摘 要：水下机器人故障检测技术是一门新兴的交叉学科，是目前科学研究热点之一。近年来故障诊断技术与多传感器信息融合技术的快速发展，为水下机器人故障检测研究注入了新的活力。本文重点研究基于BP神经网络信息融合的故障诊断，充分利用大量测试数据训练样本效仿生物系统处理信息的能力，从而获得对复杂、不确定的信息处理能力。进而在面对的新的故障时能够灵活地进行判断、BP神经网络信息融合故障诊断很好的解决了单一传感器数据进行诊断的不确定性，相较于模糊诊断更好的分配故障隶属值，在更高要求的故障判据下更加优越性能，具有很高的准确性。93749

毕业论文关键词：水下机器人，故障检测，信息融合，神经网络

Abstract: Underwater robot fault detection technology is a new subject。 Is one of the hot topics in scientific research。 In recent years the rapid development of fault diagnosis technology and multi sensor information fusion technology, has injected new vitality into the research of underwater robot fault detection method of fault diagnosis。 This paper focuses on the BP neural network fault diagnosis based on information fusion make full use of a large number of test data, the training samples follow the ability of information processing in biological systems so as to obtain the complex information processing ability of the new fault and in the face of a flexible judgment, BP neural network information fusion fault diagnosis is a good solution to the single sensor。 The uncertainty of the data is better than that of the fuzzy diagnosis, and the fault membership value is better than the fuzzy diagnosis。

Keywords: underwater vehicle, fault detection, information fusion, neural network

目录

1 绪论 3

1。1 研究背景 3

1。2 水下机器人故障诊断技术的研究现状 3

1。2。1 故障诊断的基本概念 3

1。2。2 故障诊断方法的分类及概述 3

1。2。3 水下机器人故障诊断方法研究现状 5

1。3 本文研究内容 6

2 基于多传感器的信息融合 6

2。1 信息融合的定义 6

2。2 信息融合的基本原理 6

2。3 信息融合的级别 7

2。4 信息融合的分类 8

2。5 信息融合与故障诊断 8

3 基于多传感器信息融合的水下机器人故障检测 9

3。1 BP神经网络模型 9

3。1。1 各传感器故障隶属度值确立 10

3。1。2 神经网络的训练 12

3。2 神经网络信息融合故障判定规则 13

4 总结展望 15

参考文献 16

致谢 18

1 绪论

1。1 研究背景源C于H优J尔W论R文M网WwW.youeRw.com 原文+QQ752-018766

随着人们对海洋资源的需求日益增加，作为探索海洋的重要工具水下机器人由此而生，它能够代替人类进行探索海洋。水下机器人是一种能够在水下行动与作业的水下装置，促进了人们对海洋的探索的发现，推动了工业与经济的发展。水下机器人在目前应用于海洋环境监测、海洋科学数据采集、深海搜寻探索、侦查敌情等方面。随着多传感器信息融合、故障检测、远程控制等技术的不断发展，水下机器人性能变得更全面、稳定，将应用于更多的领域[1-2]。