摘要：海洋拥有丰富的生物资源、矿产资源和水资源，随着经济发展、社会进步，人类对海洋资源的开发利用得到更深、更快地发展，作为人类目前探索海底世界的有效工具，水下机器人(Unmanned Underwater Vehicle，UUV)发挥着越来越重要的作用。但是由于海洋环境的未知性和复杂性，水下机器人在水下一旦发生故障，将会严重影响作业任务完成，若返回陆地维修又耗时耗财，因此，水下机器人故障诊断问题成为故障诊断领域研究的热点之一。本文以水下机器人传感器系统为研究对象，探讨了基于神经网络和主元分析的故障诊断方法，将BP神经网络融入到PCA信号预测模型中，神经网络主要包括学习与诊断两个过程，通过对水下传感器历史数据的学习，可以预测下一时刻的信号数据，再与PCA算法结合进行故障诊断。通过仿真实验验证了该算法的有效性。93750

毕业论文关键字:主元分析、水下机器人传感器系统、故障诊断和分析

Abstract: The ocean has rich biological resources, mineral resources and water resources, along with the economic development, social progress, human resources development and utilization of the ocean gets deeper and faster development, as an effective tool for human beings is currently exploring the underwater world, unmanned underwater vehicle (UUV) plays a more and more important role。 But because of the unknown and the complexity of the marine environment, the underwater robot under water once the fault happened, it will seriously affect the task, if the return of land maintenance and time-consuming and costly, therefore, the problem of fault diagnosis of AUV becomes one of the hot research field of fault diagnosis。 In this paper, the sensor system of underwater robot as the research object, discusses the neural network fault diagnosis method based on principal component analysis and BP neural network, the signal into the PCA neural network prediction model, including the learning and diagnosis of two processes, based on historical data of underwater sensor learning, can predict the next data signal time, then fault diagnosis based on PCA algorithm。 The effectiveness of the algorithm is verified by simulation experiments。

Keywords: principal component analysis, underwater vehicle sensor system, fault diagnosis and analysis

目   录

1 绪论 3

1。1 课题的背景与意义 3

1。2 水下机器人传感器系统 3

1。3 传感器故障诊断的方法 4

1。3。1故障诊断的基本概念 4

1。3。2 故障诊断方法的分类及概述 4

1。4 本文的主要研究内容及论文结构 4

2 主元分析法 5

2。1 主元分析法PCA基本原理 5

2。1。1 主元的定义及选取 6

2。1。2 主元个数的确定 7

2。1。3 PCA两个检测统计量 8

2。2 基于PCA的水下传感器信号预测模型 10

2。3 基于PCA信号预测模型的故障检测原理 11

2。3。1 PCA故障检测 11

2。3。2  PCA故障隔离 12

3 基于主元分析的水下传感器故障诊断模型 13

3。1  BP神经网络 13