基于数据的自主水下航行器故障诊断方法：采用考虑延迟的时空动态图网络

《Ocean Engineering》：Data-driven fault diagnosis for autonomous underwater vehicles using lag-aware spatio-temporal dynamic graph networks

自主水下机器人故障诊断中提出级联跨时注意力机制与动态图生成模块的时空耦合网络，有效建模异步时序与动态空间依赖。

　　
本文聚焦于自主水下航行器（AUV）的故障诊断问题，针对现有方法在时空关联建模方面的局限性，提出了一种基于动态图网络的LSDG-Net框架。研究团队通过理论分析与实验验证，揭示了多源异构传感器数据中时空耦合关系的建模机制，为复杂水下环境下的设备可靠性保障提供了新思路。

在问题背景方面，AUV作为典型的复杂动态系统，其组成部分（如推进器、传感器、控制器等）之间存在高度非线性耦合关系。传统故障诊断方法存在两大核心缺陷：其一，物理建模方法受限于水下环境的强非线性和时变特性，难以构建通用性模型；其二，现有数据驱动方法多采用静态时空假设，无法有效捕捉控制指令与状态响应之间的异步时序关系，以及空间耦合网络随任务阶段动态演变的特点。

针对上述挑战，研究团队创新性地构建了LSDG-Net的双分支并行架构。时空特征编码模块通过多尺度时空对齐处理，实现了对异构传感器数据的统一表征；而核心创新体现在时空分支的协同机制设计——通过交叉时序注意力机制与状态驱动动态图生成技术，同步建模了时间维度的异步因果链和空间维度的动态耦合网络。

在时间维度建模方面，提出的级联跨时注意力模块（CCAM）突破了传统同步建模的局限。该模块采用分层注意力机制，首先通过多尺度特征融合捕捉不同延迟时间（1-10秒）的指令响应模式，再利用因果导向的注意力权重分配，建立控制指令与状态变量之间的动态映射关系。这种设计不仅解决了传统方法中时序对齐问题，更通过引入多尺度特征聚合，有效整合了不同延迟层级的故障特征。

空间维度建模的核心创新在于状态演化的动态图生成机制（SE-DGG）。该模块通过递归优化节点相似度矩阵，实时构建反映传感器间物理关联的动态拓扑结构。具体而言，采用基于历史状态序列的图注意力机制，计算当前时刻各传感器节点与历史节点状态的关联强度，进而动态调整边的存在性和权重。这种自底向上的动态图生成方式，使系统能够捕捉任务阶段演进带来的空间耦合变化，例如在搜索阶段与定位阶段的传感器重要性差异。

对比实验部分展示了LSDG-Net的显著优势。在公开的"海舟"（Haizhe）AUV数据集和自建"勇毅"（Yongyi）数据集上的测试表明，该方法在准确率（提升约12.7%）、F1分数（提升9.3%）和误报率（降低21.5%）等关键指标上均优于现有方法。特别是在处理多传感器协同故障（如推进器与陀螺仪联合失效）时，动态图结构能有效识别跨域耦合特征，而传统静态图方法则表现出明显的误判倾向。

实验设计部分采用对比验证法，选取了四类典型方法进行横向比较：基于时序注意力机制的TCN模型、融合空间图卷积的GCN架构、采用元学习的轻量化网络，以及结合多源数据融合的特征选择方法。消融实验进一步揭示了各模块的贡献度：CCAM模块单独使用时故障识别准确率仅为68.2%，而结合SE-DGG模块后提升至89.4%；动态图生成部分贡献了约35%的识别性能增益，验证了时空耦合建模的必要性。

工程应用价值方面，研究团队开发了基于LSDG-Net的实时故障诊断原型系统。该系统在"勇毅"号AUV的实测环境中实现了毫秒级延迟的在线诊断能力，成功捕捉到推进器过载引发的波浪传播效应（时间延迟达4.2秒，空间跨度达12米）。在海洋科考任务中，该系统使AUV的自主决策可靠性提升42%，有效解决了复杂海况下的故障误报问题。

方法论创新体现在三个层面：理论层面建立了时空异步性量化模型，提出动态耦合度的概念度量；技术层面设计了轻量级双分支架构，确保在边缘计算设备上的实时部署可行性；应用层面开发了可配置的模块化诊断系统，支持不同AUV型号的快速适配。特别值得关注的是动态图生成的自适应机制，通过在线学习不断优化节点间关联权重，使系统能够适应任务阶段变化带来的耦合模式转换。

未来研究方向中，团队计划将该方法拓展至多AUV协同作业场景，研究分布式系统下的故障关联传播模型。在算法优化方面，拟开发基于物理先验的动态图生成约束条件，进一步提升模型的可解释性和泛化能力。工程实现方面，正与水下装备制造商合作开发专用嵌入式诊断芯片，目标将推理延迟控制在50ms以内。

该研究为智能水下系统的可靠性提升提供了新的技术路径，其核心贡献在于建立了时空异步性建模与动态空间耦合网络构建的完整方法论体系。通过将深度学习与图神经网络技术有机结合，有效解决了复杂水下环境中多源异构数据的时空关联建模难题，为自主无人系统的智能运维提供了重要理论支撑和技术参考。