一种水下机器人故障诊断方法、装置、介质及系统与流程

本发明主要涉及水下机器人，具体涉及一种水下机器人故障诊断方法、装置、介质及系统。

背景技术：

1、水下机器人是工作于水下的极限作业机器人，可在水下几百米到几公里的深度范围内作业。水下环境恶劣危险，而人类的潜水深度是有限的，因此水下机器人的开发成为了探索海洋的重要工具。

2、近年来，水下机器人经常遇到一些电机的可靠性问题。由于水下机器人系统的复杂性，当发生水下电机故障时，无法及时地诊断出问题所在，这导致水下作业的安全风险和成本大大增加。

技术实现思路

1、针对现有技术存在的技术问题，本发明提供一种不破坏水下电机内部结构的前提下，缩短信号处理时间，便于快速做出相应决策的水下机器人故障诊断方法、装置、介质及系统。

2、为解决上述技术问题，本发明提出的技术方案为：

3、一种水下机器人故障诊断方法，包括步骤：

4、获取水下机器人的运行状态信息；所述运行状态信息包括水下机器人的电机电压和电流数据；

5、利用快速傅里叶变换对水下电机的电流和/或电压信号隐含的周期进行分析，得到总谐波含量；

6、将总谐波含量与预设阈值进行对比；当总谐波含量不在预设阈值内，则判断电机故障。

7、优选地，在判断电机故障时，执行以下步骤：

8、预先自定义故障事件和等级；故障等级包括一般故障和严重故障；

9、在判断电机故障时，再通过水下机器人的运行状态信息来判断故障类型和级别；当故障等级为一般故障时，采取相应措施进行自动恢复；如果故障等级是严重故障，则发出维修指令以进行人工处理。

10、优选地，通过将获取的水下机器人的运行状态信息存储至本地介质中，利用数据挖掘的方法对历史数据展开分析。

11、优选地，利用数据挖掘的方法对历史数据展开分析的具体过程为：

12、对水下电机故障数据关联性分析，计算不同故障数据关联度；

13、对水下电机故障数据进行标准化处理，得到标准化处理后的数据；

14、根据不同故障数据关联度构建不同故障状态程度lstm预测模型，通过标准化处理后的数据对lstm预测模型进行训练以得到最终的lstm预测模型，来得到预测故障数据；

15、然后根据预测故障数据判断水下电机的故障发展趋势；

16、最后根据该水下电机的故障发展趋势判断水下电机发生故障的类型和时间。

17、优选地，lstm预测模型的lstm网络单元结构包括遗忘门、输入门、输出门共三个“门”结构；其中，遗忘门决定上一时刻单元状态保存到当前时刻的单元状态；输入门决定当前时刻单元保存xi的多少；输出门决定当前时刻单元状态ct有多少输入到单元隐藏状态ht。

18、优选地，lstm预测模型的预测过程为：

19、ct-1、ht-1分别表示上一时刻的单元状态和隐藏状态；xt表示当前时刻输入；ft表示输出向量，其值域为(0，1)；“0”表示ct-1状态信息完全被遗忘；“1”表示ct-1状态信息完全输入到输入门，计算方式为ft＝σ(wf·[ht-1,xt]+bf)；

20、表示候选信息；it表示的决策向量，计算方式为it＝σ(wi·[ht-1,x1]+bi)。ot表示ct的决策向量；σ、tanh表示激活函数；ct、ht分别表示当前时刻单元状态和隐藏状态，其计算方法如下：

21、

22、式中:wf、bf分别表示遗忘门中sigmoid激活函数权重参数和偏置项；wi、bi表示输入门sigmoid激活函数权重参数和偏置项；wc、bc表示输入门tanh激活函数对应的权重参数和偏置项；wo、bo分别表示输出门sigmoid激活函数权重参数和偏置项。

23、本发明还公开了一种水下机器人故障诊断装置，包括电源单元、控制单元和检测单元，所述电源单元分别与所述控制单元和检测单元相连；所述检测单元与所述控制单元相连，用于检测水下机器人的运行状态信息，所述控制单元用于根据水下机器人的运行状态信息来执行如上所述的水下机器人故障诊断方法的步骤，以实现故障诊断。

24、优选地，所述检测单元包括电机电压传感器、电机电流传感器、进水传感器、温度传感器和电机编码器中的一种或多种。

25、本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

26、本发明还公开了一种水下机器人故障诊断系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

27、与现有技术相比，本发明的优点在于：

28、本发明通过快速傅里叶的谐波分析法，对采集的电流/电压信号进行总谐波含量分析，在不破坏水下电机内部结构的前提下，缩短了信号处理的时间，便于快速做出相应决策；本发明可视化自定义故障事件的参数配置，对故障类型级别自动分类；针对多种故障情况，将故障类型进行分类，能快速定位具体故障，实现故障自愈；本发明可对水下电机运行数据进行统计收集，利用lstm神经网络方法对故障进行预测分析，可对水下电机历史运行数据进行进一步分析，提前避免故障发生。

29、本发明能够实现水下电机的故障诊断分析，从而能够更深入地了解影响海底高压电力系统性能和可靠性的因素，有效减少水下电机的损坏率，降低水下电机的水下作业成本；本发明能够快速的诊断电机故障并作出相应决策，并将历史数据进行统计收集，以供进一步分析。

技术特征：

1.一种水下机器人故障诊断方法，其特征在于，包括步骤：

2.根据权利要求1所述的水下机器人故障诊断方法，其特征在于，在判断电机故障时，执行以下步骤：

3.根据权利要求1或2所述的水下机器人故障诊断方法，其特征在于，通过将获取的水下机器人的运行状态信息存储至本地介质中，利用数据挖掘的方法对历史数据展开分析。

4.根据权利要求3所述的水下机器人故障诊断方法，其特征在于，利用数据挖掘的方法对历史数据展开分析的具体过程为：

5.根据权利要求4所述的水下机器人故障诊断方法，其特征在于，lstm预测模型的lstm网络单元结构包括遗忘门、输入门、输出门共三个“门”结构；其中，遗忘门决定上一时刻单元状态保存到当前时刻的单元状态；输入门决定当前时刻单元保存xi的多少；输出门决定当前时刻单元状态ct有多少输入到单元隐藏状态ht。

6.根据权利要求5所述的水下机器人故障诊断方法，其特征在于，lstm预测模型的预测过程为：

7.一种水下机器人故障诊断装置，其特征在于，包括电源单元、控制单元和检测单元，所述电源单元分别与所述控制单元和检测单元相连；所述检测单元与所述控制单元相连，用于检测水下机器人的运行状态信息，所述控制单元用于根据水下机器人的运行状态信息来执行如权利要求1-6中任意一项所述的水下机器人故障诊断方法的步骤，以实现故障诊断。

8.根据权利要求7所述的水下机器人故障诊断装置，其特征在于，所述检测单元包括电机电压传感器、电机电流传感器、进水传感器、温度传感器和电机编码器中的一种或多种。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-6中任意一项所述方法的步骤。

10.一种水下机器人故障诊断系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-6中任意一项所述方法的步骤。

技术总结
本发明公开了一种水下机器人故障诊断方法、装置、介质及系统，方法包括步骤：获取水下机器人的运行状态信息；所述运行状态信息包括水下机器人的电机电压和电流数据；利用快速傅里叶变换对水下电机的电流和/或电压信号隐含的周期进行分析，得到总谐波含量；将总谐波含量与预设阈值进行对比；当总谐波含量不在预设阈值内，则判断电机故障。本发明在不破坏水下电机内部结构的前提下，缩短了信号处理的时间，便于快速做出相应决策；通过可视化自定义故障事件的参数配置，对故障类型级别自动分类；针对多种故障情况，将故障类型进行分类，能快速定位具体故障，实现故障自愈；对水下电机历史运行数据进行进一步分析，提前避免故障发生。

技术研发人员：汤树芳,刘可安,尚敬,李学明,李子先,杨鸣远,彭勃,唐智锋,黄忠,吴旋
受保护的技术使用者：株洲中车时代电气股份有限公司
技术研发日：
技术公布日：2024/7/9