1. 课程导入

无人机从消费级航拍到电力巡检、应急救援、物流运输和军事侦察，其任务谱系正在快速扩张。与此同时，无人机的系统复杂度也在同步上升：飞控、导航、动力、能源、通信、任务载荷和地面站构成一个强耦合的机电信息一体化系统。任何一个环节的异常，都可能从局部故障演化为姿态失控、链路中断、动力失效甚至坠机。因此，故障诊断不是维修环节的附属工作，而是贯穿设计、测试、使用和保障全生命周期的核心工程能力。

一、为什么无人机故障诊断如此重要

无人机与有人机的根本差异在于：没有飞行员在机上实时感知与处置。地面操作员只能通过遥测数据、视频回传和有限的状态指示判断飞行器健康状况。这意味着故障诊断系统必须承担“感知—判断—决策—告警”的部分职责。其意义可以从四个维度理解：

• 安全性：动力失效、IMU漂移、GPS欺骗、电池热失控等故障若不能及时识别，后果往往是灾难性的。
• 经济性：非计划停机会增加维修成本、任务延误和备件消耗，诊断能力直接决定可用率与出动效率。
• 可维护性：准确的故障定位能把“换件试错”变为“按图索骥”，显著缩短排故时间。
• 可设计性：诊断数据反哺设计，帮助识别薄弱环节，推动冗余配置、容错控制和健康管理（PHM）迭代。

二、故障树与诊断策略工程的整体框架

本课程围绕两条主线展开：一条是故障树分析（FTA），自顶向下描述“系统失效是如何由底层事件组合导致的”；另一条是诊断策略工程，自底向上解决“如何用测试、数据和推理快速定位故障”。两者结合，形成从失效机理到诊断执行的闭环。

整体框架可以概括为五个层次：

1. 系统与任务建模：明确无人机功能、任务剖面、关键失效后果与可接受风险。
2. 故障树构建：以顶事件为起点，逐层分解为中间事件和底事件，标注逻辑门与割集。
3. 诊断知识表达：将故障树转化为故障-征兆关系、测试点、判据和推理规则。
4. 诊断策略生成：基于信息增益、测试代价、可靠性和可观测性，优化测试顺序与决策路径。
5. 验证与迭代：通过仿真、半实物测试和飞行数据复盘，修正故障树与诊断策略。

三、方法流程：从故障树到诊断策略的六步法

为了让理论可落地，本课程采用六步法组织诊断策略工程：

步骤1  定义系统边界与任务剖面
步骤2  确定顶事件与失效判据
步骤3  构建故障树并求最小割集
步骤4  映射测试点与征兆参数
步骤5  生成并优化诊断决策树
步骤6  验证、部署与数据复盘

其中，步骤3和步骤5是难点。故障树容易建得“大而全”，但诊断策略要求“快而准”。因此需要在故障树基础上引入测试代价、检测概率、虚警率和故障先验概率等参数，才能把逻辑关系转化为可执行的排故顺序。

四、典型场景：动力失效的诊断链路

以多旋翼无人机“动力失效”为例。顶事件是“飞行中动力输出异常”，中间事件包括电调故障、电机故障、桨叶损伤、电池供电不足和飞控输出异常。底事件可能包括：电机绕组短路、电调MOS管击穿、桨叶裂纹、电池单体压差过大、PWM信号丢失等。

诊断策略不会逐一拆解所有部件，而是先读取遥测中的电流、转速、温度和姿态响应，再结合振动频谱和链路日志，按信息增益排序测试项。例如：若电流突增且转速下降，优先怀疑电机或桨叶；若电压骤降且多轴同时异常，优先怀疑电池或供电母线。这样，故障树提供“可能性空间”，诊断策略提供“最优排查路径”。

诊断要素	作用	典型数据/参数
顶事件	界定分析范围与后果等级	坠机、失控、任务中断
最小割集	识别导致顶事件的最小故障组合	{电机堵转}、{电池压降, 大电流}
测试点	获取可观测征兆的物理或逻辑位置	电流传感器、IMU、GPS、链路RSSI
检测概率	衡量测试发现特定故障的能力	Pd、虚警率Pfa
测试代价	时间、算力、风险与资源消耗	耗时、功耗、是否需拆装
诊断结论	输出故障定位与置信度	故障模式、概率、处置建议

五、常见误区与复盘要点

六、课程路线图与学习目标

本课程共30章，整体路线为：基础概念 → 故障树建模 → 诊断推理方法 → 测试优化 → 典型分系统案例 → 工程落地与复盘。学习目标包括：

• 掌握故障树的基本符号、逻辑门、割集与重要度分析方法。
• 能够针对无人机飞控、导航、动力、能源、通信等分系统构建故障树。
• 理解诊断策略的生成逻辑，包括信息增益、序贯决策和测试代价权衡。
• 能够将故障树转化为可执行的诊断流程，并评估其检测率与虚警率。
• 具备用飞行数据、日志和测试结果迭代诊断策略的工程能力。

无人机故障诊断的本质，是在不确定性中寻找确定性。故障树帮助我们看清“失效如何发生”，诊断策略工程帮助我们决定“下一步测什么”。两者结合，才能让无人机在复杂任务中飞得更安全、更可靠、更可维护。