基于多源信号融合与深度残差收缩网络的AUV推进器故障诊断方法
徐威1
朱志宇1
魏莱2
朱德纹1
臧旭1
1.江苏科技大学 镇江 2121002.中国船舶及海洋工程设计研究院 上海 200011
摘要：单传感器信号容易受到外界噪声的干扰,可能不足以准确地表征出AUV推进器的健康状况,从而导致故障诊断的不确定性.为此,论文提出了一种基于多源信号融合与深度残差收缩网络的AUV推进器故障诊断模型.该模型有三个独立的通道,将不同方向陀螺仪采集的角速度信号作为各通道的输入向量;运用残差收缩网络自适应的去除各传感器信号的噪声干扰,并提取有用的故障特征;最后引入全连接层对各通道信号的特征进行融合诊断,输出诊断结果.实验结果表明,论文提出的多源信号融合诊断模型的准确率达到100%,有效地消除了诊断过程中的不确定性,并且在小样本情况下有着很好的抗噪性能,具备实际场景应用的可行性.
关键词：水下机器人故障诊断多源信号融合小样本深度残差收缩网络
分类号：TP242(自动化技术及设备)
资助基金：江苏省研究生科研项目(KYCX20_3101)
论文发表日期：2025-09-20
在线出版日期：2025-12-23（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2455-2460 )
英文信息