[发明专利]基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法

摘要

本发明提供的是一种基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法。通过粒子群优化算法对单稳态随机共振系统结构参数进行优化，以实现AUV控制信号和状态信号的自适应随机共振，并提高其随机共振效果，通过随机共振现象最终达到抑制AUV控制信号和状态信号中所含外部随机干扰，增强故障信号特征的目的。本发明解决传统单参数固定步长自适应随机共振方法优于忽略了参数之间的交互作用而导致的结构参数选取缺乏合理的理论依据，以及难以实现最优随机共振效果的问题，经自适应随机共振系统处理后的AUV控制信号和状态信号，抑制了外部干扰且增强了故障信号特征，可用于AUV推进器故障诊断、容错控制等领域。

主权项

一种基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法，其特征是：(1)首先，对自主式水下机器人采集到的数据进行滑动窗处理，当采集到数据长度为L＝250～500的传感器和控制器信号后开始检测，当再次采集到新的数据后，舍弃原数组第一个数据并将新采集回来的数据放在原数组的末尾，始终保持数据长度为L；(2)采用粒子群优化算法对单稳态随机共振系统结构参数进行优化，首先进行种群初始化，具体方法为：设置单稳系统结构参数a、b的搜索范围在[0,7]区间，Tmax＝100，随机初始化N＝50个粒子组成一个种群；(3)采用式所示的单稳态随机共振模型处理自主式水下机器人信号，式中x(t)为单稳随机共振系统输出信号，为中x(t)的导数，s(t)为步骤(1)得到的长度为L的数据，a、b为单稳随机共振系统结构参数；(4)采用互相关系数R作为适应度函数来评价粒子的个体适应度，R值越大则粒子的适应性越好；R由式求得，式中其中：x为单稳系统输出信号，L为自主式水下机器人信号数据长度，s(j)代表L个数据中的第j个数据；(5)采用式Vi(t+1)＝w×Vi(t)+c1×R1×(Pi(t)‑Xi(t))+c2×R2×(G(t)‑Xi(t))所示的方式更新所有粒子的分形速度和位置，其中：t为当前迭代次数，i代表种群中第i个粒子，Xi(t)、Vi(t)分别为第t次迭代时第i个粒子的位置和飞行速度，Vi(t+1)为第t+1次迭代时第i个粒子的飞行速度，Vi(t)为第t次迭代时第i个粒子的飞行速度，c1＝2和c2＝2为学习因子，R1和R2为介于[0,1]之间相互独立均匀分布的随机数，Pi(t)为经过t次迭代第i个粒子迄今为止搜索到的最优解，G(t)为经过t次迭代整个种群所有粒子迄今为止搜索到的最优解，w为惯性权重、由式w(t)＝wmax‑(wmax‑wmin)×t/Tmax求得，式中wmax＝25为惯性权重的上限，wmin＝1为惯性权重的下限，t为当前迭代次数，Tmax为最大迭代次数，得到更新后的粒子飞行速度Vi(t+1)后，带入式Xi(t+1)＝Xi(t)+Vi(t+1)，式中Xi(t+1)为第t+1次迭代时第i个粒子的位置，Xi(t)为第t次迭代时第i个粒子的位置，经上述计算后，得到更新后粒子的位置和飞行速度；(6)判断是否符合终止条件，当满足下列条件中的任何一个时，迭代终止：1.进化代数达到设定的最大阈值Tmax；2.两代之间的最优适应度值之差小于预设精度，满足上述两个条件任何一个则迭代优化过程终止，进入下一步骤；两个条件均不满足则回到步骤(3)继续进行迭代优化；(7)经粒子迭代更新优化后，得到最优结构参数a和b的值并输出给单稳随机共振系统；(8)采用最优结构参数a和b的单稳态随机共振：根据步骤(7)得到的最优结构参数a和b的值，固化步骤(3)所述单稳态随机共振系统的结构参数值，对自主式水下机器人控制信号和状态信号进行随机共振处理。