水下机器人推进器控制系统PWM及电流信号降噪方法

殷宝吉, 周佳惠, 唐文献, 董亚鹏

水下机器人推进器控制系统PWM及电流信号降噪方法

殷宝吉1, 2, 3, 周佳惠1, 2, 唐文献1, 2, 董亚鹏1, 2

(1. 江苏科技大学 机械工程学院, 江苏 镇江, 212003; 2. 江苏科技大学 江苏省船海机械先进制造及工艺重点实验室, 江苏 镇江, 212003; 3. 哈尔滨工程大学 水下机器人技术重点实验室, 黑龙江 哈尔滨, 150001)

针对水下机器人推进器控制及其运行状态监测问题, 研究了推进器控制系统脉冲宽度调制(PWM)信号及电流信号降噪方法。针对基于典型串联接地方式建立的推进器控制电路中, PWM信号的纹波幅值及占空比波动都较大的问题, 设计了一种冗余接地电路, 该电路在主控中央处理器和模拟转脉冲宽度调制模块之间单独增加一条地线, 以避免信号受到电源地线的干扰。针对推进器工作电流信号数据中噪声干扰较强, 以及基于小波分解降噪后电流数据与真实电流数据的误差仍然较大的问题, 提出了一种基于小波分解和七点滑移平均交叉耦合的耦合降噪方法。水池试验结果表明, 冗余接地电路与典型串联接地电路相比, 具有更小的纹波幅值和占空比波动; 利用所提耦合降噪方法的电流数据与原始电流数据和小波分解降噪后电流数据相比, 与真实电流数据的误差更小。试验结果验证了上述方法的有效性。

水下机器人; 推进器; 控制电路; 脉冲宽度调制信号; 电流信号; 降噪

0 引言

水下机器人在海洋资源开发、海洋工程检测、海洋环境监测等领域得到了广泛的应用[1]。推进器是水下机器人关键动力部件[2], 起着保障水下机器人机动性能的作用[3], 其可靠性直接影响水下机器人的安全性[4]。良好的控制系统是推进器可靠运行的重要条件。同时, 推进器在工作过程中, 要承受交变载荷、腐蚀等多种作用, 也是水下机器人主要故障源之一[5], 所以, 需要实时监测其运行状态[6]。监测推进器运行状态的一种有效手段是监测其工作电流[7-8]。为此, 文中围绕水下机器人推进器控制系统脉冲宽度调制(pulse width modulation, PWM)信号及电流信号降噪方法展开研究。

文中设计了一种如图1所示的水下机器人推进器控制系统。其工作过程为: 水下机器人控制器输出控制电压信号至模拟-PWM(analog-PWM, A-PWM)模块, A-PWM模块根据控制电压信号幅值, 按照线性比例输出相应占空比的PWM信号, 并通过功率放大模块控制推进器转速大小; 同时, 水下机器人控制器输出数字信号, 通过功率放大模块控制推进器旋转方向, 当数字信号I为高电平, 数字信号II为低电平时, 推进器正转; 当数字信号I为低电平, 数字信号II为高电平时, 推进器反转; 当数字信号I和数学信号II均为低电平时, 推进器停转; 电流传感器测量推进器工作过程中消耗的电流, 并将测量结果以模拟电压信号的形式反馈给水下机器人控制器。

基于图1所示控制系统进行试验时, 发现如下问题: 1) 典型串联接地电路中, A-PWM模块输出的PWM纹波幅值及占空比波动都较大; PWM中的纹波噪声使得PWM高电平电压大于理论值, 当其输入到功率放大模块时, 其高电平电压将大于功率放大模块输入元件的额定电压, 造成过载,缩短功率放大模块的使用寿命。同时, 由于主控中央处理器(central processing unit, CPU)通过调节PWM的占空比来控制推进器的转速, 所以, PWM占空比波动将引起推进器转速波动。2) 控制器采集到的推进器电流信号含有较强的噪声干扰。采用监测推进器电流的方式来监测推进器运行状态, 电流信号中较强的噪声干扰容易掩盖推进器故障在电流信号中所引起的故障特征, 导致出现误报或漏报。

图1 水下机器人推进器控制系统

为减小PWM信号纹波幅值和占空比波动, 本质上需要减小电路中的纹波电压(其依据将在1.1节详细阐述)。刘扬[9]采用并联电容的方式减小单一电源纹波电压。何德军等[10]采用双脉宽调制方式减小并联电源纹波电压。张国荣等[11]采用正负序双环直流侧电压控制策略减小柔性多状态开关直流侧纹波电压。这些方法均从抑制电源纹波电压的角度出发来减小电路中的纹波幅值, 效果较好, 但是需要添加额外的器件或算法, 从而增加了系统复杂性。文中设计了一种冗余接地电路, 其基本思路是缩短主控CPU与A-PWM模块之间的共地连接路径, 以减少共地连接路径通过的功能模块的数量, 从而减少不同功能模块纹波噪声的叠加。冗余接地电路与典型串联接地电路的不同之处在于: 典型串联接地电路中主控CPU的地线需要经过电源模块I、电源转换模块连接到A-PWM模块的地线上; 而文中冗余接地电路中主控CPU的地线不经过任何功能模块, 直接连接到A-PWM模块的地线上。

针对推进器工作电流信号含有较强的噪声干扰的问题, 常用电流信号降噪方法有小波分解 (wavelet decomposition, WD)降噪方法[12]、小波阈值降噪与经验模态分解(empirical mode decomposition, EMD)结合方法[13]、粒子滤波算法[14]等, 其中, WD是一种典型的降噪方法[15], 但在试验中发现, WD降噪后的电流信号与真实电流信号的误差仍然较大。为此, 文中提出一种基于小波分解和七点滑移平均(seven point slip average, SPSA)的耦合降噪方法, 其基本思路是基于七点滑移平均算法减少每一层小波近似分量中存在的随机噪声。

1 冗余接地电路

1.1 典型串联接地电路

水下机器人推进器控制电路由多个功能模块组成。为实现这些功能模块的共地, 典型串联接地电路将各功能模块的接地端口依次连接起来, 如图2所示。

图2 基于串联接地的推进器控制电路

记录图2中点和点之间PWM信号的纹波和占空比波动。结果如图3所示。

图3中:1为纹波幅值;2为占空比波动幅值。在试验中,1最大值为0.46 V, 占PWM幅度5 V的9.2%。2最大值为0.8 μs, 占PWM周期63.64 μs的1.3%。试验结果反映出输入到功率放大模块PWM信号的纹波幅值和占空比波动较大。

图3 串联接地电路中的PWM信号

为分析产生上述问题的原因, 对图2所示电路做进一步测试。测试过程和结果显示: 将示波器的2个探针分别接在点和GND7时, PWM信号纹波噪声减小, 但占空比波动仍然较大; 将GND5与GND6断开, 而后将GND5直连到GND7, 再次测量点和GND7的PWM时, 发现PWM信号纹波噪声和占空比波动都减小。

基于上述试验及测试结果, 分析接地方式的干扰机理: 当GND5与GND6断开、GND5与GND7直接相连、示波器接在点和GND7时, 主控CPU的地信号以及数模输出信号以最短路径直接输入到A-PWM模块中, 且这条共地路径未经过其他功能模块, 此时对A-PWM模块而言, 引入到输入信号中的纹波噪声最小, 使得其输出PWM信号的占空比波动也最小, 又由于示波器接在点和GND7时, 本质上是测量A-PWM模块本身的地线和输出信号之间的PWM, 使得引入到PWM信号中的纹波噪声也最小, 故此时示波器测得的PWM信号纹波噪声和占空比波动都较小; 当GND5与GND7断开、GND5与GND6直接相连、示波器接在点和GND7时, 主控CPU的地GND5经过GND4、GND3连接到GND7上, 此时, 对A-PWM模块而言, 其输入信号中已经引入了电源模块I以及电源转换模块的纹波噪声, 使得A-PWM模块输出的PWM信号存在较大的占空比波动, 又由于示波器接在点和GND7, 引入到PWM信号中的纹波噪声最小, 故此时示波器测得的PWM信号纹波噪声较小, 但占空比波动较大; 当GND5与GND7断开、GND5与GND6直接相连、示波器接在点和点时, A-PWM模块的输入信号中引入了电源模块I以及电源转换模块的纹波噪声, 使得A-PWM模块输出的PWM信号存在较大的占空比波动, 又由于示波器接在点和点, 本质上是测量GND6与A-PWM模块输出信号之间的PWM, 此时GND6经过GND5、GND4和GND3连接到GND7上, 导致电源模块I以及电源转换模块的纹波噪声引入到测量回路, 使得示波器测得的PWM信号纹波噪声较大, 所以此时PWM信号的纹波幅值和占空比波动较大。

1.2 冗余接地电路

为减小PWM信号纹波幅值和占空比波动, 本质上需要减小电路中的纹波电压。文中基于测试试验结果设计了一种冗余接地电路, 如图4所示。

图4 基于冗余接地的推进器控制电路

如图4虚线框所示, 电路在GND5和GND7 2个端口之间添加了1根连接线, 使得主控CPU地线与A-PWM模块地线直接相连, 避免信号受到电源地线的影响, 从而降低电路中的纹波噪声, 减小PWM信号的纹波幅值和占空比波动。而在典型串联接地电路中, 如图2虚线框所示, GND5未与GND7直接相连, 即主控CPU的地GND5需要经过GND4、GND3才能到达A-PWM模块的地GND7。

2 耦合降噪方法

2.1 典型WD方法

控制器采集到的电流信号原始数据往往含有较强的随机噪声, 难以根据工作电流来判断推进器运行状态, 因此, 需要对电流信号原始数据进行降噪处理。WD是一种典型的降噪方法[15], 其流程图如图5所示[16]。

图5 WD降噪方法流程图

在电流信号WD降噪试验中发现, WD后的电流信号与真实电流信号的误差仍然较大。文献[17]提出一种七点滑移平均+小波分解(SPSA+ WD)的推进器电流降噪方法, 该方法采用SPSA方法减小电流数据中传感器自身随机噪声干扰, 基于WD方法减小电流数据中纯电流数据本身的随机性, 效果较好。但进一步研究电流信号数据发现, 电流信号数据中传感器自身随机噪声在各层小波近似分量中都存在, 而SPSA+WD方法只是减小了原始电流信号中的随机噪声, 所以该方法的降噪效果有待提高。

2.2 耦合降噪方法

为减小实际电流数据和降噪后电流数据之间的误差, 提出一种基于WD和SPSA耦合的降噪方法, 其流程如图6所示。

如图6中虚线框所示, 首先对原始电流信号进行SPSA处理, 再对处理后信号进行1级WD, 提取1层小波近似分量, 其次对1层小波近似分量进行SPSA处理, 再对处理后信号进行2级WD, 提取2层小波近似分量, 以此类推。该方法在每一层小波分解前加SPSA处理。而在图5所示的WD流程中, 并未涉及SPSA处理。

耦合降噪方法的具体实现过程如下。

1) 对电流原始数据进行SPSA处理

图6 文中耦合降噪方法流程图

电流原始数据SPSA处理过程为[18]

式中:()为电流原始数据;()为SPSA处理后的电流数据,为电流数据个数。

2) 对SPSA后数据进行1层WD

对()进行1层WD[16]

式中:A()为尺度系数;D()为小波系数;()为DB4尺度函数;()为DB4小波函数;为WD层数,=1; < >为内积运算符号。

3) 重构第1层小波近似分量

将尺度系数A()代入小波单支重构公式[16], 得到小波近似分量, 即

式中,=1。

4)逐层进行耦合降噪

用y()代替()代入式(1)进行SPSA处理, 将处理结果依次代入式(2)和式(3)进行WD与重构。此时, WD层数=2, 得到第2层小波近似分量。

重复上段过程, 逐次增加WD与重构层数, 直到=6, 耦合降噪后的第6层小波近似分量作为最终降噪结果。

综上可知, SPSA与WD重构交叉耦合进行, 且小波层数逐渐增大, 可有效平滑各层小波近似分量中的传感器自身噪声, 减小实际电流数据和降噪后电流数据之间的误差。

3 试验验证

3.1 试验装置

为验证冗余接地电路、耦合降噪方法的有效性进行推进器水池试验, 试验装置如图7所示。

图7 推进器控制系统和电流信号降噪试验装置

该试验装置基于图1所示原理图搭建, 并根据试验需求进行了更改, 具体更改内容为: 采用数显直流电源代替电源模块II; 在系统中增加上位计算机, 上位机中含有上位机控制界面, 通过操作上位机控制界面向水下机器人控制器发送各个推进器的控制电压信号。

3.2 冗余接地电路试验验证

试验中, 将图7中的各功能模块分别按照典型串联接地电路(如图2所示)和冗余接地电路(如图4所示)进行连接。利用示波器观察功率放大模块接收到的PWM信号, 并总结其纹波幅值和占空比波动, 其中, 最大纹波幅值用1max表示, 最大占空比波动幅值用2max表示。

试验中, 典型串联接地电路的1max为0.46 V, 冗余接地电路的1max为0.16 V, 与串联电路相比降低了0.30 V(相对降低65.2%); 典型串联接地电路的2max为0.8 μs, 冗余接地电路的2max为0.08 μs, 与串联电路相比降低了0.72 μs(相对降低90.0%)。可以看出, 与典型串联接地电路相比, 文中电路在减小PWM信号纹波幅值和占空比波动方面更为有效。

3.3 耦合降噪方法试验验证

电流信号数据获取过程如下: 每单击一次上位机控制界面的增速按键, 推进器控制电压增加0.2 V, 手工记录数显直流电源所显示的电流数据, 并将此数据作为推进器实际电流数据, 同时, 水下机器人控制器采集电流传感器数据, 并将此作为原始电流数据发送给上位计算机进行存储。

分别采用文中提出的耦合降噪方法、WD、SPSA、WD+SPSA、SPSA+WD降噪方法对原始电流数据进行降噪处理, 结果如图8所示。

根据图8所示数据, 分别计算各降噪方法的平均误差、均方根误差和平均相对误差表示实际数据与原始或降噪后的数据之间的误差[18], 结果如表1所示。其中:ME为平均误差;RMSE为均方根误差;MAPE为平均相对误差。

如表1所示, 文中方法与原始数据、WD、SPSA、SPSA+WD和WD+SPSA相比,ME分别降低了0.061、0.046、0.055、0.039和0.041(相对降低62.2%、55.4%、59.8%、51.3%和52.6%);RMSE分别降低0.327、0.136、0.135、0.076和0.111(相对降低69.6%、48.7%、48.6%、34.7%和43.7%);MAPE分别降低0.154、0.076、0.086, 0.055和0.064(相对降低24.4%、13.8%、15.3%、10.4%和11.9%)。结果表明, 文中方法比原始数据、WD、SPSA、SPSA+WD和WD+SPSA具有较小的误差。

4 结束语

文中设计了一种水下机器人推进器控制系统, 重点研究了冗余接地电路、耦合降噪方法。水下机器人推进器水池试验结果表明: 与串联接地电路相比, 冗余接地电路能够有效的降低纹波幅值和占空比幅值; 与原始电流数据和WD方法相比, 利用耦合降噪方法降噪的电流数据与真实电流数据的误差更小。

图8 原始和降噪后的电流数据

表1 不同方法的降噪效果

冗余接地电路为主控CPU与各功能模块的共地连接问题提供了一种有效方案, 考虑到文中只是在主控CPU与A-PWM模块之间增加了一条冗余接地路径, 在后续研究工作中, 可以尝试在主控CPU与各个功能模块之间都增加一条冗余接地路径。推进器电流信号降噪, 本质上是电机电流信号降噪, 所以可尝试将耦合降噪方法应用于其他领域的电机电流信号降噪场合。

[1] 黄琰, 李岩, 俞建成, 等. AUV智能化现状与发展趋势[J]. 机器人, 2020, 42(2): 215-231.Huang Yan, Li Yan, Yu Jian-cheng, et al. State-of-the-art and Development Trends of AUV Intelligence[J]. Robot, 2020, 42(2): 215-231.

[2] Hao L Y, Zhang H, Yue W, et al. Fault-tolerant Compensation Control Based on Sliding Mode Technique of Unmanned Marine Vehicles Subject to Unknown Persistent Ocean Disturbances[J]. International Journal of Control, Automation and Systems, 2020, 18(3): 739-752.

[3] Liu X, Zhang M J, Wang Y J, et al. Design and Experimental Validation of an Adaptive Sliding Mode Observer-based Fault-tolerant Control for Underwater Vehicles[J]. IEEE Transactions on Control Systems Technology, 2019, 27(6): 2655-2662.

[4] He J Y, Li Y, Jiang Y Q, et al. Propeller Fault Diagnosis Based on a Rank Particle Filter for Autonomous Underwater Vehicles[J]. Brodogradnja, 2018, 69(2): 147-164.

[5] Chan T K, Chin C S. Health Stages Diagnostics of Underwater Thruster Using Sound Features with Imbalanced Dataset[J]. Neural Computing & Applications, 2019, 31(10): 5767-5782.

[6] Yao F, Wang F, Zhang M. Weak Thruster Fault Detection for Autonomous Underwater Vehicle Based on Artificial Immune and Signal Pre-processing[J]. Advances in Mechanical Engineering, 2018, 10(2): 538-550.

[7] Abed W, Sharma S K, Sutton R, et al. An Unmanned Marine Vehicle Thruster Fault Diagnosis Scheme Based on OFNDA[J]. Journal of Marine Engineering and Technology, 2017, 16(1): 37-44.

[8] 程学龙, 朱大奇, 孙兵, 等. 深海载人潜水器推进器系统故障诊断的新型主元分析算法[J]. 控制理论与应用, 2018, 35(12): 1796-1804.Cheng Xue-long, Zhu Da-qi, Sun Bing, et al. Principal Component Analysis Algorithm for Fault Diagnosis of Thruster System in Deep-sea Human Occupied Vehicle[J]. Control Theory & Applications, 2018, 35(12): 1796-1804.

[9] 刘扬. 模块电源纹波电压的测量与有效抑制[J]. 计量与测试技术, 2018, 45(1): 52-53.Liu Yang. Measurment and Effective Suppress for Ripple Voltage of Module Power[J]. Metrology & Measurement Technique, 2018, 45(1): 52-53.

[10] 何德军, 石晓磊. 一种直流并联电源的输出纹波抑制技术研究[J]. 信息技术, 2019, 43(9): 101-105.He De-jun, Shi Xiao-lei. Research on Output Ripple Suppression Technology of DC Parallel Power Supply[J]. Information Technology, 2019, 43(9): 101-105.

[11] 张国荣, 桂红明, 彭勃, 等. 柔性多状态开关直流侧电压纹波的抑制策略[J]. 高电压技术, 2020, 46(4): 1133- 1141.Zhang Guo-rong, Gui Hong-ming, Peng Bo, et al. DC Side Voltage Ripple Suppression Strategy on Flexible Multi-state Switch[J]. High Voltage Engineering, 2020, 46(4): 1133-1141.

[12] 张小翠, 徐小明. 一种基于变频器电流检测机床刀具磨损新方法的研究[J]. 机床与液压, 2019, 47(13): 213-218.Zhang Xiao-cui, Xu Xiao-ming. Research on New Method of Tool Wear for Machine Tool Based on Frequency Converter Current Detection[J]. Machine Tool & Hydraulics, 2019, 47(13): 213-218.

[13] 赵坤, 郑小霞. 基于改进EMD和小波阈值法的风机数据降噪研究[J]. 上海电力大学学报, 2020, 36(2): 136-140.Zhao Kun, Zheng Xiao-xia. Noise Reduction of Wind Turbine Data Based on Improved EMD and Wavelet Threshold[J]. Journal of Shanghai University of Electric Power, 2020, 36(2): 136-140.

[14] 朱圆圆, 易挺. 粒子滤波的焊接电流信号降噪方法研究[J]. 精密制造与自动化, 2018, 1(1): 4-6.Zhu Yuan-yuan, Yi Ting. Research on Noise Reduction of Welding Current Signal Based on Particle Filter[J]. Precise Manufacturing & Automation, 2018, 1(1): 4-6.

[15] Liu H, Wang W, Xiang C, et al. A De-noising Method Using the Improved Wavelet Threshold Function Based on Noise Variance Estimation[J]. Mechanical Systems and Signal Processing, 2018, 99(15): 30-46.

[16] Zhang M, Yin B, Liu W, et al. Thruster Fault Feature Extraction for Autonomous Underwater Vehicle in Time-varying Ocean Currents Based on Single-channel Blind Source Separation[J]. Proceedings of the Institution of Mechanical Engineers Part I: Journal of Systems and Control Engineering, 2016, 230(1): 46-57.

[17] 殷宝吉, 董亚鹏, 唐文献, 等. 船舶螺旋桨水下清洗机器人推进器驱动及关键部件状态监测研究[J]. 江苏科技大学学报(自然科学版), 2019, 33(4): 31-37.Yin Bao-ji, Dong Ya-peng, Tang Wen-xian, et al. Research on Thruster Driving and Key Parts Condition Monitoring for Ship Propeller Underwater Cleaning Vehicle[J]. Journal of Jiangsu University of Science and Technology(Natural Science Edition), 2019, 33(4): 31-37.

[18] 申中杰, 陈雪峰, 何正嘉, 等. 基于相对特征和多变量支持向量机的滚动轴承剩余寿命预测[J]. 机械工程学报, 2013, 49(2): 183-189.Shen Zhong-jie, Chen Xue-feng, He Zheng-jia, et al. Remaining Life Predictions of Rolling Bearing Based on Relative Features and Multivariable Support Vector Machine[J]. Journal of Mechanical Engineering, 2013, 49(2): 183-189.

Denoising Method for the Pulse Width Modulation Signal and Current Signal in the Control System of Underwater Robot Thruster

YIN Bao-ji1,2,3, ZHOU Jia-hui1,2, TANG Wen-xian1,2, DONG Ya-peng1,2

(1. School of Mechanical Engineering, Jiangsu University of Science and Technology, Zhenjiang 212003, China; 2. Jiangsu Provincial Key Laboratory of Advanced Manufacture and Process for Marine Mechanical Equipment, Jiangsu University of Science and Technology, Zhenjiang 212003, China; 3. Science and Technology on Underwater Vehicle Technology, Harbin Engineering University, Harbin 150001, China)

With the aim of achieving thruster control and monitoring this control under operating conditions, a denoising method for the pulse width modulation(PWM) signal and current signal in the control system of underwater robot thruster is explored in this study. The ripple amplitude and duty cycle fluctuation of the PWM signal are large in a thruster control circuit based on typical series grounding. Therefore, to reduce the ripple amplitude and duty cycle fluctuation, a redundant grounding circuit is designed, in which an extra ground wire is added between the central processing unit(CPU) and the module converting analog voltage to PWM to avoid the interference of the ground signal of the power. However, the error between the denoised current data and the actual data has a large magnitude even after the current data is denoised using the wavelet decomposition method. Hence, to further denoise the current data, a coupling denoising method based on the cross coupling of wavelet decomposition and seven-point slip average is proposed. The water-tank experimental results obtained are as follows: The designed redundant grounding circuit has a smaller ripple amplitude and duty cycle fluctuation than those of the series grounding circuit. The proposed coupling denoising method has a smaller error between the denoised current data and the actual data when compared with that between the raw data and the denoised data as obtained via the wavelet decomposition. The effectiveness of the abovementioned methods is therefore verified by the experimental results.

underwater robot; thruster; control circuit; pulse width modulation(PWM) signal; current signal; denoising

TP273.2; TN911.7

A

2096-3920(2021)02-0196-07

10.11993/j.issn.2096-3920.2021.02.010

殷宝吉, 周佳惠, 唐文献, 等. 水下机器人推进器控制系统PWM及电流信号降噪方法[J]. 水下无人系统学报, 2021, 29(2): 196-202.

2020-04-27;

2020-07-02.

江苏省自然科学基金资助项目(BK20190964); 江苏省高校自然科学基金资助项目(19KJB510003); 水下机器人技术重点试验室研究基金资助项目(6142215180306).

殷宝吉(1987-), 男, 博士, 讲师, 主要研究方向为水下机器人故障诊断.

(责任编辑: 许 妍)