3. 故障检测与隔离：基于残差的故障检测、阈值设定方法、传感器一致性校验

各位同学，咱们接着聊。上一节讲了冗余架构怎么搭，但架构搭好了，传感器到底有没有出问题，你得有个判断方法。说白了，就是怎么知道哪个传感器在「说谎」。

我个人习惯把故障检测比作「抓内鬼」。三个陀螺仪，两个说飞机在右转，一个说在左转，你信谁？嗯，这里就要用到我们今天讲的核心——残差分析。

3.1 基于残差的故障检测：原理与实战

残差是什么？简单说，就是「测量值」和「期望值」的差值。

你想想看，如果传感器是好的，它的输出应该和系统模型预测的值差不多。如果差得远了，那大概率是坏了。

数学上，残差 r 可以写成：

r = y_measured - y_estimated

其中 y_measured 是传感器实际读数，y_estimated 是根据其他健康传感器或模型推算出来的值。

我在项目中遇到过一件事：某次试飞，GPS 突然跳了 50 米。但 IMU 数据是正常的。残差瞬间从 0.1 米飙到 49.9 米。检测逻辑立刻触发，把 GPS 踢出了融合滤波器。这就是残差检测的典型应用。

但这里有个坑：残差不能只看绝对值。因为不同传感器的噪声水平不一样。GPS 噪声大，残差 0.5 米可能正常；加速度计噪声小，残差 0.1 m/s² 可能就有问题。

3.2 阈值设定方法：别拍脑袋，要讲科学

阈值怎么设？我见过不少新手直接拍脑袋设个固定值。结果要么误报太多，要么漏报。

我个人建议用统计方法。具体来说，有几种常用套路：

• 3σ 原则： 采集一段正常飞行数据，计算残差的均值和标准差。阈值设为 μ ± 3σ。理论上，正常数据 99.7% 落在这个范围内。
• 自适应阈值： 根据飞行状态动态调整。比如悬停时阈值小，大机动时阈值大。因为机动本身就会引入更大的残差。
• 卡方检验： 对于多维残差向量，用卡方分布设定阈值。适合多传感器联合检测。

举个例子，我当年做四旋翼飞控时，陀螺仪残差的阈值是这样算的：

// 伪代码示例
float mean = 0.002;   // 静态采集的均值
float std = 0.015;    // 静态采集的标准差
float threshold = mean + 3.0 * std;  // 约 0.047 rad/s

if (fabs(residual) > threshold) {
    // 触发故障标志
    fault_flag = TRUE;
}

3.3 传感器一致性校验：三选二，还是二选一？

一致性校验，说白了就是「对答案」。三个传感器，如果两个读数接近，第三个差得远，那少数服从多数。

常用的方法有：

• 两两比较法： 计算每对传感器之间的差值。如果某传感器与另外两个的差值都超过阈值，判定为故障。
• 中值法： 取三个传感器的中值作为参考值。偏离中值太远的传感器被隔离。
• 投票机制： 三个传感器，两两一致则通过。如果三个都不一致，进入「无共识」状态，系统降级运行。

我曾经在六旋翼上用过一种「加权一致性校验」。每个传感器根据历史可靠性分配权重。可靠性高的传感器，在投票时话语权更大。效果不错，但实现起来稍微复杂一些。

3.4 故障隔离：踢出去，别犹豫

检测到故障后，要果断隔离。我见过一些系统，检测到故障后还犹豫要不要用，结果把整个状态估计带偏了。

隔离策略一般分两种：

• 硬隔离： 直接把故障传感器的数据权重设为零，不再参与融合。
• 软隔离： 降低故障传感器的权重，但保留部分信息。适合故障程度较轻的情况。

我个人更倾向于硬隔离。因为飞控系统对实时性要求极高，软隔离的计算开销大，而且容易引入不确定性。

隔离后还要做一件事：记录故障日志。包括故障时间、残差大小、传感器编号等。方便事后分析原因。

3.5 实战中的避坑指南

最后，分享几个我踩过的坑：

• 阈值设得太小： 曾经有一次，我把阈值设得太严，结果飞机一抖就触发故障切换。后来发现是机架共振导致的。解决办法是加一个低通滤波器，先平滑残差再判断。
• 忘记考虑时延： 不同传感器的采样频率和传输时延不同。直接比较原始数据会引入虚假残差。要对齐时间戳后再计算。
• 隔离后不恢复： 有些故障是瞬态的（比如电磁干扰）。隔离后如果传感器恢复正常，应该允许它重新加入。我习惯加一个「恢复计时器」，连续 N 个周期正常才恢复使用。

嗯，关于故障检测与隔离，今天就讲到这里。下一节我们聊聊故障切换的具体实现——怎么在毫秒级完成传感器切换，保证飞控不中断。