4、执行器故障诊断：电机电流与转速异常检测、PWM信号回读校验、基于模型的推力估算与故障判别
执行器，说白了就是电机和螺旋桨。飞控说“你转”，它就得转。但现实很骨感——电机卡死、桨叶断裂、电调烧毁，这些我都见过。有一次在试飞现场，四轴刚离地半米，突然一个电机停转，飞机直接侧翻。后来查原因，是电调输出MOS管击穿了。从那以后，我对执行器故障诊断这块，就格外上心。
这一节，我们重点聊三个方向：电机电流与转速异常检测、PWM信号回读校验、以及基于模型的推力估算与故障判别。这三板斧用好了，大部分执行器故障都能在酿成大祸前被揪出来。
4.1 电机电流与转速异常检测
电机出问题，最直接的反映就是电流和转速。正常飞行时，电流和油门指令是强相关的。如果油门推上去了，电流却上不去，或者电流飙升但转速没变化，那肯定有问题。
电流检测怎么做？
我习惯在电调输入端串联一个采样电阻，或者用霍尔电流传感器。飞控以100Hz左右的频率读取电流值。关键不是看绝对值，而是看变化趋势。
核心判据：
- 电流过低异常： 给定高油门，但电流远低于预期值。可能原因：电机断相、电调MOS管开路、供电线路接触不良。
- 电流过高异常： 电流超过额定值1.5倍以上，且持续。可能原因：电机轴承卡死、桨叶打到异物、电调短路。
- 电流波动异常： 电流在短时间内剧烈抖动。可能原因：电调驱动波形异常、电机内部绕组短路。
转速检测怎么做？
无刷电机没有电刷，转速信号得靠反电动势检测，或者用专用的转速传感器。大部分飞控用的是电调反馈的eRPM信号。我建议把转速和油门指令做归一化处理，然后看偏差。
举个例子：
// 伪代码：转速异常检测
float throttle_cmd = 0.7; // 70%油门
float expected_rpm = throttle_cmd * MAX_RPM; // 假设线性关系
float actual_rpm = get_motor_rpm();
float deviation = fabs(actual_rpm - expected_rpm) / MAX_RPM;
if (deviation > 0.15) { // 偏差超过15%
if (actual_rpm < expected_rpm) {
flag_motor_stall = 1; // 电机堵转或负载过大
} else {
flag_motor_runaway = 1; // 电机飞车，可能桨叶脱落
}
}我的经验： 转速偏差阈值不能设得太死。不同桨叶、不同电池电压下，同样的油门对应的转速能差10%以上。我一般会做一个自适应阈值——根据当前电池电压和温度，动态调整偏差门限。
4.2 PWM信号回读校验
飞控给电调发PWM信号，但电调真的收到了吗？信号在传输过程中有没有被干扰？电调内部有没有正确解析？这些问题，靠PWM回读就能解决。
原理很简单： 飞控的PWM输出引脚，同时接一个输入捕获通道。发完信号后，立刻回读实际输出的PWM波形。对比“期望值”和“回读值”，如果差异超过一个脉宽（比如5μs），就认为信号链路有问题。
我曾经遇到过一个案例：飞控输出1500μs的PWM，但回读发现只有1200μs。查了半天，是PCB走线上有一个过孔虚焊，导致信号反射。如果没有回读校验，这种间歇性故障根本抓不到。
注意： PWM回读不能只做一次。我建议在每个控制周期（比如4ms）都做一次回读，连续3次异常才触发报警。这样可以避免偶发干扰导致的误报。
回读校验的典型流程：
- 设置定时器输出比较，产生PWM。
- 同时设置同一引脚的输入捕获模式，捕获PWM的高电平脉宽。
- 读取捕获值，与期望值做差。
- 如果差值超过阈值，计数器加1；否则清零。
- 计数器达到3，触发PWM异常报警。
// 伪代码：PWM回读校验
uint16_t expected_pulse = 1500; // 期望脉宽，单位μs
uint16_t actual_pulse = capture_read();
int16_t error = (int16_t)expected_pulse - (int16_t)actual_pulse;
if (abs(error) > 5) { // 误差超过5μs
pwm_error_count++;
if (pwm_error_count >= 3) {
pwm_fault_flag = 1;
// 执行安全动作：比如切换到备用PWM通道
}
} else {
pwm_error_count = 0;
}4.3 基于模型的推力估算与故障判别
电流和转速是直接测量，但有时候我们更关心的是——电机到底产生了多少推力？推力不足，飞机就掉高；推力不对称，飞机就偏航。直接测推力不现实，但我们可以用模型估算。
推力模型长什么样？
对于固定桨距的螺旋桨，推力T和转速n的关系近似为：
T = k * ρ * D^4 * n^2其中k是桨叶系数，ρ是空气密度，D是桨叶直径。在实际飞控中，我们通常简化成：
T_estimated = K_t * rpm^2K_t是推力系数，可以通过实验标定得到。
故障判别逻辑：
有了估算推力，我们就可以和期望推力做比较。期望推力来自控制器的输出——比如PID控制器算出来需要50%的推力，那我们就期望电机产生50%的推力。
| 故障类型 | 现象 | 判别依据 |
|---|---|---|
| 推力不足 | 估算推力 < 期望推力 × 0.7 | 电机效率下降，可能轴承磨损或磁钢退磁 |
| 推力过剩 | 估算推力 > 期望推力 × 1.3 | 桨叶螺距异常或电机转速失控 |
| 推力不对称 | 同侧电机推力差 > 15% | 某个电机故障，导致飞机偏航或倾斜 |
我个人习惯的做法： 把推力估算和电流、转速检测结合起来。比如，电流正常但推力不足，那可能是桨叶效率问题；电流偏高但推力正常，那可能是电机发热导致效率下降。三个维度交叉验证，诊断准确率能到95%以上。
避坑指南：
我曾经在标定K_t系数时犯过一个错误——只在地面静态条件下标定。结果上天后，由于气流影响，推力估算偏差很大。后来我改成在悬停、前飞、爬升等多个工况下标定，取平均值。嗯，这个细节很重要，大家一定要注意。
另外，空气密度ρ会随温度和海拔变化。如果你在高原飞行，记得修正密度参数。否则模型算出来的推力会偏大，导致误判为“推力不足”。
总结一下：执行器故障诊断，核心就是多源信息融合。电流、转速、PWM回读、推力估算，每个信号都有盲区，但组合起来就能覆盖绝大部分故障场景。下一节我们会聊传感器故障诊断，那又是另一套思路了。