01
课程导论：故障检测与隔离(FDI)
基本概念、多源传感器融合的优势、课程目标与学习路径。
导论FDI
02
传感器基础与误差模型
常见传感器类型(IMU、GPS、相机、激光雷达)、误差源分析、数学模型。
IMUGPS误差
03
坐标变换与空间同步
刚体变换、欧拉角与四元数、外参标定、时间戳对齐。
坐标四元数
04
卡尔曼滤波基础
状态空间模型、线性KF推导、预测更新、调参经验。
KF状态估计
05
扩展卡尔曼滤波(EKF)
非线性系统线性化、雅可比矩阵、组合导航实例。
EKF非线性
06
无迹卡尔曼滤波(UKF)
无迹变换、Sigma点选取、UKF与EKF对比。
UKFSigma点
07
粒子滤波(PF)
蒙特卡洛、重要性采样、重采样、粒子退化。
PF蒙特卡洛
08
信息滤波与联邦滤波
信息形式估计、联邦架构、容错分布式融合。
信息滤波联邦
09
图优化与因子图
因子图模型、非线性最小二乘、iSAM/GTSAM。
因子图iSAM
10
故障模型与分类
硬故障、软故障、间歇性故障、建模与特征提取。
故障分类建模
11
基于残差的故障检测
残差生成(观测器/滤波器)、残差评价(阈值/统计检验)。
残差检测
12
卡方检验与故障检测
卡方分布、基于卡方检验的检测、虚警与漏检。
卡方虚警
13
多假设检验(MHT)
假设生成与管理、SPRT、多模型自适应估计(MMAE)。
MHTSPRT
14
基于机器学习的故障检测
SVM、随机森林、孤立森林在异常检测中的应用。
SVM随机森林
15
深度学习故障检测
自编码器重构误差、CNN时序特征、LSTM预测残差。
AECNNLSTM
16
传感器一致性检验
马氏距离、广义似然比检验(GLT)、一致性隔离策略。
马氏距离GLT
17
解析冗余与硬件冗余
硬件冗余(三模冗余)、解析冗余关系、残差方向隔离。
冗余三模
18
结构化残差设计
残差对故障敏感/干扰不敏感、方向性残差与隔离逻辑。
结构化方向残差
19
基于观测器的故障隔离
未知输入观测器(UIO)、滑模观测器(SMO)、自适应观测器。
UIOSMO
20
信息融合中的容错架构
集中/分布/混合式容错、通信故障处理。
容错架构分布式
21
联邦卡尔曼滤波容错
信息分配、故障检测与系统重构、实际案例。
联邦KF重构
22
完好性监测(RAIM)
接收机自主完好性、水平/垂直保护级(HPL/VPL)。
RAIMHPL
23
多传感器融合中的时间同步
时间戳误差、硬件同步、软件插值对齐。
时间同步插值
24
故障可检测性与可隔离性
可检测/隔离条件、故障-残差方向矩阵分析。
可检测性矩阵
25
动态系统故障诊断
多模型方法、交互式多模型(IMM)、变结构VSMM。
IMMVSMM
26
数据驱动故障诊断
PCA、偏最小二乘(PLS)、规范变量分析(CVA)。
PCAPLS
27
故障诊断性能评估
检测延迟/概率、虚警、隔离准确率、ROC曲线。
ROC评估
28
实际系统案例
无人机组合导航故障诊断、自动驾驶多传感器融合。
无人机自动驾驶
29
开源工具与仿真平台
MATLAB/Simulink、Python FilterPy、CARLA/ROS。
ROSFilterPy
30
课程总结与前沿展望
技术挑战、多模态融合趋势、可解释AI在故障诊断中。
前沿可解释AI