一、故障诊断基础理论：从“出问题”到“找原因”

各位同学，欢迎来到故障诊断的世界。

说实话，我刚入行那会儿，觉得导弹控制系统嘛，不就是一堆公式和代码？直到有一次，某型导弹在测试中突然“抽风”——舵面乱摆，数据乱跳。我当时就懵了。后来跟着老工程师排查了三天，才发现是一个传感器焊点虚接。

从那天起，我明白了：搞控制，必须懂诊断。今天我们就聊聊故障诊断的基础理论。

1.1 故障的定义与分类

什么是故障？说白了，就是系统出现了“不该有的状态”。比如舵机该转30度，它只转了20度；或者陀螺仪输出突然跳变。这些都属于故障。

我个人习惯把故障分成三类，这样排查起来思路清晰：

分类维度	类型	典型例子	我的经验
按发生部位	传感器故障	陀螺漂移、GPS丢星	最常见，占我遇到问题的60%
	执行器故障	舵机卡死、阀门堵塞	后果最严重，必须快速响应
	控制器故障	CPU死机、软件跑飞	最难查，往往需要看门狗
按时间特性	突变故障	线缆断开、芯片烧毁	好检测，但破坏力大
	缓变故障	参数漂移、老化	最难发现，我吃过亏
	间歇故障	接触不良、热噪声	最折磨人，时好时坏

1.2 故障诊断的基本流程

你想想看，医生看病是不是也得先问诊、再检查、最后开药？故障诊断也一样，有套路可循。我总结为四个步骤：

1. 信号采集与预处理——先把数据拿过来，去噪、滤波、归一化。这一步做不好，后面全是白搭。
2. 特征提取与选择——从原始信号里挖出有用的信息。比如从振动信号里提取频率特征，从电流信号里提取均值特征。
3. 故障检测与识别——判断“有没有问题”，以及“是什么问题”。这一步需要阈值或分类器。
4. 故障定位与评估——找到具体哪个部件坏了，评估严重程度，决定要不要切换备份。

1.3 故障诊断的主要方法

目前主流的方法有三类。我按自己的理解给你捋一捋：

1.3.1 基于模型的方法

说白了，就是先建一个数学模型，描述系统“正常时应该什么样”。然后拿实际输出和模型输出做对比，差值就是“残差”。残差大了，说明出问题了。

// 举个简单的例子：电机模型
// 正常时：转速 = 电压 × 增益
// 实际转速与模型转速的差值 = 残差
double residual = actual_speed - (voltage * gain);
if (fabs(residual) > threshold) {
    // 报警：电机或传感器可能故障
}

这种方法的好处是物理意义清晰，坏处是——模型不准就全完蛋。我记得有一次，模型参数没更新，结果残差一直很大，误报了一整天。

1.3.2 基于数据的方法

这个方法不需要模型，全靠历史数据说话。你想想看，如果系统正常运行时，某个传感器输出总是在5V左右，突然有一天变成了8V，那肯定有问题。

常用的技术包括：

• 阈值法：设定上下限，超限就报警。简单粗暴，但有效。
• 主成分分析（PCA）：降维后找异常点。
• 神经网络：用正常数据训练，然后识别异常模式。

1.3.3 基于知识的方法

这个方法靠的是“专家经验”。说白了，就是把老工程师脑子里的东西，变成规则或逻辑。

举个例子：

// 专家规则示例
if (舵机反馈 == 0 && 舵机指令 != 0) {
    // 大概率是舵机断线或卡死
    报警级别 = 严重;
    建议操作 = "切换备份舵机";
}

基于知识的方法，最典型的就是专家系统和故障树分析（FTA）。我当年跟一位老专家学故障树，他画了整整三天，把一枚导弹所有可能的故障路径都画出来了。那棵树，比我家门前的梧桐树还大。

---

好了，第一章的内容就到这里。故障诊断不是玄学，是有章可循的工程方法。记住：先分类、再流程、后选方法。下次遇到导弹“抽风”，你就知道该从哪里下手了。