1. 课程导入

当一台工业机器人、移动机器人或协作机械臂在真实场景中运行时，它面对的不是实验室里理想化的模型，而是磨损、温漂、通信抖动、传感器污染、负载突变、软件异常乃至人为误操作共同作用的复杂环境。所谓机器人故障诊断，是指通过可观测信号、模型残差、日志与测试数据，判断机器人是否发生异常、异常发生在哪个子系统、异常类型与严重程度如何，并尽可能定位根因的过程。而安全降级，则是在确认异常或风险之后，让机器人从高性能运行模式有序退回到更保守、更安全、仍可完成部分任务的运行模式，例如限速、限力、缩小工作空间、切换冗余传感器、进入安全停或受控停。

两者不是割裂的：诊断决定“发生了什么、还能不能继续”，降级决定“接下来怎么运行”。如果只有诊断没有降级，系统会停留在报警层面，无法维持可用性；如果只有降级没有诊断，系统可能在不该降级时频繁降级，或在真正危险时降级不足。因此，本课程把故障诊断与安全降级视为一条闭环链路来学习。

1.1 为什么机器人系统必须同时具备诊断与降级能力

机器人是典型的“感知—决策—控制—执行”闭环系统。任何一个环节异常，都可能通过闭环放大：编码器偏差会导致轨迹偏移，力传感器漂移会导致抓取力失控，通信延迟会导致控制器输出抖动，电池电压下降会导致关节力矩不足。若系统只能“正常跑”或“直接停”，就会在可用性与安全性之间被迫二选一。引入诊断与降级后，系统可以获得第三种能力：带风险约束的继续运行。

从工程价值看，诊断与降级至少带来四类收益：第一，降低安全风险，避免异常状态下继续高速、高力输出；第二，提升可用性，通过降级模式维持低速搬运、监测巡检或安全停靠；第三，缩短排障时间，借助故障树、日志与信号链定位根因；第四，支撑可追溯与合规，满足功能安全、ISO 10218、ISO/TS 15066 等对监控、响应与记录的要求。

1.2 本节核心原理：从信号到决策的闭环

理解本课程，可以先建立一条最小闭环：信号采集 → 特征/残差提取 → 故障判断 → 风险分级 → 降级策略选择 → 执行与验证 → 记录与恢复。其中，信号采集关注传感器、电流、温度、位置、速度、力矩、通信状态；特征与残差关注阈值、趋势、模型预测误差、频谱特征；故障判断关注规则、统计检验、机器学习分类；风险分级关注故障严重度、任务阶段、人员距离、负载状态；降级策略关注限速、限力、停靠、切换冗余、安全停；执行与验证关注降级是否真正生效；记录与恢复关注日志、根因与复位条件。

1.3 方法流程：一次典型故障处置如何展开

以移动机器人导航中激光雷达被遮挡为例。第一步，采集激光点云、里程计、IMU 与电机电流；第二步，提取点云缺失率、残差突变、电流波动等特征；第三步，判断为“感知退化”而非“电机故障”；第四步，结合当前速度、人员距离与任务阶段进行风险分级；第五步，选择降级策略，如降速至 0.3 m/s、切换超声波与视觉融合、请求远程确认；第六步，验证降级后定位误差与避障距离是否满足安全边界；第七步，记录事件并给出恢复条件，例如点云恢复且连续 5 秒无异常。

故障处置伪代码示例：
read sensors: lidar, imu, odom, current, temperature
features = extract(lidar_missing_rate, residual, current_ripple)
if features.abnormal:
    fault = classify(features)
    risk = assess(fault, task_phase, human_distance, load)
    if risk == HIGH:
        degrade("safe_stop")
    elif risk == MEDIUM:
        degrade("limit_speed", 0.3)
        switch_sensor("ultrasonic+vision")
    else:
        degrade("monitor_only")
verify_degradation()
log_event(fault, risk, action)

1.4 案例与场景：诊断与降级如何改变结果

场景一：协作机械臂在装配过程中力传感器漂移。若只做阈值报警，机器人可能频繁停机，产线节拍受损；若引入诊断与降级，可识别为“力感知可信度下降”，切换至位置控制加限力监控，并降低末端速度，在保证人员安全的同时完成剩余简单工序。

场景二：AGV 电池电压骤降。诊断模块识别为“供电能力不足”，风险分级为中等，降级策略为降低加速度、关闭非必要负载、规划最近安全停靠点。这样既避免中途急停造成货物倾倒，也避免继续高速运行导致失控。

场景三：多关节机器人通信抖动。诊断模块发现周期抖动超限，降级策略为切换至安全停或低速保持，并记录通信质量数据，为后续更换线缆或优化网络提供依据。

1.5 常见误区与复盘要点

• 误区一：把诊断等同于报警。报警只是结果呈现，诊断还需要类型、位置、严重度和根因线索。
• 误区二：降级策略过于单一。所有故障都直接急停，会牺牲可用性，也可能引入新的机械冲击风险。
• 误区三：忽略恢复条件。故障消失不等于系统可立即恢复高性能运行，必须验证稳定性与安全边界。
• 误区四：只关注算法，不关注执行链路。降级指令若未真正作用到控制器、驱动器和安全回路，诊断结果就无法转化为安全收益。

1.6 课程整体框架与学习目标

本课程共 30 章，围绕“感知—诊断—决策—降级—验证—恢复”展开。前段建立概念与风险认知，中段学习信号处理、故障建模、诊断算法、安全降级策略与执行机构，后段进入案例、测试、复盘与工程落地。学习完成后，你应能够：识别机器人典型故障模式；设计可观测信号与诊断指标；制定分级降级策略；验证降级效果；编写故障处置记录与恢复条件。