故障导航

故障导航（精选5篇）

故障导航 篇1

医用导航系统作为微创手术领域的重要辅助设备,20世纪90年代初首先应用于神经外科手术,现已推广到脊柱外科、膝关节、肩关节等手术中,用来协助医生进行一些需要极高精确度的手术,如有些手术的患处位于医生肉眼不易分辨的盲区或者需要准确放置植入物[1,2]。

1 医用导航系统的工作原理

医用导航系统就是在手术中利用医学影像设备和计算机图形学的方法[3],对患者的图像数据进行三维重建,通过人机交互界面制定手术计划,手术进行时利用相应的高精度光学跟踪定位装置和无线智能化手术器械为外科医生提供器械与患者解剖结构之间的空间位置,进行实时、精确定位导航手术的一套现代化手术系统。

医生可在进行手术前获取患者的影像信息,如CT、核磁,也可以用Arcadis Orbic 3D的术中CT获取患者的影像信息,通过医院的影像存储和通讯系统(PACS)或者固态存储器将病人的医学影像信息传送到导航工作站中。在导航系统的人机交互界面选择手术计划,经过图像处理后获得患者的三维解剖结构。手术中,在红外摄像头的工作范围内,通过专用红外手术器械发射红外线,与导航系统互通信息,通过注册将手术中的病人与其自身的影像完全对应起来,即红外器械尖端点触在病人实体的位置会在屏幕上病人影像的相同位置显示[4]。此时,医生即可通过观察显示屏上病人的动态影像来进行手术定位判断,方便外科医生手术。医生通过导航的显示器可以从各个角度观察到植入物位置或病灶点,方便医生选择更好、更安全的手术。

2 我院导航系统组成

我院使用的是史赛克数字化手术导航系统:Stryker Nav Suite,该导航系统主要由导航硬件和导航软件组成。

2.1 硬件组成

硬件组成包括智能定位跟踪摄像头、无线智能手术器械、工作站电脑主机、UPS供电系统、双显示屏。其中智能定位跟踪摄像头与无线智能手术器械是导航系统提供准确导航图像的基础,正是在两者的配合下,才能实现术中位置跟踪的实现,辅助外科医生完成导航手术。

2.1.1 智能定位跟踪摄像头

Stryker Nav Suite导航系统的智能定位跟踪摄像头FP6000是手术导航系统中最为关键的组件,它的功能包括对智能手术器械的实时定位、负责智能手术器械与工作站主机之间的数据通信等。智能定位跟踪摄像头带有3组光学探测器,配合红外线信号收发器。Stryker Nav Suite的摄像头最佳工作区域在1.625 m处,其工作半径为直径1.25 m的球形区域。

当今探测定位的方式包括两种:(1)电磁场式;(2)光学式。光学式又分为主动光学式与被动光学式。电磁场式是通过电磁波以及电磁波回波定位,由信号发生器和传感器构成,通过电磁回波来测量传感器在磁场中的位置。光学式是通过红外线的发射和接收定位。

Stryker Nav Suite导航系统智能定位方式属于主动式光学定位。主动式光学定位是指由智能手术器械发射红外信号,红外信号被智能定位跟踪摄像头的光学探测器捕捉到后传送到导航系统主机后进行处理。而被动式光学定位是指由智能定位跟踪摄像头发射红外信号后经手术器械上的反射球反射回智能定位跟踪摄像头,从而实现定位。

2.1.2 无线智能手术器械

Stryker Nav Suite智能手术器械是一个集成主动红外线发射与红外信号接收于一身的无线、智能手术器械,其红外线发射正是通过智能手术器械所发出的。智能手术器械与智能定位跟踪摄像头配合完成定位信息、操作信息信号的传递,最终在工作站终端完成导航定位以及手术。

2.2 软件组成

利用计算机图形技术快速对患者图像进行三维图像处理,是实施定位导航手术的前提,为了配合不同手术的需要,史赛克导航工作站配有脊柱导航软件、神经外科导航软件、膝关节导航软件、髋关节导航软件、创伤导航软件和骨肿瘤导航软件等。外科医生可以通过软件制定手术计划,实施导航手术。

3 我院脊柱导航手术流程

我院脊柱外科实施脊柱导航手术所用设备有:负责采集病人三维图像的术中CT Arcadis Orbic 3D、史赛克导航系统Stryker Nav Suite。

具体实施手术流程如下:

(1)将校准靶安装在Arcadis Orbic 3D的影像增强器上,并且连接导航系统与术中CT系统以确保图像传输正常。

(2)将追踪器安置于病人身体上。

(3)导航系统上的智能定位跟踪摄像头需放置在同时可以探测到校准靶和追踪器的位置。

(4)将Arcadis Orbic 3D按照三维扫描要求摆放好起始位,准备实行自动的三维扫描,在Arcadis Orbic 3D移动影像增强器的起始位置要确保摄像头能够捕捉到追踪器。

(5)扫描完成后,Arcadis Orbic 3D会自动将采集的断层图像传送到导航系统中,导航系统进行三维图像重建处理后,就可以在双显示器上浏览三维导航图像。

(6)医生可以开始实施导航建立程序,进行各种手术中智能器械的注册。准备手术。

4 史赛克导航系统维修维护经验

医用导航系统故障基本分为3类[5]:(1)硬件问题;(2)软件问题;(3)人为操作失误。

4.1 故障一

4.1.1 故障现象

进入系统软件后,启动导航软件时提示“没有连接摄像头”。

4.1.2 分析及解决

可能有几种情况[6]:(1)导航主机与摄像头通过一根1394B的Firewire电缆连接,由于需要频繁扭动摄像头去寻找器械定位范围,所以这根电缆容易受到损伤。一旦这根电缆损坏或者接触不良就会造成如上报错;(2)摄像头有一个直流24V输入电源,可以通过电源指示灯判断此电源是否正常工作,电源不工作也会造成上述报错;(3)电缆和电源都没有问题时就要考虑摄像头故障。比较常见的原因是(1),更换电缆后,故障解决。

4.2 故障二

4.2.1 故障现象

导航系统开机时提示“CMOS CHECKSUM ERROR-Defaults loaded”。

4.2.2 分析及解决

系统反复开机无法启动,总是提示同样的错误。该系统提示说明导航主机的主板保存的CMOS信息出现问题,需要重置。这类问题的主要原因是主板电池电量过低,无法保存CMOS信息。更换主板中用于存储主板芯片数据的锂电池,Stryker导航系统工作站主板电池型号均为:CR2032,故障解决。

4.3 故障三

4.3.1 故障现象

导航系统运行缓慢甚至频繁死机,无法正常进行导航计划及手术导航。

4.3.2 分析及解决

此问题常见于我院脊柱外科导航,分析原因为脊柱外科导航软件使用时经常需要导入病人的CT、核磁等影像数据,随着手术量不断的增大,这些影像数据过多的占据磁盘空间导致系统缓慢,删除使用过的病人影像资料后,故障解决。

4.4 故障四

4.4.1 故障现象

史赛克最新导航系统配备SPC1工作站、Spine Map 2.0脊柱软件,在进行Arcadis Orbic 3D校准时IP地址通过Ping命令验证网络路径状态连通,但Dicom接口通讯始终没有响应。

4.4.2 分析及解决

两台设备的网络状态连通正常,排除双方设备网卡、网线等硬件部分问题,最有可能是软件问题。首先考虑Windows XP系统装有防火墙,可能阻挡Dicom通讯,但防火墙会同时筛查IP地址,也会相应阻挡Arcadis Orbic 3D的网络数据包。所以在核查导航防火墙设置后排除此情况。其次,史赛克导航Spine Map 2.0为全球最新发布软件,软件中设置文件内容与校准程序与低版本软件不同,有可能是对最新软件的设置文件没有作正确的设置,随后检查所有设置文件的Dicom接口部分,将手册中未提及部分尝试作修改,均以Arcadis Orbic 3D Dicom接口104号为准,设置后,Arcadis Orbic 3D与导航系统均重新关机开机,故障依旧。通过仔细查阅双方设备的连接指导技术资料,发现导航对于Dicom端口的默认设置为4722号,故考虑有可能新版本软件对此端口有特殊设置,故将Arcadis Orbic 3D的Dicom端口以导航系统为准更改为4722,Dicom通讯恢复正常,故障解除。

4.5 故障五

4.5.1 故障现象

三维导航连接正常,二维导航始终连接失败。在三维导航校准连接正常的情况下,进行二维导航连接时,史赛克导航系统报错,提示对影像增强器的失真校正失败。

4.5.2 分析及解决

因为目前C形臂接受图像部分多为影像增强器,而由于地球磁场的干扰,会使所成图像发生扭变,虽然目前影像增强器都有相应屏蔽层,但导航手术要求精确度非常高,所以,导航工具中有加固在C形臂影像增强器上的校准靶,其校正原理是通过靶面上已知坐标位置的双层钢珠阵列,在成像后将扭变图像上的钢珠按照钢珠阵列已知坐标进行校正,从而消除图像扭变对导航精确度的影响。导航屏幕上报错信息“校正失败”可能来自于软件或硬件,首先,检查校准程序及软件的设置文件,对于校正部分的设置没有存在人为更改,所有设置均正常,故排除软件设置问题。其次,根据报错信息建议“改变C臂位置再次尝试”,重新改变位置透视,反复尝试,报错信息依旧,已确认调试环境中无其他干扰,并且严格按照指导正确规范进行操作,故不存在环境和人为误操作问题。最后,尝试更换校准靶钢珠阵列部分,故障解决,确认故障原因为钢珠阵列部分IC卡存储信息丢失,原阵列坐标无法参与校正造成。

摘要：本文主要介绍医用导航系统的工作原理、系统组成及常见故障维修经验。

关键词：医用导航系统,导航仪,医疗设备维修

参考文献

[1]胡益斌.磁导航心血管介入系统的工作原理及其临床应用[J].医疗卫生装备,2006,27(11):64-65.

[2]杨述华,傅德皓.计算机辅助导航系统及其在骨科的应用[J].中国医疗器械信息,2006,13(2):1-4.

[3]潘新华,郭天泉,谭珂.数字手术影像示教系统的建立与应用[J].中国医学教育技术,2007,(3):241-244.

[4]郑润如.网络型临床手术示教系统的设计与应用[J].中国医学教育技术,2002,(6):386-387.

[5]王辉,李兰芳.数字化手术室建设现状分析[J].中国医学装备,2009,6(7):31-33.

[6]李学省,王耀岐,支洪敏,等.数字化手术室设备的质量控制[J].中国医疗设备,2012,27(2):105-107.

故障导航 篇2

微信已经成为现在必不可少的聊天工具，甚至比用QQ还广泛。微信的功能也在不断完善，由最初的支付功能到现在的发展到人们利用微信公众平台推广和营销，由此衍生出一个快捷的二维码导航网站。

二维码导航网站是汇集了大约2万个左右企业的二维码，到目前为止还有不断上传的。企业生成一个二维码，这个小小的二维码、小方块却储存了大量的信息。用户可以通过扫描二维码来了解各个企业的最新政策、企业信息、活动详情等。

现在的二维码已经成功的打入社会，大到官方网站、餐饮、娱乐，小到零食、玩具……各个行业都开始利用二维码大做文章，通过二维码扫描可以得到更多的关注，有利于营销政策，更快的了解用户所需。

因此，北京时代易维网络科技有限公司开发出这样一个二维码导航网站，方便大家快速关注、了解企业信息。利用微信公众账号可以更方便管理信息。

一种组合导航系统故障检测算法 篇3

目前在组合导航系统中常用的故障检测方法主要包括残差χ2检验法和状态χ2检验法两种方法这两种方法需要了解系统的数学模型[1,2]。文献[3—5]等还给出了数据变化率检验法、模糊识别判断法、神经网络法等故障检测方法。其中, 数据变化率检验法在故障发生的时间超过了一定期限的情况下可能做出错误的判断;而模糊识别判断法神经网络判断法等虽然不依赖于系统的数学模型, 但具体到实际应用仍有待发展。

支持向量机的思想最初于20世纪70年代提出, 近年来已经成为机器学习领域的一个研究热点。作为一种分类算法, 它能够较好地解决小样本、非线性和高维数的数学问题, 其应用领域也从最初的二类分类问题扩展到复杂系统的建模、优化控制等问题, 不仅在传统的模式识别和工业过程领域得到应用, 而且在新兴的生物信息、金融证券、药物分析、辅助医疗等诸多领域受到研究者的青睐[6,7]。

现将两种χ2检验法的检验量相结合, 应用二叉树多类支持向量机理论, 提出了一种面向组合导航系统的故障检测与处理方法, 同时进行了相关仿真研究。仿真结果表明, 该方法能够较好的应用于组合导航系统。

1χ2检验法

χ2检验法是一种通过检验所构造的n维高斯分布随机向量的均值和方差阵是否与假设值相符, 判断是否发生故障的统计假设检验法。根据所构造的随机向量的不同而有不同的χ2检验法, 其故障检测性能也有所不同。

其中, 状态χ2检验法主要是通过检验两个状态估计的差异来判断是否有故障:一个是经量测更新的Kalman滤波器提供的状态估计x k, 会受到系统故障的影响;另一个是状态估值x sk, 其不接受量测更新, 由所谓“状态递推器”或“影子滤波器”利用先验信息递推计算得到, 与测量信息无关, 因而不受故障影响;残差χ2检验法则主要是通过检验卡尔曼滤波器的残差εk分布来检测系统是否发生故障。

2面向组合导航系统故障检测的二叉树模糊支持向量机模型

2.1模糊支持向量机[8,9]

设存在任意训练样本 (xi, yi) , 其对应模糊因子si, σ≤si≤1, σ为任意小正数, si表示样本xi属于正常的模糊隶属度。由此可得模糊支持向量机的训练数据集合

求解模糊支持向量机最优超平面的问题可以转化为下面的优化问题。

目标函数

约束条件

式中, c为惩罚因子。

引入Lagrange因子αi, 得到如下Lagrange函数

对该Lagrange函数求偏导, 令偏导数为零, 经过推导可以得到如下对偶二次优化问题, 即

目标函数

约束条件

对于非线性问题, 同样考虑从输入空间到特征空间的映射φ, 引进核函数k (xi, xj) , 得到类似的优化问题, 即

目标函数

约束条件

由于惩罚因子c为常量, 因此模糊因子si成为决定模糊支持向量机工作性能好坏的关键因素。当样本xi为噪声样本时, si应较小, 这样将大大降低了噪声样本对模糊支持向量机的训练结果的影响。而当样本xi为非噪声样本时, 则应令si=1, 这可与标准支持向量机相一致。由此可见, 模糊支持向量机通过模糊因子si的引入, 有效地减弱了噪声样本数据对支持向量机训练结果的影响, 从而得到了可靠的分类超平面。

针对模糊因子si的确定, 文献[9]提出的基于样本密度法的模糊支持向量机在性能上远远优于其他模糊支持向量机方法, 取得了较好的应用效果。为此, 采用该方法求解模糊因子。

样本xi的模糊因子计算公式

根据式 (10) 可以得到所有样本的模糊因子, 随后即可训练该模糊支持向量机。

其中, 样本周围同类样本的密度定义为样本正密度, 记为ρ+i;样本周围异类样本的密度定义为样本负密度, 记为ρ-i;所有样本正密度的算术平均称为平均正密度, 记为ρ+。

2二叉树多类模糊支持向量机

针对故障多类问题, 本文采用二叉树多类支持向量机[10,11], 其结构如图1所示, 即每次分割只分割出一个类。具体故障分类时, 从二叉树的根节点SVM 1开始计算分类决策函数, 根据函数值的正负 (+1或-1) 决定下一节点, 如此下去, 直至选定某一叶节点, 此叶节点所代表的子类即为样本的所属类别。

为简化算法, 不再深入定位各导航子系统内的各种故障, 其中子类1表示样本无故障, 子类2表示导航子系统1故障, 子类n表示导航子系统n-1的各种故障。

由于支持向量机对训练样本内的噪声或孤立点特别敏感, 在噪声存在的情况下其分类性能将大大下降。考虑到组合导航系统的传感器精度较低, 易受外部环境干扰, 现采用模糊支持向量机作为二叉树多类支持向量机各节点的支持向量机类型, 即将SVM_1、SVM_2、…、SVM_n均设计为模糊支持向量机。

2.3组合导航系统故障检测原理

组合导航系统的种类非常多, 包括有惯性组合系统、无线电组合系统、雷达组合系统等。以MINS/GPS组合导航系统为实例, 研究了它的故障检测方案。

为提高对系统故障的敏感性, 现利用故障检测量状态χ2检测量ζ${}_{\beta }^{({\rm I})r}$ (k) 和残差χ2检测量ϑ${}_r^{({\rm I})i}$ (k) 构成系统故障检测向量[12]

fin (k) =[ζ${}_{\beta }^{({\rm I})1}$ (k) ζ${}_{\beta }^{({\rm I})2}$ (k) … ζ${}_{\beta }^{({\rm I})15}$ (k)

ϑ${}_r^{({\rm I})1}$ (k) ϑ${}_r^{({\rm I})2}$ (k) … ϑ${}_r^{({\rm I})6}$ (k) ]T MINS/GPS组合系统的故障检测原理如图2所示。MINS/GPS组合导航系统包括GPS和MINS两个子系统, 各子系统均输出经度、纬度、高度、东向速度、北向速度和天向速度等导航数据。记MINS输出和GPS输出分别为

Xf=[VeVnVuL λ h]TMINS

Xg=[VeVnVuL λ h]TGPS

信息融合中心利用Xf和Xg进行系统状态的最优或次优估计。故障诊断中心包括故障向量生成器以及支持向量机。故障向量生成器包含2节所述的状态递推器, 其接受来自信息融合中心的各种输出信息, 生成故障检测向量fin (k) ;支持向量机则负责根据fin (k) 进行实时故障检测, 其输出fout (k) 即为系统故障检测结果。

最初的支持向量机算法是通过构造一个最优超平面, 只能对两类问题进行分割。但本系统中由于采用的是前文所提出的二叉树模糊支持向量机, 其不仅可以及时检测出系统故障, 而且需要识别系统的具体故障位置, 即识别出MINS子系统故障或GPS子系统故障, 以利于导航信息的输出。显然, 这是一个多类分类问题。

3仿真

为检验前述故障检测算法的有效性, 针对MINS/GPS组合导航系统进行了仿真研究。仿真中支持向量机的训练和故障检测均假设系统在任意时刻只有单个传感器发生故障, 而且这里仅讨论传感器阶跃故障。

3.1二叉树模糊支持向量机的训练

在组合系统的静态仿真数据中, 取所有300组数据作为训练样本, 其中100组为无故障样本, 另外200组为传感器故障样本。

对于支持向量机SVM_1, 取所有300组数据作为训练样本。当fin (k) 为无故障样本时, yk=+1;反之, 取yk=-1。这样, {fin (k) , yk}, 即构成SVM_1的训练样本集。

对于支持向量机 SVM_2, 取200组故障样本为训练样本, 这时yk=+1对应MINS故障, yk=-1对应GPS故障。

分别训练支持向量机SVM_1和SVM_2, 这样就得到了由SVM_1和SVM_2构成的二叉树支持向量机。

3.2仿真结果

在MINS/GPS仿真程序中嵌入上述二叉树支持向量机进行故障检测定位, 同时应用如下故障处理方案:①如果系统检测无故障, 认为信息融合中心的输出信息有效, 以此进一步计算导航信息;②如果检测MINS故障, 直接采用GPS输出信息作为导航信息;③如果检测GPS故障, 则采用MINS输出信息作为导航信息;④如果检测均有故障, 系统失效。

下面将分别针对几种故障情况进行仿真, 并给出了部分典型误差曲线。

3.2.1 x轴陀螺仪发生突变故障, 故障发生时间为100 s

如图3 (a) 和图3 (b) 所示为运用上述二叉树支持向量机的东向速度和北向速度误差仿真曲线。如图3 (c) 和图3 (d) 所示为未使用上述二叉树支持向量机的载体的东向速度和北向速度误差仿真曲线。由于MINS故障被隔离, 系统仅依靠GPS导航, 因此误差精度下降。

3.2.2 GPS速度发生突变故障, 故障发生时间为180 s

如图4 (a) 和图4 (b) 所示为运用上述二叉树支持向量机的东向速度和北向速度误差仿真曲线。

如图4 (c) 和图4 (d) 所示为未使用上述二叉树支持向量机的载体的东向速度和北向速度误差曲线仿真曲线。由于GPS故障被及时隔离, 系统仅依靠MINS导航, 因此误差曲线呈发散趋势, 这也证明了MINS系统只能完成短期导航任务。

分析上述仿真结果不难发现, 基于二叉树支持向量机的故障检测处理单元可以及时、有效地检测、定位系统阶跃故障。同时, 由于系统发生故障后切换为惯性导航或GPS导航, 因此, 系统导航精度下降。

5结论

本文在总结以往用于组合导航系统的故障检测方法的基础上, 将2种χ2检验法的检验量相结合, 应用二叉树支持向量机理论, 提出了一种组合导航系统故障检测方法。该二叉树支持向量机综合应用了二叉树、模糊支持向量机等技术。MINS/GPS组合导航系统的仿真结果证明了该方法的有效性。

参考文献

[1]徐力平.组合导航系统故障检测技术的研究:[博士学位论文].上海:上海交通大学, 2001:12—25

[2]陶俊勇.组合导航系统信息融合理论及故障检测与诊断技术研究:[博士学位论文].长沙:国防科技大学, 2000

[3]樊春玲, 金志华, 田蔚凤.基于小波模糊神经网络的陀螺仪故障诊断技术.上海交通大学学报, 2003;37 (1) :141—144

[4]彭蓉, 秦永元.自适应滤波方法在陀螺软故障检测中的应用.中国惯性技术学报, 2005;13 (1) :81—85

[5]翁海娜, 等.基于调频高斯小波变换的导航传感器故障诊断.北京航空航天大学学报, 2002;28 (4) :477—480

[6]张学工.关于统计学习理论与支持向量机.自动化学报, 2000;26 (1) :32—42

[7]薛毅.支持向量机与数学规划:[博士学位论文].北京:北京工业大学.2003

[8] Inoue T, Abe S.Fuzzy support vector machines for pattern classification.In:Proceedings of the International JointConference on Neural Networks.Washington, DC:Institute of Electrical and Electronics Engineers Inc, 2001:1449—1454

[9]安金龙, 王正欧, 马振平.基于密度法的模糊支持向量机.天津大学学报, 2004;37 (6) :544—548

[10]马笑潇, 等.基于SVM的二叉树多类分类算法及其在故障诊断中的应用.控制与决策, 2003;18 (3) :272—276

[11] Sungmoon C, Sang HO, Soo-Young L.Support Vector Machines withBinary Tree Architecture for Multi-Class Classification.Neural Informa-tion Processing-Letters and Reviews, 2004;2 (3) :47—51

故障导航 篇4

近年来,组合导航技术发展很快,由于组合导航系统充分有效地利用了各子导航系统的导航信息,在降低成本的同时还提高了系统的精度和可靠性,因而在许多领域都得到了广泛的应用。随着我国北斗二号卫星导航系统开始逐步提供服务,国内采用BD-2/SINS组合导航的车载系统的研究开始受到关注[1,2]。但当BD-2/SINS车载组合导航系统工作于恶劣条件时,随时都有可能出现故障或者工作不正常的状况,因此,故障诊断与容错技术是车载BD-2/SINS组合导航系统设计和实现的关键技术。研究能够实时确定BD-2/SINS车载组合导航各子系统信息输出合理性的方法以及保证系统信息输出能够达到可靠性要求的系统结构,已经成为车载BD-2/SINS组合导航系统研究的重要方向。

1 车载BD-2/SINS组合导航的故障诊断算法

车载BD-2/SINS组合导航由SINS和BD-2系统构成。捷联惯性制导系统(SINS)具有完全自主性和全天候工作能力,可连续提供实时的全参数(位置、速度、姿态)导航信息,具有抗干扰能力强以及短时导航精度高等优点,通常作为主导航系统。北斗二号卫星导航系统(BD-2)具有更高的导航定位精度且不随时间发散,但由于系统工作需要依赖外部信息,当卫星信号由于遮挡或者受到干扰时,会出现丧失导航定位能力或者定位误差急剧增大的情况,因此将BD-2作为辅助导航系统。BD-2/SINS组合导航系统的多源冗余信息为提高系统的可靠性与容错性创造了条件,通过合理设计系统结构、算法和组合模式,并采用故障诊断技术与系统重构方法,能够大大提高系统的无缝导航能力。对于组合导航的系统级故障检测,目前应用较多的是基于系统模型的统计检验方法,主要思想就是查验系统输出信号是否在统计意义上服从高斯分布并且具有假设的均值和协方差。按照构成检验统计量方法的不同,可分为两种方法:残差χ2检验和状态χ2检验[3]。

1.1 残差χ2诊断原理

残差χ2检验法通过对卡尔曼滤波的残差所具有的统计特性进行假设检验。

定义第k时刻系统状态的递推值$\widehat{X}(k|k-1)$

$\widehat{X}(k|k-1)=\Phi (k,k-1)\widehat{X}(k-1)(1)$

k时刻系统量测的预测$\widehat{{\rm Z}}(k|k-1)$

$\widehat{{\rm Z}}(k|k-1)={\rm H}(k)\widehat{X}(k|k-1)(2)$

则卡尔曼滤波器的残差d(k)可表示成

$d(k)={\rm Z}(k)-\widehat{{\rm Z}}(k|k-1)(3)$

其协方差矩阵为

S(k)=H(k)P(k|k-1)HT(k)+R(k) (4)

定义距离函数D(k)

D(k)=dT(k)S-1(k)d(k) (5)

根据卡尔曼滤波器残差序列的统计特性,D(k)应服从自由度为m(观测向量z的维数)的χ2分布。若故障发生,残差d(k)将不再是零均值白噪声过程,则D(k)将变大。因此可采用这一思路实现对故障的诊断。取D(k)大于某一门限M的概率为α,即

P{D(k)>M}=α (6)

式(6)中α为允许的虚警概率。

此时检测过程为

$\{\begin{array}{l}D(k)>{\rm M}‚\text{系}\text{统}\text{故}\text{障}\text{发}\text{生}\\ D(k)\le {\rm M}‚\text{系}\text{统}⌶\text{作}\text{正}\text{常}\end{array}(7)$

1.2 状态χ2诊断原理

研究表明,残差χ2检验法对于硬故障检测效果比较好,但对于变化比较缓慢的软故障则不容易检测出来,对这类故障经常采用状态χ2检验法进行检测。状态χ2检验法利用由量测值Z(k)经卡尔曼滤波得到的$\widehat{X}$1(k)和由先验信息递推计算而得的$\widehat{X}$2(k)这两个状态进行估计。其中$\widehat{X}$1(k)和测量信息有关,会受到故障影响,$\widehat{X}$2(k)由先验信息递推计算而得到,与测量信息无关,不受故障影响,利用二者之间的差异即可对故障进行检测和隔离。定义估计误差

$\{\begin{array}{l}e{}_1(k)=\widehat{X}{}_1(k)-X(k)\\ e{}_2(k)=\widehat{X}{}_2(k)-X(k)\end{array}(8)$

定义

$\beta (k)=e{}_1(k)-e{}_2(k)=\widehat{X}{}_1(k)-\widehat{X}{}_2(k)(9)$

当系统发生故障时,由于估计$\widehat{X}$2(k)与测量值Z(k)无关,故仍是无偏估计;而估计$\widehat{X}$1(k)因受故障影响变成了有偏估计。则

$\text{E}\beta (k)=\text{E}\widehat{X}{}_1(k)-\text{E}\widehat{X}{}_2(k)\ne 0(10)$

对β(k)作二元假设:

H0:无故障Eβ(k)=0;Eβ(k)βT(k)=T(k)

H1:有故障 Eβ(k)=μ;E{[β(k)-μ][βT(k)-μ]}=T(k)

由于β(k)是高斯随机向量,故有以下条件概率密度函数:

$\begin{array}{l}p{}_r(\beta /{\rm H}{}_0)=\frac{1}{\sqrt{2\text{π}}|{\rm T}({\rm K})|{}^{\frac{1}{2}}}\times \\ \exp [-\frac{1}{2}\beta {}^{\text{Τ}}(k){\rm T}{}^{-1}(k)\beta (k)](11)\end{array}$

$\begin{array}{l}p{}_r(\beta /{\rm H}{}_1)=\frac{1}{\sqrt{2\text{π}}|{\rm T}({\rm K})|{}^{\frac{1}{2}}}\times \\ \exp \{-\frac{1}{2}[\beta {}^{\text{Τ}}(k)-\mu {}^{\text{Τ}}]{\rm T}{}^{-1}(k)[\beta (k)-\mu ]\}(12)\end{array}$

pr(β/H1)和pr(β/H0)的对数似然比为

$\begin{array}{l}\Lambda (k)=\ln \frac{p{}_r(\beta /{\rm H}{}_1)}{p{}_r(\beta /{\rm H}{}_0)}=\frac{1}{2}\{\beta {}^{\text{Τ}}(k){\rm T}{}^{-1}(k)\beta (k)-\\ [\beta {}^{\text{Τ}}(k)-\mu {}^{\text{Τ}}]{\rm T}{}^{-1}(k)[\beta (k)-\mu ]\}(13)\end{array}$

式(13)中的μ是未知的,可用其极大似然估计$\widehat{\mu }$代替。求$\widehat{\mu }$使Λ(k)达到极大,得

$\widehat{\mu }(k)=\beta (k)(14)$

将其代入式(13),得到故障检测函数

λ(k)=βT(k)T-1(k)β(k) (15)

由于β(k)是高斯随机向量,故λ(k)服从自由度为n的χ2分布。故障判断准则为:

$\{\begin{array}{l}\lambda (k)>{\rm T}{}_D‚\text{有}\text{故}\text{障}\\ \lambda (k)\le {\rm T}{}_D‚\text{无}\text{故}\text{障}\end{array}(16)$

式(16)中TD是预先设置的门限,它决定了故障检测的性能。

1.3 基于卡尔曼滤波器组的故障检测方法

状态χ2检验的基本原理是要求系统具备一个高精度的参考系统,从而通过检验卡尔曼滤波器状态估计与参考系统的一致性来检测故障,因此故障检测的性能很大程度上取决于参考系统的精度。但用状态递推器作为参考系统进行χ2检验时,由于状态递推器并不进行量测更新,误差将使状态递推值越来越偏离真实值,导致系统处于无故障状态时的β(k)也会越来越大,使故障检测的灵敏度降低。现采用一种基于辅助卡尔曼滤波器的方法,为状态递推器引入量测量,提高状态递推值的精度,基本结构如图1所示。

图中,主滤波器M使用系统的全部量测值作为输入,当系统无故障时,得到系统状态的最优估计$\widehat{X}$M。辅助滤波器A1和A2分别使用系统量测的一个子集作为量测量,其状态估计为$\widehat{X}$A1和$\widehat{X}$A2,用来作为故障检测的参考。不管系统发生什么故障,A1和A2其中之一总会受到影响,通过检验主滤波器M和辅助滤波器A1和A2状态估计之间的一致性便可以进行故障检测。由于辅助滤波器引入了量测更新,使参考系统的精度得到保证,因而不会出现状态递推器误差逐渐变大的情况。

2 BD-2/SINS组合导航联邦滤波器方案及 仿真分析

2.1 系统联邦滤波器的结构

联邦滤波器是一种具有两级结构的分散化滤波方法,它能够通过各滤波器之间的信息分配而得到全局最优估计,具有结构灵活、计算简单及较好的容错性等特点[4]。基于故障诊断和容错为基本需求的BD-2/SINS组合导航联邦滤波器的基本结构可设计如图2所示。

图2中,公共参考系统为SINS系统,其输出一方面直接给主滤波器,另一方面它给BD-2局部滤波器做为其测量值。BD-2子系统输出给局部滤波器,其量测量为SINS和BD-2位置信息输出之差,其局部估计X1及协方差阵P1送入主滤波器和主滤波器的估计和协方差阵一起进行融合得到全局最优估计$\widehat{X}$g和协方差阵Pg。而后Pg被放大为β${}_1^{-1}$Pg(β1≤1),反馈到局部滤波器和主滤波器中,并以$\widehat{X}$g重置局部滤波器和主滤波器的估计值。当系统运行时,首先在局部滤波器中采用残差χ2检验法对测量故障进行检测,然后再进行状态χ2检验,如果残差χ2检验能够检测出故障,则不再进行状态χ2检验。在进行状态χ2检验时,设计一个参考滤波器,它实质上是以SINS先验模型为状态方程的状态递推器。在滤波和故障检测的过程中,参考滤波器只根据SINS的初始状态和初始方差进行时间更新,不进行测量更新。这样的联邦滤波结构能够很容易地实现子系统的出现故障诊断和容错,当发现BD-2子系统出现故障时,主滤波器立即拒绝该子滤波器的输出,即可实现故障的隔离,系统仅采用SINS进行导航定位,达到无缝导航的目的。

2.2 系统联邦滤波器故障诊断和容错的仿真研究

根据前面分析,进行BD-2/SINS组合导航系统及其故障检测算法的仿真研究,其中仿真工具选用Matlab Simulink。

建立各导航子系统的误差仿真模型。把导航信息误差作为系统状态向量,各导航子系统输出的导航信息之差作为观测量。其中,SINS的误差传播方程采用文献[5]所述。将BD-2各种误差因素造成的总的定位误差用一阶马尔可夫过程等效,表示为:

$\{\begin{array}{l}\dot{\varphi }{}_g=-\frac{1}{{\rm T}{}_g}\text{ϕ}{}_g+w{}_g\\ \dot{\lambda }{}_g=-\frac{1}{{\rm T}{}_g}\lambda {}_g+w{}_g\end{array}(17)$

式(17)中,Tg为相关时间,wg为激励马尔可夫过程的白噪声。

设计卡尔曼滤波模块和故障检测模块,仿真模型如图3所示。

图3中,SINS、BD-2分别为捷联惯导和BD-2接收机仿真模型,输出相应的导航误差信息,车辆行驶的具体参数由m文件载入。其中二个卡尔曼滤波器所使用的状态方程相同,但量测量不同。Kalman filter M使用全部位置和速度量测,而Kalman filter A1仅使用位置作为量测。Fault detection模块对二个卡尔曼滤波器所计算的状态估计和协方差阵进行一致性检验,并输出相应的故障检测结果。

2.3 仿真结果及分析

设定无故障、硬故障(突变)和软故障(慢变)三种不同情况,分别采用残差χ2检验法和状态χ2检验法对三种不同情况的观测量(BD-2的位置信息)进行故障检测。

图4(a)和图4(b)给出了观测量无故障时残差χ2检验法和状态χ2检验法的故障检测函数曲线。图中,无故障时两种检测方法的故障检测函数值一直远远小于1,观测量无故障,可直接作为卡尔曼滤波器的观测量使用。

在600 s处设置硬件故障,具体表现为BD-2观测值突然增大。图5(a)和图5(b)给出了采用残差χ2检验法和状态χ2检验法的故障检测函数曲线。

可以看出,当硬故障出现时,采用残差χ2检验法进行故障检测,函数值λ迅速增大且远远大于1。而采用状态χ2检验法时,函数值λ经过一段时间延迟后其值才变大并超过1,这说明状态χ2检验法对于硬件故障的检测中具有一定的延迟。

在600 s到1 275 s时设置软故障,设定故障幅值变化为130(t-600)m。分别采用残差χ2检验法和状态χ2检验法进行故障诊断,得到的函数曲线如图图6(a)和图6(b)所示。

图中可以看出,当软故障出现时,残差χ2检验法的故障检测函数值有所增加,但一直都保持小于1的状态,可见,残差χ2检验法对软故障的诊断不灵敏。而采用状态χ2检验法进行故障诊断,虽然在故障初始阶段检测函数值小于1,无法诊断故障的出现,但经过一段时间延迟后,故障诊断函数值就明显增大且超过1,进而实现了对故障的诊断。

3 结论

对于采用联邦滤波的车载BD-2/SINS组合导航的故障诊断与容错,残差χ2检验法对故障的响应告警延迟量小,灵敏度明显强于状态χ2检验法,但当系统出现软故障时存在漏检的风险,而状态χ2检验法能有效地检测出系统出现的硬故障和软故障,但其告警延迟量大,实际应用中,将两者加以结合,即可较好的实现对车载BD-2/SINS组合导航的故障诊断和容错处理。

摘要：论述了车载BD-2/SINS组合导航的系统级故障诊断方法,包括残差χ2检验方法和状态χ2检验方法。针对状态χ2检验原理的不足,提出一种基于卡尔曼滤波器组的改进的状态χ2检验方法。文中构建了基于联邦滤波的车载BD-2/SINS组合导航的故障诊断系统结构,将残差χ2诊断和改进的状态χ2诊断方法加以整合,能够实现对BD-2/SINS组合导航硬故障和软故障的诊断,并针对无故障、硬故障和软故障三种不同情况分别进行了仿真研究和分析。

关键词：BD-2/SINS组合导航,故障诊断,卡尔曼滤波,联邦滤波,容错

参考文献

[1]高社生,胡攀,王海维.SINS/SAR/北斗组合导航系统.中国惯性技术学报,2008;(2):178—182

[2]戴邵武,马长里,代海霞.北斗双星/SINS组合导航中的捷联惯导算法研究.计算机与数字工程,2010;38(2):1—3,10

[3]韩瑞,秦红磊,丛丽,等.JIDS/SINS/GPS组合导航系统两级故障检测结构设计.航空电子技术,2008;39(3):43—49

[4] Lee Tae-Gyoo.Centralized Kalman filter with adaptive measurementfusion:its application to a GPS/SDINS integration system with an ad-ditional sensor.International Journal of Control,Automation,andSystems,2003;(4):December,444—452

故障导航 篇5

1. AGV故障处理常规步骤

(1) 现场查看, 确认无障碍。AGV在系统监控软件CWay上出现错误时, 操作人员必须到现场查看安防装置是否被触发, 是否可以移开障碍, 正常复位;或手动模式强制将AGV转移到相邻线路并封闭当前线路。在有障碍情况下, 特别是前端激光障碍扫描报故障时, 因前端有保险杠遮挡, 附着物不易被发现, 因此需仔细检查是否有异物附着在主动轮。

(2) 查看触摸屏的故障提示。出现故障时, AGV车体触摸屏会显示故障图标, 便于操作人员查找故障。这些图标包括安防装置、导航状态、操作模式和任务状态等简要信息, 可指导操作人员处理安防装置故障和路径丢失等常见故障。

(3) 查看器件的指示灯。触摸屏提示的故障范围较广, 难以精确到内部器件, 因此电控部分故障, 可通过查看器件的故障或信号指示灯进行判断, 确定故障器件后再对其进行诊断和故障处理。

(4) 查看系统事件, 检测电器件状态。若无任何故障提示, 需查看AGV控制系统的监控软件DANAHER MOTION对该台AGV主控制器VMC500访问的事件报告。报告内容对AGV故障的诊断较为准确, 但范围较大。报告中最有用的信息是故障器件的ID号, 根据ID号确定器件, 对器件的电压等参数进行检测和故障处理。

(5) 查看WCS、NT8000中AGV的当前任务。若上述步骤均无异常, 则很可能是信息问题, 与AGV当前任务有关。一方面在WCS中查看该AGV的任务是否分配任务号, 或重复分配同一个任务给多台AGV。在WCS中删除这两类AGV任务, AGV可再接收新的任务, 正常运行;另一方面在NT8000中某些任务一旦下达给AGV, 若受到人为干预, 会导致AGV停止, 并且不接收其他任务, 这种情况根据不同单位实际情况而定, 同样删除该任务后, AGV即可恢复正常。

(6) 查看上游、下游设备是否“准备好”。同属于一个WCS调度的物流设备, 存在物流信息的逐次传递。AGV会因当前任务的上或下游设备未发出准备好的信号而停止运行, 但不报错。此时应检查上、下设备状态, 查明原因及时处理, 使其处于“准备好”的状态。

(7) 查看参数设置是否有误。参数异常比较少见, 一些参数的准确性在运行过程中可能发生变化, 如货叉高度编码器的测量值、转向编码器的测量值、转向编码器的脉冲频率和测重系数等。每台AGV的参数均不同, 可根据AGV的实际情况进行调整。

(8) 检查反光板的位置及数量。在某些路线上AGV出现“丢失” (不在系统中) 。AGV在行进过程中至少需要3块反光板定位, 在启动位置则至少需要6块反光板才能顺利将AGV插入系统中。因此在某些反光板数量少的位置, AGV易出现恢复故障后依然不能插入到系统的情况, 属于设计缺陷。这种情况需要在手动模式下, 采用半自动将AGV牵引出这段路线。

2. AGV典型故障实例

AGV故障原因主要有外部 (占多数) 和AGV内部, 应先排除外部原因, 再查AGV本身。

故障1在AGV系统的监控程序CWay中发现1#AGV的图标在交通枢纽处显示红色“error”, 侧前方的5#AGV图标显示紫色“blocked”, 后面AGV陆续跟进。交通情况复杂, 操作人员必须到现场查明1#AGV报错原因。在情况不明时, 切勿随意使用override blocked命令消除AGV的blocked信息, 否则轻者可能使异物卷入AGV行驶轮中, 重者导致AGV撞车。维修人员到现场后发现1#AGV周围并无障碍物, 但1#AGV触摸屏提示:AGV前方闪烁黄色半圆弧, AGV货叉部分有红色立方体闪烁。

故障处理故障现象说明1#AGV前置激光障碍物检测器SICK3000检测到障碍, 并且AGV不确定货叉上是否有货物。首先按下AGV的暂停按钮, 戴上手套擦拭保险杠内部, 确认无附着物。用擦镜纸擦拭SICK3000的前镜, 发现AGV黄色半圆弧消除。查看货叉部分检测器件 (光电管、行程开关) , 发现光电管闪烁, 校正光电管位置并紧固, AGV恢复正常。

前镜积灰太多导致SICK3000检测到前方有障碍, 触发急停, 急停振动车身 (自重2t) , 使已经出现松动的货叉光电管改变偏角。

故障2 AGV不接收任务, 在路线上停止不动, 车体触摸屏只显示黄色“叉”标示, 没有错误提示。

故障处理在监控软件DANAHER MOTION的Event log (事件记录) 中可根据事件发生的时间查看到当时的事件信息:“At least one of 5 defined slave CAN nodes does not respond at startup.Node ID 21 failed”, 可初步判断CAN总线上的ID21器件 (CAN总线耦合器) 有故障, 通过直接观察ID21的指示灯也证实其有故障。必须对ID21的备件进行I/O口参数设定, 更换故障件后, AGV才能恢复正常运行。不设定参数, 耦合器将无法完全采集到所有通道的信号, 出现AGV停止不动且AGV车体触摸屏及监控系统均不报错的情况。

类似总线故障均可按此方法处理, 连接总线的器件较多, 备件I/O必须设置, 设置参数因工程项目而异。

故障3 AGV在路线上停止不动, 车体触摸屏无任何提示且不报错误, 用手操盒半自动牵引AGV也无效, 监控软件DANAHER MOTION中也无异常信息。

故障处理先确定主动轮、支撑轮、辅助轮均无异物阻塞, 再在CWay中查看该AGV当前任务, “Equalization charging”说明该AGV被分配到固定充电站台充电。取消该充电任务并切换到下一台AGV进行充电, AGV恢复正常。

当AGV接收到某些特定任务后, 不可以被人为干预中断, 否则AGV会一直执行该任务。处理此类充电任务问题, 在取消已停滞的充电任务后, 必须手动再下达重启充电任务“Reset equalization charging”, 否则将终止AGV系统的充电计划。

故障4 AGV停止不动, 不能充电, 不接收任务, 车体触摸屏显示黄色“叉”标示。

故障处理车体日志显示:“PLC has detected an error in the truck components, Code 188”。再观察高度编码器测量值为114, 即以地面为基点, 以左右任一侧两辅助轮中心点到货叉平面的距离为此时编码器的测量值。该测量值与实际值不符, 调整编码器, 首先将货叉从最低点到最高点反复升降几次, 然后从最高点开始取点测量实际值 (至少取最高、中间和最低等3点) , 调整“HeightOffset_INT”值, 将测量值与实际值调一致。

编码器故障以编码器数值跳动为主, 多发生在转向编码器和高度编码器, 要做好日常检查, 掌握校正方法, 及时校正。

故障5总有1台或几台AGV在固定路线、点位上“丢失” (不能自动插入到系统中) , 四周反光板的数量不低于6块, 反光板的洁净程度也很高。

故障处理观察四周与导航激光头等高位置的物体, 发现该点位左侧有多根不锈钢管道 (压缩空气管道) 。遮住管道, AGV即可正常运行。

AGV在线路上“丢失”, 外因是只要有物体反射激光信号就会造成误信号, 误信号会参与到下一步的定位计算中, 造成定位误差;内因是当前转向编码器数值误差较大的AGV, 在行走路径校正时就有较大的校正偏差, 再加上有误信号加入的定位计算, 就导致了AGV在固定的线路、点位上越偏越远, 无法自我校正, 最后导致“丢失”。

除了上述典型实例, AGV还有一些简单故障 (复位即运行) , 以及一些不能完全依照常规步骤处理的故障, 如AGV的系统方面多是网络故障, 需要逐一排查网络各环节;AGV的充电方面, 电池组不能自动充电, 需要对电池组直充或排查坏损电池单元, 而且充电臂也要调节到合适的高度等。

摘要：介绍自动导航小车 (AGV) 故障处理常规步骤, 以及AWT-16f型AGV典型故障处理实例。