载人潜水器在线状态监控与故障诊断技术研究

The JIAOLONG manned submersible has finished more than 70 dives in the testing application after its 7000m sea trial. It has achieved great success in scientific investigation, and suffers from frequent faults as well. At present, JIAOLONG carries out its monitoring and fault diagnosing based on the abnormal of local equipments. However, the key scientific problem demanding prompt solution in JIAOLONG’s application is to make use of the abundant information in its running data, and to build up the overall monitoring and fault diagnosing technique scheme of JIAOLONG..To deal with the disturbance of high frequency noise of some variables and the remarkable state transition in JIAOLONG’s running data, we firstly design a filtering algorithm for the noise in different frequency to promote its robustness under strong impulse disturbance, and propose a suitable dimension-reducing and decoupling technique for the data. Furthermore, we construct a state-control variable set based on the operation of the pilot in the submersible, build up training database with JIAOLONG’s historical data under normal conditions and abnormal conditions, and then make the overall modeling using improved Hidden Markov Model (HMM). Meanwhile, we design a distributive filter to cope with the characteristic of JIAOLONG’s sub-system, with the consideration of the information fusion and communication between different sub-filters. This program will form a whole technique scheme of condition monitoring and fault diagnosis for the manned submersible, and provide technical support for the safe operation of JIAOLONG.

蛟龙号载人潜水器自7000米级海试以来，已完成70余潜次的试验性应用，在取得丰硕科考成果的同时，也经历了故障多发的困扰。当前，蛟龙号的监控与故障诊断仅来源于局部设备的异常反馈，而如何利用蛟龙号运行数据的诸多信息，构建全局化的监控与故障诊断技术，是蛟龙号应用中亟待解决的重要科学问题。.针对蛟龙号载人潜水器运行中部分变量高频噪声扰动大、状态切换变化明显等特点，本项目首先设计针对不同频段噪声的滤波算法，提高强脉冲干扰下的鲁棒性，构建适合蛟龙号数据集的降维解耦机制，提取反映系统运行的关键变量；进一步，结合潜航员舱内指令操作特点，构建状态控制变量集，利用蛟龙号历史数据建立正常与故障状态训练库，通过改进隐马尔科夫模型实现跨系统整体建模；同时，设计与蛟龙号各系统匹配的分布式滤波器，并考虑子滤波器的信息融合及相互通信，最终形成一套针对载人潜水器的在线状态监控与故障诊断技术体系，为蛟龙号安全运行提供支撑。

蛟龙号载人潜水器自7000米级海试以来，已完成70余潜次的试验性应用，当前蛟龙号的监控与故障诊断仅来源于局部设备的异常反馈，而如何利用蛟龙号运行数据的诸多信息，构建全局化的监控与故障诊断技术，是蛟龙号应用中亟待解决的重要科学问题。..本项目研究梳理了针对载人潜水器系统的变量体系，为分析载人潜水器状态监控提供了基础框架，本项目针对蛟龙号载人潜水器运行中部分变量高频噪声扰动大、状态切换变化明显等特点，系统研究了蛟龙号载人潜水器控制系统的变量体系，形成了针对蛟龙号载人潜水器数百个变量采样点时间序列进行监控与建模的技术路线。首先，对原始特征序列进行变换，依次采用序列分割、双谱分析和隐马尔可夫模型从不同潜次中寻找能够较为鲁棒地表征数据特征的特征提取方法。其次，对原始特征序列和得到新的特征序列进行建模，尝试利用变分编码器和慢特征分析等深度网络模型拟合正常数据序列，检测出异常数据；且对于潜水器的多种特征，需要训练多个模型来分别对其进行异常检测，并考虑潜水器作业时所得数据的实时异常检测问题，最终形成一套针对载人潜水器的在线状态监控与故障诊断技术体系，为蛟龙号安全运行提供支撑。另一方面，建立了载人潜水器系统的动态模型，并对潜水器系统受到的外界环境干扰、模型不确定性、传感器噪声和执行器故障等多种干扰进行分析，根据性能要求设计相应的非线性干扰观测器准确估计干扰，提出了一系列基于干扰观测器的抗干扰控制方法，并进一步对干扰进行定量分析，能够有效估计、补偿、利用和抑制干扰的影响，最终通过仿真验证了所设计的控制方法的有效性和优越性。..通过本项目形成了针对载人潜水器运行过程监控的技术方案，能够结合蛟龙号载人潜水器运行与保障信息管理系统的部署应用，对蛟龙号下潜结束后的数据进行处理分析，为运维系统的自动化诊断分析提供技术支撑，并可进一步用于蛟龙号舱内在线数据的分析和处理，实现项目成果的转化与应用。