深海潜水器推进器故障诊断技术研究进展

doi:10.13675/j.cnki.tjjs.200274

推进技术 ›› 2020, Vol. 41 ›› Issue (11): 2465-2474.DOI: 10.13675/j.cnki.tjjs.200274

深海潜水器推进器故障诊断技术研究进展

陈云赛^1,2，褚振忠³，刘坤¹，杨磊¹，朱大奇³

1.国家深海基地管理中心技术部，山东青岛 266237;2.中国海洋大学山东省海洋工程重点实验室，山东青岛 266000;3.上海海事大学物流工程学院，上海 201306

出版日期:2020-11-15 发布日期:2020-11-15
作者简介:陈云赛，博士，工程师，研究领域为深海运载器推进与作业技术。E-mail：cys@ndsc.org.cn
基金资助:
国家自然科学基金（51909039；51839004；U1706224）；国家重点研发计划（2017YFC0306804）；中国科协青年人才托举工程（2019QNRC001）；中国海洋大学山东省海洋工程重点实验室特别资助基金（201807）。

Research Progress on Thruster Fault Diagnosis Technology for Deep-Sea Underwater Vehicle

1.Department of Technology，National Deep Sea Center，Qingdao 266237，China;2.Shandong Key Laboratory of Marine Engineering，Ocean University of China，Qingdao 266000，China;3.College of Logistics Engineering，Shanghai Maritime University，Shanghai 201306，China

Online:2020-11-15 Published:2020-11-15

摘要/Abstract

摘要： 介绍了深潜器的分类以及特点，分类分析了各深潜器推进力产生的方式，归纳总结了深潜器推进器的主要类型与分类特征，介绍了典型的5类深潜器推进器的构型与结构特点。按照深潜器推进器故障后的失效模式，分6类介绍了深潜器推进器常见的故障模式、诱因及其诊断方法。按照定性分析诊断、解析模型诊断与信号处理诊断分3类方法综述了当前深潜器推进器故障诊断技术研究的进展，对深潜器推进器及其故障诊断技术发展方向进行了探讨。

关键词: 深海潜水器;推进器;故障诊断;研究进展;综述

Abstract: The classifications and characteristics of deep-sea underwater vehicles are introduced， then the way in which the propulsive force of each deep-sea underwater vehicle is generated is analyzed respectively， and the main types and characteristics of the thrusters of deep-sea underwater vehicles are summarized. Altogether， the configuration and structural characteristics of 5 typical types of deep-sea underwater vehicle thrusters are introduced. And according to the characteristics of failure mode of the thruster’s failure， six types of common failure modes， incentives and common diagnostic methods of deep-sea underwater vehicle thrusters are presented. Qualitative analysis of diagnostic methods， analytical model diagnosis methods and signal processing diagnosis methods are used to summarize current research progress of fault diagnosis technology for deep-sea underwater vehicle thrusters， and the suggestions for the development of deep-sea underwater vehicles and their failure diagnosis technologies are put forward.

Key words: Deep-sea underwater vehicle;Thruster;Fault diagnosis;Research progress;Review

陈云赛，褚振忠，刘坤，杨磊，朱大奇. 深海潜水器推进器故障诊断技术研究进展[J]. 推进技术, 2020, 41(11): 2465-2474.

CHEN Yun-sai^1,2, CHU Zhen-zhong³, LIU Kun¹, YANG Lei¹, ZHU Da-qi³. Research Progress on Thruster Fault Diagnosis Technology for Deep-Sea Underwater Vehicle[J]. Journal of Propulsion Technology, 2020, 41(11): 2465-2474.

参考文献

[1] 陈云赛. 深海失事装备探捞体系及其关键技术研究［D］. 哈尔滨：哈尔滨工程大学， 2019.
[2] Cui Wei-cheng. An Overview of Submersible Research and Development in China［J］. Journal of Marine Science and Application， 2018， 17（4）： 459-470.
[3] 张铭钧，王玉甲，朱大奇，等. 水下机器人故障诊断理论与技术［M］. 哈尔滨：哈尔滨工程大学出版社， 2016.
[4] 朱大奇，胡震. 水下机器人故障诊断与容错控制技术［M］. 北京：国防工业出版社， 2012.
[5] 刘坤，陈云赛，杨磊，等. 深海载人潜水器推力器布置与容错性能研究［J］. 船舶工程， 2018， 40（8）： 82-86.
[6] 刘维新. 水下机器人推进器弱故障检测与预测方法研究［D］. 哈尔滨：哈尔滨工程大学， 2016.
[7] 钱东，崔立，薛蒙. 美国新一代电动力轻型鱼雷研发策略分析［J］. 鱼雷技术， 2007， 15（6）： 1-4.
[8] 倪天，马岭，许可. 基于磁力耦合器的载人潜水器电力推进装置研究［J］. 海洋工程， 2015， 33（1）： 100-106.
[9] 俞建成，张艾群，王晓辉. 7000米载人潜水器推进器故障容错控制分配研究［J］. 机器人， 2006， 28（5）： 519-524.
[10] 谈微中，严新平，刘正林，等. 无轴轮缘推进系统的研究现状与展望［J］. 武汉理工大学学报（交通科学与工程版）， 2015， 39（3）： 601-605.
[11] 兰加芬，欧阳武，严新平. 无轴轮缘推进器水动力性能分析及桨叶强度校核［J］. 船舶工程， 2018， 40（10）： 52-58.
[12] Tuohy P M， Smith A C， Husband， M， et al. Rim-Drive Marine Thruster Using a Multiple-Can Induction Motor［J］. Electric Power Applications， 2013， 7（7）： 557-565.
[13] Shen Yang， Hu Peng-fei， Jin Shuan-bao， et al. Design of Novel Shaftless Pump-Jet Propulsor for Multi-Purpose Long-Range and High-Speed Autonomous Underwater Vehicle［J］. IEEE Transactions on Magnetics， 2016， 52（7）： 1-4.
[14] 崔维成. 蛟龙号载人潜水器的故障及处理方法［M］. 上海：上海交通大学出版社， 2016.
[15] 边信黔，牟春晖，严浙平，等. 基于故障树的无人潜航器可靠性研究［J］. 中国造船， 2011， 52（1）： 71-79.
[16] Xu H， Lu G， Liu J. Reliability Analysis of an Autonomous Underwater Vehicle Using Fault Tree［C］. YinChuan： Proceeding of the IEEE International Conference on Information and Automation， 2013.
[17] 王玉甲，张铭钧，褚振忠，等. 水下机器人推进器故障定性诊断模型［C］. 南京：全国技术过程故障诊断与安全性学术会议， 2011.
[18] Zhang M J， Wang Y J， Xu J A， et al. Thruster Fault Diagnosis in Autonomous Underwater Vehicle Based on Grey Qualitative Simulation［J］. Ocean Engineering， 2015， 105： 247-255.
[19] Yang K C H， Yuh J， Choi S K. Fault-Tolerant System Design of an Autonomous Underwater Vehicle ODIN： An Experimental Study［J］. International Journal of Systems Science， 1999， 30（9）： 1011-1019.
[20] Ni L， Fuller C R. Control Reconfiguration Based on Hierarchical Fault Detection and Identification for Unmanned Underwater Vehicles［J］. Journal of Vibration & Control， 2003， 9（7）： 735-748.
[21] Hamilton K， Lane D M， Brown K E， et al. An Integrated Diagnostic Architecture for Autonomous Underwater Vehicles［J］. Journal of Field Robotics， 2007， 24（6）： 497-526.
[22] Zhao B， Skjetne R， Blanke M， et al. Particle Filter for Fault Diagnosis and Robust Navigation of Underwater Robot［J］. IEEE Transactions on Control Systems Technology， 2014， 22（6）： 2399-2407.
[23] Sun Y S， Ran X R， Li Y M， et al. Thruster Fault Diagnosis Method Based on Gaussian Particle Filter for Autonomous Underwater Vehicles［J］. International Journal of Naval Architecture & Ocean Engineering， 2016， 8（3）： 243-251.
[24] Alessandri A. Fault Diagnosis for Nonlinear Systems Using a Bank of Neural Estimators［J］. Computers in Industry， 2003， 52（3）： 271-289.
[25] 王丽荣，甘永，徐玉如，等. 滑模观测器在水下机器人推力器故障诊断中的应用［J］. 哈尔滨工程大学学报， 2005， 26（4）： 425-429.
[26] Baldini A， Felicetti R， Freddi A， et al. Fault Detection， Diagnosis and Fault Tolerant Output Control for a Remotely Operwated Vechiles［C］. Oulu： 14th IEEE/ASME International Conference on Mechatronic and Embedded Systems and Applications， 2018.
[27] Chu Z， Zhang M. Fault Reconstruction of Thruster for Autonomous Underwater Vehicle Based on Terminal Sliding Mode Observer［J］. Ocean Engineering， 2014， 88： 426-434.
[28] Chu Z， Meng F， Zhu D， et al. Fault Reconstruction Using a Terminal Sliding Mode Observer for a Class of Second-Order MIMO Uncertain Nonlinear Systems［J］. ISA Transactions， 2020， 97： 67-75.
[29] Hanai A M， Song C， Marani G， et al. Experimental Validation of Model-Based Thruster Fault Detection for Underwater Vehicles［C］. Kobe： IEEE International Conference on Robotics and Automation， 2009.
[30] Choi Jin-kyu， Kondo Hayato， Shimizu E. Thruster Fault-Tolerant Control of a Hovering AUV with Four Horizontal and Two Vertical Thrusters［J］. Advanced Robotics， 2014， 28（4）.
[31] Shumsky A， Zhirabok A， Hajiyev C. Observer Based Fault Diagnosis in Thrusters of Autonomous Underwater Vehicle［C］ Barcelona： 2010 Conference on Control and Fault-Tolerant Systems， 2010.
[32] Brito M P， Griffiths G. A Markov Chain State Transition Approach to Establishing Critical Phases for AUV Reliability［J］. IEEE Journal of Oceanic Engineering， 2011， 36（1）： 139-149.
[33] Brito M， Griffiths G， Ferguson J， et al. A Behavioral Probabilistic Risk Assessment Framework for Managing Autonomous Underwater Vehicle Deployments［J］. Journal of Atmospheric & Oceanic Technology， 2012， 29（11）： 1689-1703.
[34] Jia Q， Chen W， Zhang Y， et al. Robust Fault Reconstruction via Learning Observers in Linear Parameter-Varying Systems Subject to Loss of Actuator Effectiveness［J］. Iet Control Theory & Applications， 2014， 8（1）： 42-50.
[35] 王丽荣，丁凯. 基于小波网络的水下机器人执行器故障诊断［J］. 系统仿真学报， 2007， 19（1）： 206-209.
[36] 庞永杰，方少吉，王丽容. 基于小波网络的水下机器人推进器故障诊断［J］. 中国造船， 2008， 49（2）： 94-100.
[37] Liang X， Zhang J， Li W， et al. Sensor Fault Diagnosis for Autonomous Underwater Vehicles［J］. Sensor Letters， 2011， 9（5）： 2062-2066.
[38] Costa F B. Fault-Induced Transient Detection Based on Real-Time Analysis of the Wavelet Coefficient Energy［J］. IEEE Transactions on Power Delivery， 2014， 29（1）： 140-153.
[39] 张铭钧，殷宝吉，刘维新，等. 随机干扰下AUV推进器故障特征提取与融合［J］. 华中科技大学学报（自然科学版）， 2015，（6）： 22-26.
[40] 刘维新，张铭钧，殷宝吉，等. 基于小波最优重构尺度的AUV推进器故障检测方法［J］. 上海应用技术学院学报（自然科学版）， 2015， 15（2）： 130-134.
[41] Abed W， Sharma S K， Sutton R， et al. An Unmanned Marine Vehicle Thruster Fault Diagnosis Scheme Based on OFNDA［J］. Journal of Marine Engineering & Technology， 2017， 16（1）： 37-44.
[42] Kim J H， Beale G O. Fault Detection and Classification in Underwater Vehicles Using the T2 Statistic［J］. Automatika Journal for Control Measurement Electronics Computing & Communications， 2002， 43（1-2）： 29-37.
[43] Zhu D， Bai J， Yang S X. A Multi-Fault Diagnosis Method for Sensor Systems Based on Principle Component Analysis［J］. Sensors， 2010， 10（1）.
[44] 陈楚瑶，朱大奇. 神经网络主元分析的传感器故障诊断方法［J］. 系统工程与电子技术， 2010， 32（7）： 1549-1553.
[45] 程学龙，朱大奇，孙兵，等. 深海载人潜水器推进器系统故障诊断的新型主元分析算法［J］. 控制理论与应用， 2018， 35（12）： 1796-1804.
[46] Jiang Y， He B， Lv P， et al. Actuator Fault Diagnosis in Autonomous Underwater Vehicle Based on Principal Component Analysis［C］. Kaohsiung： IEEE Underwater Technology， 2019.
[47] 严浙平，迟冬南，赵智，等. UUV推进系统模糊自适应融合故障诊断方法［J］. 电机与控制学报， 2012， 16（9）： 14-20.
[48] He J， Li Y， Li Y， et al. Fault Diagnosis in Autonomous Underwater Vehicle Propeller in the Transition Stage Based on GP-RPF［J］. International Journal of Advanced Robotic Systems， 2018， 15（6）： 1-9.
[49] Yin B， Zhang M， Lin X， et al. A Fault Diagnosis Approach for Autonomous Underwater Vehicle Thrusters Using Time-Frequency Entropy Enhancement and Boundary Constraint-Assisted Relative Gray Relational Grade［J］. Proceedings of the Institution of Mechanical Engineers Part I： Journal of Systems and Control Engineering， 2020， 234（4）： 512-526.
[50] Omerdic E， Roberts G. Thruster Fault Diagnosis and Accommodation for Open-Frame Underwater Vehicles［J］. Control Engineering Practice， 2004， 12（12）： 1575-1598.
[51] Liu Q， Zhu D， Yang S X. Unmanned Underwater Vehicles Fault Identification and Fault-Tolerant Control Method Based on FCA-CMAC Neural Networks， Applied on an Actuated Vehicle［J］. Journal of Intelligent & Robotic Systems， 2012， 66（4）： 463-475.
[52] Talebi H A， Khorasani K. A Neural Network-Based Multiplicative Actuator Fault Detection and Isolation of Nonlinear Systems［J］. IEEE Transactions on Control Systems Technology， 2013， 21（3）： 842-851.
[53] Fagogenis G， Carolis V D， Lane D M. Online Fault Detection and Model Adaptation for Underwater Vehicles in the Case of Thruster Failures［C］. Stockholm： IEEE International Conference on Robotics and Automation， 2016.
[54] Samy N， Matias V T. Modeling and Soft-Fault Diagnosis of Underwater Thrusters with Recurrent Neural Networks［J］. IFAC PapersOnLine， 2018， 51（29）.
[55] Wang Y， Zhang W， Di F， et al. An AUV Thruster Fault Diagnosis Method Based on the Improved SVDD［C］. Wuhan： IEEE 8th International Conference on Underwater System Technology： Theory and Applications， 2018.
[56] Sun Y， Wang Z， Zhang G. Fault Diagnosis Method of Autonomous Underwater Vehicle Based on Deep Learning［C］. Zhuhai： IOP Conference Series Materials Science and Engineering， 2019.

深海潜水器推进器故障诊断技术研究进展

Research Progress on Thruster Fault Diagnosis Technology for Deep-Sea Underwater Vehicle

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

本文评价