等出力不足故障模式下的縱向速度信號的隨機共振時，同樣存在幅值區(qū)間壓縮這一現(xiàn)象，只是具體數(shù)據(jù)不同。根據(jù)隨機共振原理可知：周期信號驅動下的布朗粒子會產生躍遷運動，從一個勢阱運動到另一個勢阱中，在兩勢阱間電勢差的作用下導致雙穩(wěn)系統(tǒng)輸出信號與原信號相比幅值區(qū)間被放大［10］。因此，從實驗數(shù)據(jù)可以發(fā)現(xiàn)：幅值區(qū)間壓縮現(xiàn)象是AUV縱向速度信號隨機共振與周期信號隨機共振的區(qū)別之一。

分析圖1中的原始信號與雙穩(wěn)系統(tǒng)輸出信號的變化趨勢。在閉環(huán)控制器作用下，圖1中縱向速度為圍繞控制期望v＝0.3 m／s波動；對應圖1中的雙穩(wěn)系統(tǒng)輸出信號選取的是發(fā)生隨機共振時的輸出，實驗中得到此時對應的評價指標為0.863 9。由于確定的評價指標為互相關系數(shù)，而互相關系數(shù)評價的是輸入信號波形與輸出信號波形結構的一致性，其取值范圍為［－1，1］，當高于0.8時說明輸入信號波形與輸出信號波形高度相關，兩者結構相近且變化趨勢基本相同［11］，因此可以判斷圖1中雙穩(wěn)系統(tǒng)輸出信號與原始信號的變化趨勢應基本相同，變化趨勢為圍繞某定值波動。結合圖1中曲線并根據(jù)雙穩(wěn)系統(tǒng)穩(wěn)態(tài)點值計算公式［12］可知，該定值為雙穩(wěn)系統(tǒng)穩(wěn)態(tài)點值 ±a／b＝±1.897 4中的負穩(wěn)態(tài)值。而周期信號驅動下雙穩(wěn)系統(tǒng)輸出信號，其幅值不僅能取到雙穩(wěn)系統(tǒng)的負穩(wěn)態(tài)值，同樣也能取到正穩(wěn)態(tài)值。因此，從實驗數(shù)據(jù)可以發(fā)現(xiàn)：圍繞雙穩(wěn)系統(tǒng)的負穩(wěn)態(tài)值波動是AUV縱向速度信號隨機共振與周期信號隨機共振的區(qū)別之二。

2.2 基于實驗數(shù)據(jù)的布朗粒子運動狀態(tài)分析

由于 AUV縱向速度信號的非周期性，使得AUV縱向速度信號驅動下布朗粒子運動狀態(tài)與周期信號驅動下有顯著不同，周期信號驅動下布朗粒子的雙勢阱躍遷運動難以適用于AUV縱向速度信號隨機共振?；贏UV縱向速度信號驅動下與周期信號驅動下雙穩(wěn)系統(tǒng)輸出信號的區(qū)別分析布朗粒子運動狀態(tài)，為研究AUV縱向速度信號隨機共振問題提供理論依據(jù)。

雙穩(wěn)系統(tǒng)輸出信號實際上描述的是布朗粒子在雙穩(wěn)隨機共振系統(tǒng)勢阱內的變化軌跡［12］，為描述布朗粒子在雙穩(wěn)隨機共振系統(tǒng)內的運動狀態(tài)，分析布朗粒子的運動范圍，需給出對應的勢函數(shù)圖?；谒嶙赃m應隨機共振調整方法實現(xiàn)50%出力不足故障模式下AUV縱向速度信號的隨機共振，得到評價指標的局部極大值對應的結構參數(shù)組合為a＝3.6，b＝1，雙穩(wěn)系統(tǒng)勢函數(shù)為

式中：U為雙穩(wěn)系統(tǒng)勢函數(shù)，a、b為雙穩(wěn)系統(tǒng)結構參數(shù)，x為橫坐標位置。

對應的雙穩(wěn)隨機共振系統(tǒng)勢函數(shù)如圖2所示。

圖2 雙穩(wěn)隨機共振系統(tǒng)勢函數(shù)Fig.2 Potential function of bistable stochastic resonance

結合圖2中的雙穩(wěn)隨機共振系統(tǒng)勢函數(shù)分析AUV縱向速度信號與周期信號驅動下布朗粒子運動狀態(tài)的不同之處。由隨機共振理論可知：雙穩(wěn)系統(tǒng)電勢差影響著雙穩(wěn)系統(tǒng)輸出信號幅值放大程度［9］，但這是以布朗粒子發(fā)生躍遷運動為基礎，而由2.1節(jié)實驗觀察到：幅值區(qū)間壓縮是AUV縱向速度信號隨機共振與周期信號隨機共振的區(qū)別之一，因此，基于幅值區(qū)間壓縮而不是放大這一現(xiàn)象分析認為：AUV縱向速度信號未能驅動布朗粒子作躍遷運動。

由于雙穩(wěn)系統(tǒng)存在2個勢阱，需確定布朗粒子的運動在哪一個勢阱內。2.1節(jié)實驗中觀察到：AUV縱向速度信號驅動下雙穩(wěn)系統(tǒng)輸出信號值圍繞雙穩(wěn)系統(tǒng)的負穩(wěn)態(tài)值波動，因為雙穩(wěn)系統(tǒng)的輸出代表著布朗粒子阱內運動的軌跡［12］，基于這一現(xiàn)象分析認為：AUV縱向速度信號驅動下布朗粒子運動在負穩(wěn)態(tài)勢阱中。

綜上所述，基于實驗數(shù)據(jù)分析認為：與周期信號驅動下布朗粒子的雙阱躍遷運動狀態(tài)不同，推進器出力不足故障模式下（包括50%、60%和75%出力不足故障）AUV縱向速度信號驅動的布朗粒子，并未發(fā)生雙阱躍遷運動，僅在負穩(wěn)態(tài)勢阱內運動，發(fā)生的是單阱非周期隨機共振。

3 水池實驗驗證

3.1 自適應隨機共振調整效果實驗驗證

為驗證提出的自適應隨機共振調整方法的有效性，通過“海貍I”號AUV實驗樣機［13］進行水池實驗驗證。通過“海貍I”主推進器敞水實驗，獲得實驗平臺作前向運動時，主推進器推力與控制電壓的關系為［14］

式中：V為控制電壓，τ為推進器推力。當分別模擬推進器實際輸出推力τ′為正常推力的75%和50%時，即τ′＝0.75τ和τ′＝0.5τ時，實際送給推進器電機驅動器的控制電壓V′分別為

AUV目標速度為0.3 m／s，目標角度為0°，從第150個節(jié)拍開始到結束分別軟件模擬右主推進器50%和75%出力不足故障，故障程度和發(fā)生時刻均為事先設定，水池未造流。數(shù)據(jù)的時間滑動窗大小經多次試驗選取為350拍，采樣周期為f＝5 Hz，即方法診斷周期為（350／f）＝70 s?！昂Ｘ侷”縱向速度信號作為雙穩(wěn)隨機共振系統(tǒng)的輸入，進行自適應隨機共振調整，評價指標R隨結構參數(shù)a變化的關系如圖3所示。

圖3 3種模式下a與R對應關系Fig.3 Relationship between a and R in the three modes

所提自適應調整方法是以實現(xiàn)AUV縱向速度信號隨機共振為目的，根據(jù)隨機共振理論可知，評價指標出現(xiàn)局部極大值即可以說明發(fā)生了隨機共振現(xiàn)象［12］。分析圖3，2種故障模式及正常模式下，AUV縱向速度信號均在a＝3.6處出現(xiàn)了評價指標局部極大值，說明AUV縱向速度信號發(fā)生隨機共振，表明所提方法對AUV正常模式、右主推50%及75%出力不足故障模式下縱向速度信號隨機共振調整的有效性。

3.2 故障特征增強與外部隨機干擾抑制效果驗證

為驗證基于隨機共振原理的AUV縱向速度信號故障特征增強與外部隨機干擾抑制方法的有效性，將水池實驗獲取的50%出力不足故障模式下AUV縱向速度原始數(shù)據(jù)作為雙穩(wěn)隨機共振系統(tǒng)的驅動力，基于所提AUV縱向速度信號故障特征增強與外部隨機干擾抑制方法進行調整，當評價指標出現(xiàn)局部極大值時，取此時的雙穩(wěn)系統(tǒng)輸出分別與小波處理后信號和原始信號進行對比。

為驗證該方法的有效性，基于多層小波分析方法進行故障信號特征提取，具體做法為：基于“db4”小波基函數(shù)進行四層離散小波分析［2］，并以第4層小波分析獲得的細節(jié)系數(shù)的模極大值點作為信號的故障特征［8］。為便于觀察模極大值點所處位置，對所得小波系數(shù)取絕對值。由于探討的重點在于隨機共振理論對外部隨機干擾的抑制與故障信號特征的增強，因此由非對稱小波基函數(shù)“db4”引起的時序列漂移不做討論。50%出力不足故障模式下AUV縱向速度信號特征提取結果如圖4所示。

圖4 50%故障模式下故障特征提取結果Fig.4 Results of extracted fault feature for 50%thruster fault

圖5 50%故障模式下外部隨機干擾抑制效果對比Fig.5 Comparison results of the external stochastic disturbance for 50%thruster fault

由2.1節(jié)的實驗結果表明：與原始信號相比，雙穩(wěn)系統(tǒng)輸出信號幅值區(qū)間被壓縮，因此難以與傳統(tǒng)方法進行定量比較。由于歸一化不改變信號的細節(jié)特征與變化趨勢，為便于與原始信號進行比較分析，將雙穩(wěn)系統(tǒng)輸出信號與原始數(shù)據(jù)進行了歸一化處理。雙穩(wěn)系統(tǒng)輸出信號與原始信號、小波分析抑制后信號的對比如圖5所示。

由圖4可見，50%出力不足故障模式下縱向速度信號特征值所處位置為小波分析的模極大值x＝14處，經所提方法進行信號特征增強后，故障特征相對于原始信號增強3.56%（小波系數(shù)幅值由y＝0.049 67增大到y(tǒng)＝0.051 44）；小波方法進行外部隨機干擾抑制后，故障信號特征被抑制為原始信號的32.90%（小波系數(shù)幅值由 y＝0.049 67削弱為0.016 34），表明在故障信號特征處造成了過抑制。方法相對小波方法，故障信號特征增強效果為3.56%＋（1－32.90%）＝70.66%。

由圖5可見，原始信號、方法、小波方法信號幅值區(qū)間分別為［0.209 0，0.356 0］、［0.221 0，0.346 6］和［0.232 0，0.340 5］。方法抑制后信號幅值區(qū)間為原信號的85.4%，而小波方法為73.8%，方法相對小波方法，對原始信號抑制程度低11.6%。

綜合上述分析，方法對外部隨機干擾抑制效果為原始信號的85.40%，小波方法為原始信號的73.8%，方法比小波方法低11.6%；方法對故障特征增強效果在原始信號基礎上增強3.56%，小波方法故障特征沒有增強反而被抑制為原始信號的32.90%，方法比小波方法高70.66%。

對AUV外部干擾抑制和故障特征增強的目的都是為了提高其故障診斷的準確性，同時分析外部干擾抑制和故障特征增強效果，小波方法在較好地抑制外部干擾的同時卻大幅度削弱了故障特征，方法抑制外部干擾效果稍低于小波方法，但故障特征增強效果顯著。在AUV故障診斷中，可以依據(jù)方法進行故障特征增強，依據(jù)小波方法進行外部干擾抑制，以進一步提高故障診斷的準確性。

4 結論

基于隨機共振理論對AUV縱向速度信號的故障特征增強與外部隨機干擾抑制問題進行了研究，給出了實現(xiàn)AUV縱向速度信號隨機共振的自適應調整方法，通過水池實驗結果和基于實驗數(shù)據(jù)的布朗粒子運動狀態(tài)分析，得出以下結論：

1）與傳統(tǒng)基于小波分解的外部干擾抑制方法相比，所提方法可有效避免過抑制問題，故障特征增強了70.66%，效果較為明顯，同時也對外部隨機干擾進行了抑制，但抑制效果稍低于小波方法。

2）與周期信號驅動下的布朗粒子運動狀態(tài)不同，AUV縱向速度信號驅動下的布朗粒子僅在負穩(wěn)態(tài)勢阱中進行運動，發(fā)生的隨機共振不屬于雙阱隨機共振現(xiàn)象，而是單阱非周期隨機共振，該分析結果為研究AUV縱向速度信號隨機共振問題提供參考和借鑒。

［1］朱大奇，胡震.水下機器人故障診斷與容錯控制技術［M］.北京：國防工業(yè)出版社，2012：87-88.

［2］王麗榮，徐玉如.水下機器人傳感器故障診斷［J］.機器人，2006，28（1）：25-29.

WANG Lirong，XU Yuru.Sensor fault diagnosis of autonomous underwater vehicle［J］.Robot，2006，28（1）：25-29.

［3］周媛，朱大奇.水下機器人傳感器故障診斷的灰色預測模型［J］.中國造船，2011，52（1）：137-144.

ZHOU Yuan，ZHU Daqi.A sensor fault diagnosis method for underwater vehicles based on GM（1，1）［J］.Shipbuilding of China，2011，52（1）：137-144.

［4］李曄，蘇玉民，龐永杰，等.自適應卡爾曼濾波技術在水下機器人運動控制中的應用［J］.中國造船，2006，47（4）：83-88.

LI Ye，SU Yumin，PANG Yongjie，et al.Application of adaptive Kalman filter in underwater vehicle motion control［J］.Shipbuilding of China，2006，47（4）：83-88.

［5］李宏坤，趙長生，周帥，等.基于小波包-坐標變換的滾動軸承故障特征增強方法［J］.機械工程學報，2011，47（19）：74-80.

LI Hongkun，ZHAO Changsheng，ZHOU Shuai，et al.Fault feature enhancement method for rolling bearing based on wavelet packet-coordinate transformation［J］.Journal of Mechanical Engineering，2011，47（19）：74-80.

［6］穆巖，侯恕萍，遲冬南.基于小波HMM的UUV傳感器數(shù)據(jù)孤立點檢測［J］.智能系統(tǒng)學報，2013，8（6）：551-557.

MU Yan，HOU Shuping，CHI Dongnan.UUV sensor data outlier detection on the basis of wavelet HMM［J］.CAAI Transactions on Intelligent Systems，2013，8（6）：551-557.

［7］BENZI R，SUTERA A，VULPIANI A.The mechanism of stochastic resonance［J］.Journal of Physics A：Mathematical and General，1981，14：453-457.

［8］吳娟.自主式水下機器人多故障診斷方法研究［D］.哈爾濱：哈爾濱工程大學，2011：52-55.

WU Juan.Research on multi faults for autonomous underwater vehicle［D］.Harbin：Harbin Engineering University，2011：52-55.

［9］冷永剛，王太勇，郭焱，等.雙穩(wěn)隨機共振參數(shù)特性的研究［J］.物理學報，2007，56（1）：30-35.

LENG Yonggang，WANG Taiyong，GUO Yan，et al.Study of the property of the parameters of bistable stochastic resonance［J］.Acta Physica Sinica，2007，56（1）：30-35.

［10］雷亞國，韓冬，何正嘉，等.自適應隨機共振新方法及其在故障診斷中的應用［J］.機械工程學報，2012，48（7）：62-67.

LEI Yaguo，HAN Dong，HE Zhengjia，et al.New adaptive stochastic resonance method and its application to fault diagnosis［J］.Journal of Mechanical Engineering，2012，48（7）：62-67.

［11］COLLINS J，CHOW C C，IMHOFF T T.Aperiodic stochastic resonance in excitable systems［J］.Physical Review E，1995，52（4）：3321-3324.

［12］胡崗.隨機力與非線性系統(tǒng)［M］.上海：上?？萍冀逃霭嫔?，1994：220-239.

［13］徐建安，王玉甲，張銘鈞.自主式水下機器人試驗平臺研制與實驗研究［J］.哈爾濱工程大學學報，2007，28（2）：212-217.

XU Jianan，WANG Yujia，ZHANG Mingjun.Development and experiment of an autonomous underwater vehicle testbed［J］.Journal of Harbin Engineering University，2007，28（2）：212-217.

［14］王玉甲.水下機器人智能狀態(tài)監(jiān)測系統(tǒng)研究［D］.哈爾濱，哈爾濱工程大學，2006：92-97.

WANG Yujia.Research on intelligent condition monitoring system for autonomous underwater vehicle［D］.Harbin：Harbin Engineering University，2006：92-97.

Fault feature enhancement for autonomous underwater vehicles

ZHANG Mingjun，LIU Weixin，YIN Baoji，WANG Yujia
（College of Mechanical and Electrical Engineering，Harbin Engineering University，Harbin 150001，China）

With respect to over-attenuation caused by wavelet decomposition，when attenuating the external stochastic disturbance for longitude velocity of autonomous underwater vehicle（AUV），a novel algorithm was proposed to enhance fault feature and attenuate stochastic disturbance for AUV longitude velocity.The stochastic resonance of longitude velocity was obtained based on adaptive stochastic resonance，thereby transmitting the energy of external disturbance to that of fault signal.Based on experiment data from outputs of bistable system driven by the non-periodic longitude velocity signal and periodic signal，respectively，the motion state of Brownian particle driven by the longitude velocity was analyzed.The pool experiment results showed that in comparison with wavelet method，the enhancement of fault feature was improved by 70.66%without over-attenuation based on the proposed method，the Brownian particle just moved in negative potential well.

autonomous underwater vehicle；external disturbance；feature enhancement；stochastic resonance；wavelet；over-attenuation；non-periodic；Brownian particle

10.3969／j.issn.1006-7043.201403036

TP27

A

1006-7043（2014）09-1099-07

http：／／www.cnki.net／kcms／doi／10.3969／j.issn.1006-7043.201403036.html

2013-03-14. 網絡出版時間：2014-08-26.

國家自然科學基金資助項目（51279040）；高等學校博士點基金資助項目（20112304110024）.

張銘鈞（1963-），男，教授，博士生導師.

張銘鈞，E-mail：zhangmingjun＠hrbeu.edu.cn.