基于模糊相关向量机的UUV中缓变故障检测方法

摘要

作为海洋探索的重要运载平台之一,水下无人航行器(unmanned undersea vehicle,UUV)中导航系统多数时间以惯性/多普勒计程仪组合方式工作,但仍需要接收GNSS信号以修正累积的导航误差。由于受到无线电信号及卫星信号质量的影响,GNSS信息会存在缓变误差,从而降低UUV的导航精度。针对此问题,论文设计一种基于模糊相关向量机(fuzzy relevance vector machine,FRVM)的状态估计器对新息进行预测,克服了传统方法存在较大检测延时的问题。该方法利用模糊隶属度来模糊化样本,避免过度拟合影响模型的泛化能力。与基于自主完好性监测外推法及最小二乘支持向量机(least squares support vector machine,LS-SVM)的故障检测方法相比,该方法能够更精确地描述新息与量测信息之间的相关性。试验结果表明,针对GNSS的缓变故障,该方法能够显著降低了故障检测的延时,从而提高UUV的导航性能。