基于神经网络的潜水器自动操舵仪故障诊断研究李相远，黄浩，李海（武汉船用机械有限责任公司，湖北武汉430084）摘要：开展某型潜水器自动操舵仪功能结构分析，在此基础上设计了基于RBF神经网络的故障诊断流程，使用历史故障事件库数据进行神经网络训练，并采用故障事件数据对诊断识别能力进行检验，为潜水器自动操舵仪的故障诊断识别提出了一种新的思路。关键词：自动操舵仪故障诊断RBF神经网络Gauss函数中图分类号：TN911文献标识码：A文章编号：1003-773X（2023）02-0005-03引言潜水器在水下航行过程中，其运行的精准性依赖于罗经、计程仪、测深仪、潜水型自动操舵仪、航迹自绘仪、惯性导航以及操舵机构等设备组成的水下综合导航系统，其中具备航向与深度联合自动操舵功能的潜水型自动操舵仪作为核心装备，通过对潜水器艉部十字形布置的升降舵和水平舵机构舵面的调整，进而实现对潜水器航向、深度及纵倾角的控制，是保障安全航行与完成任务的关键设备之一。在潜水器出航执行任务之前，必须对舵系统的功能指标进行检验，若自动操舵仪在检查中出现异常则要求快速实现故障定位，并准确地完成其故障源识别，以便及时组织维修力量开展零备件更换或运行参数调整等工作，实现设备技术指标状态恢复。因此将基于径向基函数的RBF神经网络应用于潜水器自动操舵仪的故障诊断工作中，利用其在分类能力和自学习能力方面的优势提高故障诊断工作水平，具有一定的研究意义。1自动操舵仪的结构分析某型潜水型自动操舵仪内置三个主控执行模块，其中A主控模块对应艉部水平舵操控功能实现，B主控模块和C主控模块联合对应升降舵操控功能。每个主控模块都包含有姿态评测、运算放大、执行信号计算输出功能部分。A主控模块结构如图1所示，水平姿态测量解算模块中的陀螺仪测取并解算潜水器沿标准运动坐标系GY轴和GX轴的旋转角速度分量ωY、ωX，计算得到该变量映射的直流电压值，该信号经降噪后进入运算放大模块；水平加速度测量解算模块并通过加速度传感器接收并解算GY轴和GX轴向的加速度分量αY、αX，信号同样经降噪处理后与水平舵令信号共同进入安全限值模块，解算后形成合成指令进入运算放大模块，运算放大模块按照预设的程序经计算后输出水平工作舵令2至水平舵本地控制器，再经过舵机的机械工作机构驱动水平舵叶偏转，完成水平方向姿态调整动作[1-2]。B主控模块与C主控模块为联控结构，负责通过控制升降舵叶的偏转角实现潜水器升降的倾斜角度控制。其中B主控模块结构...
