资源受限条件下单传感器无人机执行器故障诊断的结构使能振动编码

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：Structure-enabled vibration encoding for single-sensor UAV actuator fault diagnosis under resource constraints

　　

# 摘要

执行器健康状态对多旋翼无人机飞行安全至关重要。然而，在传感和计算资源受限的情况下，实现无人机执行器的高精度故障诊断仍然具有挑战性。本文提出了一种基于结构使能的单传感器执行器故障诊断范式，该范式采用集成于无人机机身的振动编码器。振动编码器在传感端进行物理编码，在基于模型的诊断之前，将高度相似的执行器相关振动响应转换为更具区分力的频域表示。理论分析表明，编码机制归因于单元级频率选择性调制与网络级非等效传播路径的联合作用。特征可分性通过归一化特征空间中的平均相关系数和欧几里得距离进行量化。实验结果表明，振动编码器将执行器编码传输之间的平均相关系数从0.88降低至0.16，并将平均归一化特征空间距离从0.44增加至1.17，对应平均距离增益为2.66倍。在五折交叉验证下，轻量级SVM和LR模型在螺旋桨和电机故障任务中均实现了约98%的平均诊断准确率和良好的分类稳定性，而更复杂的MLP和1DCNN模型仅提供边际性能增益。进一步评估表明，轻量级模型仅使用10%的训练数据即可保持92%–95%的准确率，并在信噪比不低于3 dB时维持90%以上的准确率。实际悬停飞行验证进一步实现了螺旋桨故障诊断94%–96%的准确率和Macro-F1值，推理时间约0.03毫秒，模型大小约0.04 MB。这些结果表明，所提出的范式有效平衡了诊断精度与资源消耗，为单传感器无人机执行器故障诊断提供了一种资源高效且可部署的解决方案。

# 引言

随着多旋翼无人机在搜救[1]、检测与监测[2]、精准农业[3]和物流运输[4]等领域的日益广泛部署，其作业特征正日益表现为长航时飞行、高机动性和复杂的环境交互。在这种条件下，无人机机身持续承受高速旋转激励、载荷扰动和外部冲击，极易发生结构失效，包括裂纹、疲劳和螺旋桨损伤[5]、[6]。据统计，约64%的远程操控无人机事故直接归因于设备故障[7]。特别是，执行器（包括电机和螺旋桨等）的性能退化或失效若不能及时检测和定位，将严重损害姿态控制，可能导致严重飞行事故[8]、[9]。因此，开发高效且精确的执行器故障检测与定位技术，对于实现推进系统或控制策略的适当重构、减轻受损执行器的负担，并最终提升无人机运行安全性和任务可靠性至关重要。

作为无人机系统中的关键气动部件，执行器故障是飞行事故的主要诱因之一[10]。为了检测执行器退化和损坏的影响，研究人员探索了基于物理建模的故障检测方法，通过识别和解释结构损伤引起的动态变化来实现故障检测[11]。这些方法通常依赖于无人机动力学、气动力学或执行器模型，在此基础上构建对故障敏感的状态或参数估计器，如滑模观测器[12]、[13]，Thau观测器[14]、[15]，H-∞观测器[16]、[17]，线性参数变观测器[18]、[19]，扰动观测器[20]、[21]、[22]，以及卡尔曼滤波器[23]、[24]。通过建模无人机系统的名义动态行为，测量数据与模型预测输出之间的差异（即残差）被用作故障特征。当执行器发生结构故障（如螺旋桨损伤、电机退化）时，其推力产生和姿态响应偏离模型的预期行为，从而通过分析残差来确定故障的存在和严重程度[25]。然而，由于执行器引起的气动和姿态响应表现出强非线性和高时变性，基于模型的故障检测性能往往严重依赖于准确的系统参数[26]，如惯性特性、升力系数、阻力系数和摩擦系数。这些关键参数在复杂动态的飞行任务中通常难以精确获取，这限制了基于模型的检测方法在精度和适用性方面。

鉴于基于模型的检测方法存在强参数依赖性、高建模工作量以及对环境干扰的脆弱性，数据驱动的检测策略已成为执行器故障诊断的一种有前景的替代方案[5]。这些策略通常依赖于多通道或多类型传感器（如加速度计[27]、[28]，陀螺仪[27]、[29]，麦克风[27]、[30]）来收集大量飞行数据。然后通过信号处理、特征提取和机器学习技术构建对故障敏感的特征空间，以检测和识别执行器异常，从而避免对精确物理建模的需求。按照这一范式，一些研究人员应用了信号处理技术，如有限冲激响应滤波[31]、傅里叶变换[32]、短时傅里叶变换[28]、离散小波分解[33]和小波包分解[34]，从多通道信号中提取代表性的故障特征。这些特征随后与传统机器学习算法结合，包括支持向量机（SVM）[35]、k近邻（KNN）[36]、决策树（DT）[37]和高斯混合模型（GMM）[38]，以实现执行器故障的分类和识别。近年来，深度学习的快速发展使得卷积神经网络（CNN）[39]、长短期记忆网络（LSTM）[40]、Transformer[41]、自编码器[42]、迁移学习[43]和对抗学习[44]等模型能够自动从多通道或多类型原始传感器数据中提取与故障相关的表示，而无需显式的特征工程。这些方法在复杂环境中表现出更好的适应性和鲁棒性。然而，实现高诊断精度的数据驱动方法通常面临传感冗余与计算资源之间的固有矛盾。一方面，虽然多种数量和类型的传感器可以提供丰富且互补的多模态信息以增强诊断精度，但其产生的硬件需求难以与无人机有限的资源相兼容。另一方面，稀疏或单传感器测量提供的信息表征能力不足，通常只能反映全局异常，无法支持执行器故障的精确检测和定位。因此，在传感和计算资源受限的无人机部署中，实现精确且可靠的执行器故障检测与定位仍然是一个核心问题。

在此背景下，人工工程结构使能感知技术[45]作为一种新的感知范式，为执行器故障检测与定位提供了新的研究途径。通过将可设计的物理编码机制嵌入信号传播过程，这些技术能够在受限的传感资源或测量条件下实现更高效、更精确的任务相关信息获取和智能识别[46]。在这一范式中，人工工程结构，包括超结构[47]、超材料[48]、超表面[49]、编码孔径[50]以及光学或声学器件[51]，在物理编码过程中发挥着核心作用。这类结构在频谱、相位、幅度和散射特性方面对传播波（如电磁波、声波或弹性波）施加信息调制。因此，信号特征在传播过程中被主动重构在物理层面上，从而显著增强了任务相关信息的可观测性或可区分性。基于这些原理，人工工程结构使能感知技术在广泛的应用领域展现了显著优势。代表性的研究领域包括但不限于计算成像[52]、[53]、[54]、[55]，无线通信[56]、[57]、[58]，超声导波检测[59]、[60]、[61]，信号增强[62]、[63]、[64]、[65]，波场定位[66]、[67]、[68]、[69]、[70]，以及智能传感器与器件设计[71]、[72]、[73]、[74]。特别是在需要在保持低传感冗余的同时降低资源成本的应用需求中，编码超表面被用于在硬件层面实现偏振依赖的光束空间混合和压缩调制，从而实现高分辨率双通道单像素偏振成像[75]；集成于无人机声学监测系统的梯度超材料通过在单通道配置下诱导声波压缩和能量集中，实现了旋转机械故障声学信号的选择性频率增强和方向性灵敏度提升[76]；随机共振超材料被用于增强波传播过程中时间域或频率域振动特征的差异性，从而实现使用单传感器对多源振动信息进行识别和轨迹跟踪[77]。因此，基于"结构参与感知"的概念，可以在不增加传感器数量的情况下显著增强物理波场信息的可观测性。目前，人工工程结构使能感知技术在波场操控、信号增强和结构健康监测方面展现出了相当大的潜力。然而，其应用于资源受限无人机的执行器故障诊断仍然有限[78]。因此，针对这一任务，如何将人工工程结构的物理调制能力转化为执行器故障诊断的任务相关特征增强机制，并开发相应的设计、任务导向优化和系统验证，仍然是一个需要进一步研究的重要问题。

在本文中，我们提出了一种由振动编码器使能的、面向任务的单传感器诊断范式，用于资源受限条件下的无人机执行器故障定位与识别。通过在传感端引入物理编码，所提出的范式增强了模型诊断之前执行器相关振动特征的可分性。这使得轻量级模型能够实现与更复杂的深度模型相当的诊断性能，同时保持更低的计算和存储成本。因此，可以 effectively 减少对多传感器配置、复杂后端模型和密集计算资源的依赖。本文的主要贡献总结如下：（1）提出了一种振动编码器使能的单传感器诊断范式，用于资源受限的无人机执行器故障诊断，在诊断精度和资源消耗之间取得了良好平衡；（2）通过将频率选择性调制和非等效振动传输与响应相关性降低和特征空间距离增大联系起来，阐明了物理编码机制；（3）通过理论分析、对照实验和真实飞行测试对所提出的范式进行了系统验证，展示了在低传感、计算和存储需求下实现可靠诊断的能力。

本文其余部分组织如下。第2节介绍了所提出振动编码器的动态模型并分析了其编码机制。第3节描述了振动编码器的物理实现与优化。第4节验证了所提出范式的有效性、稳定性和工程适用性。第5节讨论了其局限性和未来工作。第6节总结全文。

# 各节摘要

## 振动编码器的理论框架

考虑到振动信号已被广泛证明对结构故障和损坏高度敏感[79]，本研究选择振动作为执行器故障特性的编码载体。与机臂或起落架等结构部件相比，无人机机身作为主要承重结构，不仅提供了稳定的安装基体，还天然集成了来自多个执行器的耦合振动响应，从而提供了……

## 振动编码器的物理实现

在前述振动编码机制的理论建模和分析的指导下，本节重点介绍所提出振动编码器的物理实现和性能优化。首先，根据局部共振调制和弹性耦合传播的原理，设计了一个振动编码器原型并集成到无人机的机身中。其结构配置、几何参数设计和有效工作频段为……

## 实验验证

为了验证所提出振动编码器在单传感器无人机执行器故障定位与识别方面的可行性、有效性和工程适用性，本节在一架四旋翼无人机平台上进行了实验验证和性能评估。首先介绍了实验系统、故障设置、信号采集和数据处理流程。然后使用振动传输评估了振动编码器的物理编码能力……

## 讨论

尽管所提出方法的有效性、稳定性、鲁棒性和工程适用性已通过理论分析、飞行平台实验和真实悬停飞行实验得到了系统分析和验证，但其当前的适用性边界和工程局限性仍需客观考量。

首先，真实悬停飞行实验已初步提供了所提出方法飞行稳定性和工程适用性的证据……

## 结论

针对高精度执行器故障诊断往往与无人机有限的传感和计算资源相冲突这一关键挑战，本研究提出了一种由结构使能的单传感器执行器故障诊断范式。通过将振动编码器结构集成到无人机机身中，所提出的范式在传感端进行物理编码，主动将原本高度相似的振动响应重构为特征表示……

## CRediT作者贡献声明

张忠政：撰写——审阅与编辑，撰写——初稿，可视化，验证，软件，方法论，调查研究，形式化分析，数据管理，概念化。蔡依苗：撰写——审阅与编辑，验证，调查研究。

李兵：撰写 – 审阅与编辑，监督，资源，项目管理，经费获取。李永波：撰写 – 审阅与编辑，监督，资源，项目管理，经费获取。
利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些可能影响本文所报告的工作。
致谢
本研究由中国国家自然科学基金 [资助号 52472457 和 12572105] 和西北工业大学博士研究生学位论文创新基金 [资助号 CX2025028] 资助。
张重正|蔡一鸣|李兵|李永波