人不在回路時(shí)UUV異常行為辨識(shí)及應(yīng)急方法研究.pdf

1、近年來，隨著海洋開發(fā)技術(shù)的迅猛發(fā)展，無人水下航行器（Unmanned Underwater Vehicle，UUV）逐漸成為勘測(cè)海洋環(huán)境的有效裝備之一。由于UUV工作環(huán)境復(fù)雜多變，監(jiān)視和通信手段受限，UUV存在丟失隱患，因此UUV的安全性問題成為該領(lǐng)域一大研究熱點(diǎn)。為此本文針對(duì)人不在回路時(shí)UUV自身異常行為辨識(shí)及應(yīng)急策略等問題，主要開展了UUV系統(tǒng)建模、容錯(cuò)、異常辨識(shí)及應(yīng)急決策等方法研究，簡(jiǎn)述如下：
　　首先，進(jìn)行了感知系統(tǒng)異常的

2、辨識(shí)方法研究。分析了UUV感知系統(tǒng)異常特征，并建立了傳感器異常模型，利用改進(jìn)的GM(2,1)灰色預(yù)測(cè)模型實(shí)現(xiàn)了對(duì)傳感器的在線異常辨識(shí)；結(jié)合光纖羅經(jīng)的四種異常模型進(jìn)行了仿真驗(yàn)證。
　　其次，進(jìn)行了感知系統(tǒng)容錯(cuò)控制方法研究。用 UUV正常工作實(shí)驗(yàn)數(shù)據(jù)離線訓(xùn)練經(jīng)遺傳算法（Genetic Algorithms，GA算法）優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)；當(dāng)傳感器異常時(shí)，利用經(jīng)離線訓(xùn)練的GA-BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)異常傳感器數(shù)據(jù)的在線重構(gòu)。結(jié)合光纖羅經(jīng)的四種

3、異常模式，對(duì)感知系統(tǒng)的容錯(cuò)控制方法進(jìn)行了仿真驗(yàn)證。
　　再次，在感知系統(tǒng)正常工作的情況下，基于行為學(xué)展開了對(duì)執(zhí)行系統(tǒng)異常辨識(shí)的研究。建立了滑模觀測(cè)器檢測(cè)異常存在性，并根據(jù)研究對(duì)象UUV特征制定了異常辨識(shí)任務(wù)及異常點(diǎn)定位規(guī)則庫(kù)以辨識(shí)異常點(diǎn)，另外還定義了模糊規(guī)則辨識(shí)異常級(jí)別；通過仿真實(shí)驗(yàn)驗(yàn)證了異常點(diǎn)定位規(guī)則庫(kù)的正確性與完備性；結(jié)合UUV右主推異常情況，對(duì)基于行為的執(zhí)行機(jī)構(gòu)異常辨識(shí)、異常點(diǎn)定位及異常級(jí)別判定方法進(jìn)行了仿真驗(yàn)證。
　

4、　最后，研究了UUV在各種異常情況下應(yīng)急決策方法。利用故障樹分析了研究對(duì)象UUV可能存在的異常情況，并根據(jù)UUV的特性提出了八種應(yīng)急措施；建立了模糊專家系統(tǒng)，對(duì)系統(tǒng)的異常狀態(tài)（輸入量）及應(yīng)急決策（輸出量）進(jìn)行模糊量化，建立了應(yīng)急決策知識(shí)庫(kù)。在MATLAB中建立了應(yīng)急知識(shí)庫(kù)及模糊專家系統(tǒng)，設(shè)計(jì)了仿真案例，向案例任務(wù)中隨機(jī)置入異常驗(yàn)證了UUV本文中提出的異常辨識(shí)及應(yīng)急方法的可行性。
　　本文結(jié)合研究對(duì)象UUV特征對(duì)人不在回路時(shí)UUV異