传感器故障诊断基础

大家好，我是老张。今天咱们聊聊传感器故障诊断。说实话，这是无人机飞控系统里最让人头疼的部分。我做了十几年飞控系统，见过太多因为传感器出问题导致的炸机事故。嗯，咱们先从最核心的IMU说起。

一、IMU（加速度计、陀螺仪）故障模式

IMU是无人机的"内耳"，负责感知姿态和运动。它一旦出问题，飞控基本就瞎了。

加速度计常见故障：

• 偏置漂移：输出值缓慢偏离真实值。我遇到过一架测绘无人机，飞了半小时后高度数据越来越不准，最后发现是加速度计温漂导致的。
• 刻度因子误差：测量值与实际值成比例偏差。说白了就是"放大"或"缩小"了真实加速度。
• 噪声异常增大：信号中混入大量高频噪声。这时候飞控会疯狂抖动，像喝醉了酒。
• 饱和/卡死：输出值固定在某个数值不动。这是最危险的——飞控以为飞机是平的，其实已经歪了。

陀螺仪常见故障：

• 角速度漂移：静止时输出非零值。我有个项目，陀螺仪零偏从0.1°/s慢慢漂到2°/s，飞控完全没察觉，结果飞机开始自旋。
• 交叉轴耦合：一个轴的运动会干扰另一个轴的输出。这通常发生在剧烈振动环境下。
• 数据丢帧：输出数据出现间歇性缺失。飞控会突然"失明"一瞬间。

二、GPS/RTK故障模式

GPS和RTK是无人机的"眼睛"，负责定位和导航。但它们也是最脆弱的传感器之一。

GPS常见故障：

• 卫星信号丢失：在城市峡谷、隧道或密林环境下，卫星数量骤减。我曾在高架桥下试飞，GPS直接罢工。
• 多路径效应：信号反射导致定位误差。这在高楼林立的区域特别明显，定位点会"跳来跳去"。
• 电离层延迟：太阳活动剧烈时，信号传播速度变化，导致定位偏差。
• 星历错误：卫星播报的轨道参数有误。这种情况少见，但一旦发生，定位误差可能达到几百米。

RTK特殊故障：

• 差分链路中断：基站和移动站之间的通信断开。这时候RTK会退化为普通GPS，精度从厘米级掉到米级。
• 整周模糊度解算失败：这是RTK的核心问题。我遇到过在强电磁干扰环境下，模糊度解算一直不收敛，飞机没法进入RTK模式。
• 基站坐标错误：如果基站架设时坐标输入有误，整个区域的RTK定位都会偏移。

三、气压计与磁力计故障模式

这两个传感器虽然不起眼，但缺了它们也不行。

气压计故障：

• 高度漂移：受温度影响，气压计读数会缓慢变化。我做过测试，从冷启动到稳定工作，高度读数能漂移5-10米。
• 气流干扰：无人机旋翼下洗气流会改变局部气压。这会导致高度测量出现周期性波动。
• 堵塞：气压计通气孔被灰尘或水滴堵住。这时候读数会"卡住"，飞控以为高度没变，其实飞机在下降。

磁力计故障：

• 硬磁干扰：机身上的永磁体（比如电机磁铁）导致磁场偏移。这需要做校准补偿。
• 软磁干扰：铁磁性材料（比如碳纤维机架）改变磁场方向。这种干扰更难处理。
• 环境磁场异常：高压线、变电站附近磁场紊乱。我有个项目在变电站附近试飞，磁力计直接"疯掉"了。

四、传感器数据融合与健康监测

单个传感器靠不住，所以我们需要数据融合。说白了，就是把多个传感器的数据"揉"在一起，取长补短。

数据融合的核心思路：

• 互补滤波：加速度计低频准、高频噪；陀螺仪高频准、低频漂。把它们互补起来，就能得到稳定的姿态估计。
• 卡尔曼滤波：这是目前最主流的方法。它根据系统模型和观测数据，给出最优估计。我习惯用扩展卡尔曼滤波（EKF），因为它能处理非线性问题。
• 故障检测与隔离：当某个传感器数据异常时，系统要能自动识别并剔除它。这通常用残差检测法——比较预测值和实际值的差异。

健康监测的关键指标：

• 传感器自检：上电时做BIT（机内自检），检查传感器是否正常响应。
• 数据一致性检查：不同传感器之间的数据是否相互印证。比如GPS速度和IMU加速度积分的速度应该一致。
• 趋势分析：监测传感器参数的变化趋势。如果某个传感器的噪声水平在缓慢上升，说明它可能快坏了。

传感器故障诊断是个系统工程。我的建议是：不要等到出问题了再排查，而是在设计阶段就做好故障检测和冗余备份。你想想看，一架几十万的无人机，因为一个几十块的传感器出问题而炸机，多不值当。

好了，这一章的内容就到这里。传感器故障诊断是个需要不断积累经验的领域。我建议你在实际项目中多记录故障现象和排查过程，慢慢就会形成自己的"故障库"。嗯，下次咱们聊聊执行器故障诊断，那又是另一番天地了。

---

公众号:蓝海资料掘金营，微信deep3321