3. 故障诊断基本概念与术语
在水下机器人（ROV/AUV）的运维现场，工程师之间经常出现这样的对话：“推进器有点异常”“那个传感器失效了”“先隔离一下再预测寿命”。这些词听起来相近，实际含义差别很大。如果术语混用，轻则沟通低效，重则误判故障等级、错过处置窗口。本章把故障诊断中最常用的七个术语——故障、失效、异常、征兆、诊断、隔离、预测——逐一厘清，并给出诊断指标与评价维度，为后续章节建立统一的语言基础。
一、从“状态偏离”到“功能丧失”：故障与失效
故障（Fault）指系统或部件出现了不正常的内部状态，但尚未必然导致功能完全丧失。例如某推进器的电流比同工况历史均值高 15%，推力仍能满足要求，这就是一个故障状态。故障是“原因层面”的描述，强调系统内部已经偏离正常。
失效（Failure）指系统或部件已经无法完成规定功能。例如推进器彻底堵转、输出推力为零，或深度传感器输出恒定值不再变化。失效是“结果层面”的描述，通常由故障持续发展而来。二者的关系可以概括为：故障是失效的前兆，失效是故障的终态。工程上关注故障，是为了在失效发生前介入。
二、异常与征兆：观察到的现象
异常（Anomaly）是相对于正常基线出现的偏离现象，它可能来自故障，也可能来自环境扰动、工况切换或传感器噪声。例如水下机器人下潜时外温骤降导致电池电压短时下探，这是异常，但不是故障。异常是“数据/现象层面”的表述，需要进一步甄别。
征兆（Symptom）是能够指示某种故障存在的可观测特征，是连接“现象”与“原因”的桥梁。征兆可以是振动频谱中的特定频率成分、电流的阶跃变化、姿态角的缓慢漂移，也可以是操作员听到的异响。征兆的价值在于它具有指向性：某个征兆往往对应某类故障模式。诊断的本质，就是从征兆反推故障。
三、诊断、隔离与预测：三个不同层次的任务
诊断（Diagnosis）是确定故障是否存在、发生在哪个部件、属于哪种模式的过程。它回答“是什么、在哪里”。隔离（Isolation）是在诊断基础上进一步把故障定位到最小可更换单元，并采取措施将故障部件从系统中切除或旁路，防止其影响扩散。例如检测到某推进器电流异常后，诊断给出“推进器故障”，隔离则具体到“左前推进器”，并切断其驱动、切换至冗余控制分配。预测（Prognosis）则面向未来，估计剩余使用寿命或故障演化趋势，回答“还能撑多久、何时需要维护”。
三者的时间指向不同：诊断看现在，隔离处理现在并保护系统，预测看未来。实际系统中，三者往往串联工作：征兆触发异常检测，诊断给出故障假设，隔离执行定位与处置，预测评估剩余可用时间。
四、诊断指标：用什么衡量诊断能力
评价一套诊断方法好不好，不能只说“准不准”，需要拆成可量化的指标。工程上常用以下几类：
- 检测率与虚警率：检测率是真实故障被正确检出的比例；虚警率是正常状态被误报为故障的比例。二者通常此消彼长，阈值调低检测率上升但虚警也上升。
- 隔离准确率：在已检出故障的样本中，定位到正确部件或模式的比例。
- 检测时延：从故障发生到被检出所经历的时间，直接决定处置窗口是否充足。
- 误隔离率：把故障错误地定位到其他健康部件的比例，误隔离可能引发不必要的停机。
以一个示例说明：某水下机器人推进器监测系统在 200 组测试样本中，真实故障 40 组、正常 160 组。系统检出 36 组故障、误报 8 组正常样本。则检测率为 36/40 = 90%，虚警率为 8/160 = 5%。若其中 30 组被正确定位到具体推进器，则隔离准确率为 30/36 ≈ 83.3%。这些数字属于教学示例，用于说明计算方法，不代表任何实际产品性能。
五、评价维度：不止于准确率
水下机器人有其特殊约束，评价诊断方案时还应考虑以下维度：
| 维度 | 关注点 | 水下场景示例 |
|---|---|---|
| 实时性 | 计算与响应是否满足控制周期 | 推进器控制周期 10 ms，诊断算法需在周期内完成 |
| 鲁棒性 | 对噪声、工况切换、环境扰动的耐受 | 洋流突变引起的姿态异常不应误判为故障 |
| 可解释性 | 能否给出故障原因与证据链 | 操作员需要知道为何判定某推进器异常 |
| 可维护性 | 模型更新、阈值调整的代价 | 更换推进器型号后诊断模型能否快速适配 |
| 资源占用 | 算力、存储、通信带宽 | 水下通信带宽有限，诊断结果需压缩上传 |
实际选型时，这些维度往往需要权衡。例如提高检测率可能增加虚警，导致频繁误停机；追求高隔离准确率可能需要更多传感器，增加布线与密封风险。合理的做法是先明确任务对“漏检”和“误报”的容忍度，再据此设定指标目标，而不是一味追求单项最优。
掌握这些术语的边界，是后续学习故障树、信号分析、状态估计等方法的前提。当团队对“故障”“失效”“异常”“征兆”的使用达成一致，诊断结论才能被准确理解和执行。