于大程， 朱晨光， 张铭钧

(哈尔滨工程大学 机电工程学院，黑龙江 哈尔滨150000)

水下机器人是目前唯一可以在深海工作的装备，在海洋开发中发挥着重要的作用[1]。自主式水下机器人(autonomous underwater vehicle，AUV)无人无缆工作在复杂的海洋环境中，其安全性是AUV研究和应用的重要问题之一，故障诊断是保障其安全性的关键技术[2]。推进器是AUV中负荷最重、使用频率最高的部件，是影响AUV安全性的重要部件[2]。因此，研究推进器故障诊断技术对提高AUV安全性具有重要研究意义和实用价值[3]。AUV推进器故障诊断技术研究受到很多学者关注，但大多研究推进器出力损失较大的故障[4]。推进器出力损失较小的弱故障(出力损失小于10%)多为早期故障，研究推进器弱故障诊断技术可避免更大事故的发生。推进器故障诊断技术流程主要包括故障特征提取和故障程度辨识2部分[5-6]，其中弱故障辨识的典型方法有灰色关联分析(grey correlation analysis，GCA)[7]、隐半马尔可夫模型[8]、支持向量域描述[9]等。灰色关联分析方法是AUV推进器故障程度辨识比较典型方法[10]。

本文基于文献[10]，重点研究推进器弱故障的程度辨识问题。本文基于该方法进行AUV推进器弱故障的程度辨识时发现，该方法存在：1)不侧重分析不同的故障信号间的变化差异；2)计算关联度时未考虑不同故障信号间的差异性；3)对AUV故障信号关联度处理不当等问题。这些问题导致故障程度辨识误差较大。本文分析了产生问题的原因，根据灰色关联理论，提出了改进方法，通过AUV实验样机水池实验，验证本文改进方法有效性。……