公开(公告)号：CN111091159A

公开(公告)日：2020-05-01

申请号：CN201911372169.9

申请日：2019-12-27

Applicant: 哈尔滨工程大学

Inventor： 张铭钧 ,  张天驰 ,  陈泽宇 ,  于大程 ,  吕图 ,  崔丁与 ,  盖宁

IPC: G06K9/62

Abstract: 本发明提供一种自主式水下机器人推进器弱故障特征提取方法，属于水下机器人故障诊断技术领域。该方法首先对传统稀疏分解算法增加时间变量。待分解信号的每个节拍都会得到对应的分解结果，使得分解结果在时域内精度更高；然后在传统的特征提取方法基础上对故障特征进行增强，通过建立原子字典对应的故障权值矩阵，将故障信息保存在故障权值矩阵中；最后以稀疏分解系数与故障权值矩阵的内积作为增强后的故障特征，进而增大故障特征与干扰特征之间的差值。本发明专利可有效凸显并提取故障特征，便于后续检测并辨识出推进器弱故障，特别适合于自主式水下机器人推进器的状态监测。

公开(公告)号：CN111091159B

公开(公告)日：2023-03-17

申请号：CN201911372169.9

申请日：2019-12-27

Applicant: 哈尔滨工程大学

Inventor： 张铭钧 ,  张天驰 ,  陈泽宇 ,  于大程 ,  吕图 ,  崔丁与 ,  盖宁

IPC: G06F18/2136

Abstract: 本发明提供一种自主式水下机器人推进器弱故障特征提取方法，属于水下机器人故障诊断技术领域。该方法首先对传统稀疏分解算法增加时间变量。待分解信号的每个节拍都会得到对应的分解结果，使得分解结果在时域内精度更高；然后在传统的特征提取方法基础上对故障特征进行增强，通过建立原子字典对应的故障权值矩阵，将故障信息保存在故障权值矩阵中；最后以稀疏分解系数与故障权值矩阵的内积作为增强后的故障特征，进而增大故障特征与干扰特征之间的差值。本发明专利可有效凸显并提取故障特征，便于后续检测并辨识出推进器弱故障，特别适合于自主式水下机器人推进器的状态监测。

公开(公告)号：CN111144307A

公开(公告)日：2020-05-12

申请号：CN201911372160.8

申请日：2019-12-27

Applicant: 哈尔滨工程大学

Inventor： 张铭钧 ,  刘星 ,  于大程 ,  崔丁与 ,  吕图 ,  盖宁

IPC: G06K9/00 ,  B63G8/08

Abstract: 本发明提供一种自主式水下机器人推进器故障特征提取方法，具体是基于经验模态分解、分形维数和SHFC定位算法的，属于水下机器人故障诊断技术领域。该方法采用经验模态分解进行数据预处理替代分形维数中普通的滤波方法；在模态分解后的高频部分，把滚动时间窗引入，通过每个时间窗内小样本的分形维数故障特征的提取，捕捉到故障到分形维数中发生时刻分形维数特征值的突变，提取出分形维数突变的极大值，进而增强故障特征的提取效果。本发明专利能增强故障特征，便于检测水下机器人推进器是否出现故障，特别适合应用于自主式水下机器人推进器的状态监测。