Matlab基于灰色关联理论的移动机械人故障诊断方法研究(19)
X（2） 43646 43646 43480 43729 43729 43811 43729 43729 43811 43977
正常走直线时的数据如下：
表4.2 走直线的正常数据（x（1）和x（2）的单位为cm/s*10^-4）
序号 1 2 3 4 5 6 7 8 9 10
X（1） 43983 43983 43983 43983 43983 43983 43983 43983 43983 43983
X（2） 43983 43983 43983 43983 43983 43983 43983 43983 43983 43983
序号 11 12 13 14 15 16 17 18 19 20
X（1） 43983 43983 43983 43983 43983 43983 43983 43983 43983 43983
X（2） 43983 43983 43983 43983 43983 43983 43983 43983 43983 43983
测试数据：
X=
表4.3 输入的测试数据（x（1）和x（2）的单位为cm/s*10^-4）
序号 1 2 3 4 5 6 7 8 9 10
X（1） 45600 45576 45542 45526 45493 45476 45485 45476 45493 45493
X（2） 43886 43878 43869 43836 43795 43754 43737 43679 43646 43646
序号 11 12 13 14 15 16 17 18 19 20
X（1） 45509 45484 45493 45501 45526 45551 45576 45609 45609 45609
X（2） 43637 43637 43613 43588 43579 43555 43530 43546 43555 43555
y=wyfinal(x)
故障状态
y =
0.7245 0.4849
其中故障状态关联性为0.72，正常状态关联性为0.48
5 结论及展望
5.1 全文总结
本文在国内外学者对移动机器人故障诊断研究的基础上，结合了故障树的基本概念，采用了相关领域的基本知识，通过灰色关联理论对于不同状态下移动机器人故障诊断、故障定位、故障可能性、故障的表现形式等进行了深入研究。主要研究如下：
1． 拆卸移动机器人的硬件，分析了合时移动机器人的主要硬件结构和工作原理。通过分析模块之间的关联，罗列了所有硬件可能发生的故障