基于RBF与OS-ELM神经网络的AUV传感器在线故障诊断

摘要

传感器是自主式水下航行器（AUV）的重要组成部分,实时准确地对AUV传感器进行在线故障诊断,对提高AUV的安全性具有重要意义。文中通过对机器学习算法的分析,建立了基于径向基函数（RBF）神经网络的AUV传感器预测器,该预测器具有较高的实时性和准确性;在此基础上,首次将在线贯序学习机（OS-ELM）算法应用于传感器在线故障诊断,进一步提高了预测器的实时性和准确性。文中还利用某AUV传感器实航数据,分别对2种故障诊断模型进行了仿真和对比分析,结果表明,结合RBF神经网络算法的OS-ELM神经网络预测器,其预测精度和实时性较RBF神经网络预测器更高,而且性能更稳定,可为AUV控制系统各传感器在线故障诊断方案设计提供参考。