作者于2022年在北航可靠飛行控制研究組完成本科畢業(yè)設(shè)計(jì)。本文節(jié)選自“樂(lè)祥立. 基于多旋翼飛行器機(jī)理模型的故障診斷及應(yīng)用[D]. 北京航空航天大學(xué), 2022”。

01、背景介紹

近年來(lái)，隨著通信和集成技術(shù)等領(lǐng)域的不斷發(fā)展，多旋翼飛行器已經(jīng)逐步運(yùn)用到軍事、民生和工業(yè)等多個(gè)領(lǐng)域，極大地改變了人們的生活。然而，常見(jiàn)的商用和民用多旋翼飛行器具有結(jié)構(gòu)較為簡(jiǎn)單、集成了多種傳感器和組件的特點(diǎn)，較易發(fā)生各種類型的故障。多旋翼一旦發(fā)生故障，則容易出現(xiàn)墜機(jī)等狀況，帶來(lái)一定的財(cái)產(chǎn)損失并且造成安全隱患。因此，無(wú)論是專業(yè)從業(yè)人員還是業(yè)余愛(ài)好者，都希望能夠及時(shí)了解多旋翼飛行器的狀態(tài)以及是否存在故障。 多旋翼發(fā)生故障后在現(xiàn)場(chǎng)缺乏專業(yè)人士時(shí)，往往得不到及時(shí)的診斷。如若不能及時(shí)排查出故障，有可能延誤正在進(jìn)行的工作。目前互聯(lián)網(wǎng)上雖然有諸如Flight Review, FlightPlot等飛行器自駕儀的數(shù)據(jù)分析工具，卻缺少能夠及時(shí)反饋故障信息的在線多旋翼飛行器故障診斷平臺(tái)，能夠提供的幫助較為有限。

圖為PX4的Flight Review平臺(tái)，能夠方便地對(duì)多種航行日志數(shù)據(jù)進(jìn)行可視化顯示以及簡(jiǎn)單的運(yùn)算，方便進(jìn)行數(shù)據(jù)分析。但是這類平臺(tái)均不能夠進(jìn)行故障診斷的工作，還是無(wú)法讓用戶快速準(zhǔn)確地知道故障。假若可以利用航行日志的數(shù)據(jù)搭建網(wǎng)頁(yè)，用戶通過(guò)網(wǎng)頁(yè)上傳航行日志數(shù)據(jù)就可以得到相關(guān)的反饋報(bào)告，明確是否有故障，故障的類型和故障的程度，就可以實(shí)現(xiàn)在現(xiàn)場(chǎng)無(wú)專家的情況下幫助各類無(wú)人機(jī)用戶實(shí)現(xiàn)快速故障診斷的目的。

02、診斷算法介紹

2.1總體介紹
在僅擁有航行日志的情況下，對(duì)多旋翼飛行器進(jìn)行故障診斷是較為困難的。首先需要分析多旋翼飛行器的運(yùn)動(dòng)機(jī)理和航行日志數(shù)據(jù)結(jié)構(gòu)，確定基本的診斷方法和需要的數(shù)據(jù)。其次，考慮到帶有故障的航行日志數(shù)據(jù)的缺乏，很難應(yīng)用基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法，諸如SVM和深度學(xué)習(xí)等，因此采用分析機(jī)理模型的方式建立診斷算法。最后，需要綜合檢驗(yàn)診斷算法的檢測(cè)效果。本文設(shè)計(jì)的故障診斷總體方案如下：

總體流程：首先對(duì)收集的航行日志數(shù)據(jù)進(jìn)行預(yù)處理；之后運(yùn)用三類故障診斷方法分別診斷，得到結(jié)果；最后對(duì)這三類結(jié)果進(jìn)行綜合評(píng)估，分析出真正的故障，排除誤診情況并在可視化平臺(tái)上顯示。 需要強(qiáng)調(diào)的是三類故障診斷方法指的是：多旋翼多個(gè)執(zhí)行器失效的診斷，傳感器尺度因子故障診斷和傳感器白噪聲變化故障診斷。這里考慮的傳感器只包含陀螺儀，加速度計(jì)，磁力計(jì)和氣壓計(jì)這四種類型。 研究的重難點(diǎn)在于：選取哪些航行日志數(shù)據(jù)作為診斷用的數(shù)據(jù)，以及在選擇好的數(shù)據(jù)上怎樣進(jìn)行執(zhí)行器和傳感器的各類故障診斷算法的設(shè)計(jì)。 本文通過(guò)對(duì)航行日志的結(jié)構(gòu)以及飛行控制棧分析最終選定了如下的數(shù)據(jù)作為診斷所需。

2.2 執(zhí)行器故障診斷方法
具體而言，執(zhí)行器失效的故障診斷算法采用卡爾曼濾波和參數(shù)估計(jì)的方法進(jìn)行，利用航行日志中的電機(jī)控制輸出指令、位置和姿態(tài)信息以及額外獲得的多旋翼質(zhì)量、轉(zhuǎn)動(dòng)慣量等機(jī)體數(shù)據(jù)直接運(yùn)用卡爾曼濾波的方式對(duì)執(zhí)行器失效的程度進(jìn)行估計(jì)。結(jié)果如下：

實(shí)驗(yàn)中，加入一次作用于第一個(gè)執(zhí)行器上的故障，持續(xù)時(shí)間為60秒，故障作用期間螺旋槳的拉力減少的部分占全部拉力的60%?？梢钥吹?，估計(jì)的結(jié)果基本符合預(yù)期。 2.3 傳感器尺度因子故障診斷方法
傳感器尺度因子的故障診斷方案采用卡爾曼濾波和殘差分析的方式進(jìn)行。首先有基本假設(shè)：在航行日志中的同一時(shí)刻只有一種類型的故障發(fā)生。 在假設(shè)下的主要思路是傳感器的“互診”，即使用待測(cè)傳感器A的數(shù)據(jù)運(yùn)用Kalman濾波的方式去估計(jì)另一傳感器B的數(shù)據(jù)，而傳感器B的數(shù)據(jù)根據(jù)假設(shè)是假定為一定正確的觀測(cè)數(shù)據(jù)，由此可以得到殘差。 通過(guò)閾值診斷的方法對(duì)殘差進(jìn)行檢測(cè)，即可實(shí)現(xiàn)故障診斷。以加速度計(jì)為例的診斷效果如下：

實(shí)驗(yàn)中，加入一次持續(xù)時(shí)間為10秒的加速度計(jì)尺度因子故障，故障作用期間所有加速度測(cè)得信息變?yōu)樵瓉?lái)的1.2倍?？梢钥吹剑瑉方向的殘差出現(xiàn)了明顯超出閾值的部分。 2.4 傳感器白噪聲變化故障診斷方法 傳感器白噪聲故障變化的故障診斷方法采用小波閾值去噪和殘差分析的方式進(jìn)行。具體的做法是利用傳感器的數(shù)據(jù)首先進(jìn)行小波閾值去噪，得到消噪的數(shù)據(jù)。 由于在出現(xiàn)噪聲異常時(shí)間段和正常的時(shí)間段消噪后的結(jié)果有明顯差異。因此可以通過(guò)原始數(shù)據(jù)和消噪數(shù)據(jù)作差的方式得到殘差，并利用這一明顯的差異對(duì)故障進(jìn)行診斷。以加速度計(jì)為例的診斷效果如下：

實(shí)驗(yàn)中，加入持續(xù)時(shí)間為 20 秒的加速度計(jì)白噪聲故障，故障作用期間，加速度計(jì)三個(gè)軸向上注入的白噪聲幅值均增大至正常狀態(tài)下的 5 倍?？梢钥吹剑\斷的結(jié)果是正確的。 2.5 綜合診斷情況分析
最后，還需要對(duì)診斷算法進(jìn)行準(zhǔn)確性測(cè)試以及誤診情況的分析，具體為：

通過(guò)對(duì)誤診情況進(jìn)行分析，并設(shè)計(jì)相應(yīng)的邏輯判斷規(guī)則，就可以實(shí)現(xiàn)在發(fā)生誤診情況下的診斷，進(jìn)一步提高診斷的準(zhǔn)確率。

在準(zhǔn)確性測(cè)試中，采用多種指標(biāo)進(jìn)行測(cè)試的原因在于，精確度的數(shù)據(jù)會(huì)受到較多正常數(shù)據(jù)的干擾表現(xiàn)出虛高的現(xiàn)象，F(xiàn)1分?jǐn)?shù)能夠更加可觀的反映診斷效果的好壞。所謂較多正常數(shù)據(jù)指的是，無(wú)人機(jī)正常飛行的數(shù)據(jù)和其他部位發(fā)生故障的數(shù)據(jù)相對(duì)而言較多，會(huì)使得精確度較高。 2.6 多旋翼無(wú)人機(jī)故障診斷平臺(tái)
最后，本文也搭建了初步的多旋翼飛行器故障診斷平臺(tái)，能夠?qū)崿F(xiàn)航行日志上傳，診斷結(jié)果顯示，數(shù)據(jù)分析和圖表列舉等功能。該平臺(tái)以基于Python的Django框架為核心，聯(lián)合MATLAB/Simulink實(shí)現(xiàn)航行日志的預(yù)處理和診斷，并實(shí)現(xiàn)網(wǎng)頁(yè)的交互功能。

文中搭建的故障診斷平臺(tái)的初步功能介紹如下：
①平臺(tái)名稱：“多旋翼飛行器故障診斷平臺(tái)”
②頁(yè)面選擇框：點(diǎn)擊不同的診斷算法頁(yè)面則會(huì)展示不同診斷算法的結(jié)果。
③數(shù)據(jù)顯示板：主要顯示的是在航行日志對(duì)應(yīng)時(shí)間戳下是否存在故障。存在故障，則會(huì)顯示“1”；不存在執(zhí)行器故障，則會(huì)顯示“0”。
④日志上傳和運(yùn)行模塊：點(diǎn)擊“選擇文件”后可以從系統(tǒng)中任意位置選擇需要上傳的PX4航行日志數(shù)據(jù)，格式為ULG。
⑤時(shí)間和故障總狀態(tài)顯示：“當(dāng)前系統(tǒng)時(shí)間”展示的是當(dāng)前的真實(shí)時(shí)間；“當(dāng)前狀態(tài)”展示的是當(dāng)前上傳的航行日志是否存在故障。
⑥故障診斷結(jié)果詳細(xì)信息：會(huì)詳細(xì)列出故障的序號(hào)、故障起始和結(jié)束的時(shí)間、故障類型說(shuō)明、對(duì)應(yīng)的故障參數(shù)估計(jì)結(jié)果以及故障參數(shù)的含義。
⑦參數(shù)曲線展示：該部分展示針對(duì)每種故障類型進(jìn)行診斷的特征參數(shù)。

03、總結(jié)與展望

本文通過(guò)對(duì)多旋翼飛行器進(jìn)行建模以及對(duì)故障診斷方法進(jìn)行分析，確立了基于機(jī)理模型的故障診斷方法。其次研究了Pixhawk航行日志的構(gòu)成和格式，確定了故障診斷的數(shù)據(jù)來(lái)源和針對(duì)數(shù)據(jù)需要預(yù)處理的問(wèn)題。隨后針對(duì)在對(duì)多旋翼建模過(guò)程中設(shè)計(jì)的幾類故障各自設(shè)計(jì)了單獨(dú)的故障診斷方案，針對(duì)執(zhí)行器故障的參數(shù)估計(jì)方法，針對(duì)傳感器尺度因子故障的殘差檢測(cè)方案以及針對(duì)傳感器白噪聲變化故障的小波變換方案。更進(jìn)一步的分析了執(zhí)行器故障診斷方案建立的流程、假設(shè)和可觀測(cè)性分析以及殘差檢測(cè)方案中的閾值確定方法和故障區(qū)間判斷的問(wèn)題。接著對(duì)設(shè)計(jì)的故障診斷方案進(jìn)行了初步的仿真驗(yàn)證和綜合測(cè)試。初步仿真驗(yàn)證主要檢驗(yàn)診斷方案的可行性，綜合測(cè)試則驗(yàn)證了診斷算法之間的誤診情況并給出了解決方案，進(jìn)一步測(cè)試了單一算法的準(zhǔn)確率，查全率，查準(zhǔn)率和F1分?jǐn)?shù)的情況，分析原因并在真實(shí)航行日志上進(jìn)行了驗(yàn)證，發(fā)現(xiàn)了諸多可以改進(jìn)的部分。最后，使用以Python為核心的Django框架，聯(lián)合MATLAB/Simulink初步搭建了多旋翼飛行器故障診斷可視化平臺(tái)，方便進(jìn)行快速地故障診斷工作。 本文只是一個(gè)初步的方案，還存在著諸多不足之處。比如白噪聲故障診方案的F1分?jǐn)?shù)較低，還可以進(jìn)一步提升性能；陀螺儀尺度因子故障診斷方案較容易出現(xiàn)誤診的情況，可以改進(jìn)方法。此外，執(zhí)行器故障診斷方案現(xiàn)在存在著諸多的假設(shè)，可以進(jìn)一步增加模型的復(fù)雜性，提升其對(duì)更多情況下的適應(yīng)能力。另外，現(xiàn)有的診斷算法在真實(shí)航行日志下并不盡如人意，后期工作中還需要進(jìn)一步加強(qiáng)診斷算法的魯棒性，減少誤診情況，完善真實(shí)航行日志的驗(yàn)證工作，提高其實(shí)用性。最后，故障診斷平臺(tái)現(xiàn)還只能單機(jī)運(yùn)行，并不能實(shí)現(xiàn)線上的操作，也還沒(méi)有對(duì)不同類型的航行日志數(shù)據(jù)實(shí)現(xiàn)分類處理的功能。

審核編輯 ：李倩