公开(公告)号：CN114114924B

公开(公告)日：2024-05-03

申请号：CN202111425257.8

申请日：2021-11-26

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  朱德纹 ,  王伟然 ,  徐威

IPC: G05B13/04

Abstract: 本发明公开了一种自主式水下机器人控制系统输入电流故障检测方法，包括以下步骤：采用量子Bang‑Bang技术对采集到的AUV控制系统的信号进行干扰和故障解耦，使干扰信号和故障信号独立演化；对采集到的AUV控制系统的信号进行模态分解，将原始数据分解为相应的固有模态；采用SHFC窗口定位法对分解后的低频模态进行输入电流故障检测；得到AUV控制系统故障特征。本发明能够解决故障和干扰同时存在的难题，能够有效的提取出系统真实的故障特征，便于后期进行故障检测和辨识，确保AUV能够安全地运行。

公开(公告)号：CN114544155B

公开(公告)日：2024-10-25

申请号：CN202210105260.X

申请日：2022-01-28

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  徐威 ,  王伟然 ,  朱德纹 ,  简杰

IPC: G01M13/00 ,  G01R31/34 ,  G01R31/52 ,  G06N3/0464 ,  G06N3/08 ,  B63C11/52

Abstract: 本发明公开了一种基于深度学习的AUV推进器多信源融合故障诊断方法及系统，方法包括：采集AUV推进器各种故障类型的一维时间序列故障数据；将采集到的各种故障类型的一维时间序列故障数据进行数据预处理操作，得到多个多信源样本数据；将预处理后得到的多信源样本数据划分为训练集、验证集、测试集；建立卷积神经网络故障诊断模型，将训练集的多信源样本数据输入卷积神经网络故障诊断模型中进行前向传递和反向传播计算，训练卷积神经网络故障诊断模型参数；模型的验证与测试。本发明方法可自动对原始故障数据进行提取特征和诊断，无需任何手工特征提取操作，使人们对AUV推进器的故障诊断更加方便快捷。

公开(公告)号：CN114114924A

公开(公告)日：2022-03-01

申请号：CN202111425257.8

申请日：2021-11-26

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  朱德纹 ,  王伟然 ,  徐威

IPC: G05B13/04

Abstract: 本发明公开了一种自主式水下机器人控制系统输入电流故障检测方法，包括以下步骤：采用量子Bang‑Bang技术对采集到的AUV控制系统的信号进行干扰和故障解耦，使干扰信号和故障信号独立演化；对采集到的AUV控制系统的信号进行模态分解，将原始数据分解为相应的固有模态；采用SHFC窗口定位法对分解后的低频模态进行输入电流故障检测；得到AUV控制系统故障特征。本发明能够解决故障和干扰同时存在的难题，能够有效的提取出系统真实的故障特征，便于后期进行故障检测和辨识，确保AUV能够安全地运行。

公开(公告)号：CN114544155A

公开(公告)日：2022-05-27

申请号：CN202210105260.X

申请日：2022-01-28

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  徐威 ,  王伟然 ,  朱德纹 ,  简杰

IPC: G01M13/00 ,  G01R31/34 ,  G01R31/52 ,  G06N3/04 ,  G06N3/08 ,  B63C11/52

Abstract: 本发明公开了一种基于深度学习的AUV推进器多信源融合故障诊断方法及系统，方法包括：采集AUV推进器各种故障类型的一维时间序列故障数据；将采集到的各种故障类型的一维时间序列故障数据进行数据预处理操作，得到多个多信源样本数据；将预处理后得到的多信源样本数据划分为训练集、验证集、测试集；建立卷积神经网络故障诊断模型，将训练集的多信源样本数据输入卷积神经网络故障诊断模型中进行前向传递和反向传播计算，训练卷积神经网络故障诊断模型参数；模型的验证与测试。本发明方法可自动对原始故障数据进行提取特征和诊断，无需任何手工特征提取操作，使人们对AUV推进器的故障诊断更加方便快捷。