1. 课程导入

飞控系统是飞行器安全飞行的核心，它负责姿态解算、控制律计算、舵面指令生成与执行。一旦飞控链路中的传感器、计算单元、总线或执行机构出现异常，轻则导致姿态偏差，重则引发失控。因此，飞控健康监测与故障隔离工程（Flight Control Health Monitoring and Fault Isolation Engineering）应运而生，它研究如何实时感知飞控系统的健康状态、快速定位故障源，并在故障扩散前完成隔离与重构，使飞行器保持可控或安全降级。

本课程面向飞控系统设计、测试验证、机载软件与适航工程人员，目标是建立从"信号采集—特征提取—故障诊断—隔离决策—重构控制"的完整工程能力。学习完成后，你应能够读懂飞控健康监测架构，设计故障检测与隔离（FDI）逻辑，评估残差阈值与误报漏报的权衡，并针对典型故障场景给出可落地的隔离策略。

一、核心定义与工程内涵

飞控健康监测与故障隔离工程可以拆解为三个层次：监测是获取系统状态的过程，包括传感器冗余比对、模型残差计算、总线通信质量统计；诊断是判断"是否故障、故障在哪、故障多大"的过程，输出故障类型、位置与严重程度；隔离与重构是执行层动作，包括切除故障通道、切换备份传感器、重构控制律或进入安全模式。三者构成闭环，缺一不可。

与一般工业健康管理（PHM）不同，飞控健康监测具有强实时性、高安全性、资源受限三大特点：监测周期通常在毫秒级，误报可能直接触发不必要的重构，漏报则可能错过隔离窗口。因此，工程上必须在检测灵敏度与虚警率之间做定量权衡。

二、整体知识框架

本课程的知识框架可归纳为"一条主线、四个支柱"。一条主线是故障从发生到被隔离的生命周期；四个支柱分别是：信号与特征层（传感器、总线、采样与滤波）、诊断算法层（残差、观测器、神经网络、专家系统）、决策与隔离层（阈值、投票、故障树、重构策略）、验证与适航层（注入测试、覆盖率、DO-178C/DO-254 证据链）。

三、典型应用场景

飞控健康监测并非抽象概念，它直接对应具体工程场景。下表列出五类典型场景及其监测对象与隔离动作：

四、方法流程与工程实践

一个可落地的飞控健康监测流程通常包含六个步骤：定义故障模式（FMEA输出）、选择监测量（残差、方差、通信统计）、设计诊断算法（观测器/神经网络/投票）、设定阈值与持续时间、设计隔离与重构逻辑、故障注入验证。以下是一个简化的残差监测伪代码，体现工程实现思路：

// 飞控健康监测残差检测伪代码
for each channel in [IMU1, IMU2, IMU3]:
    y_meas = read_sensor(channel)
    y_est  = model_predict(state)
    r      = y_meas - y_est
    if abs(r) > J_th and persist_time > T_d:
        fault_flag[channel] = TRUE
        fault_count[channel]++

// 多数表决隔离
if fault_count[IMU1] >= 2:
    isolate(IMU1)
    switch_to_backup(IMU2, IMU3)
    reconfigure_control_law()

五、常见误区与复盘

• 误区一：只做检测不做隔离。检测到故障却不执行隔离，等于没有健康管理。隔离动作必须与检测逻辑同步设计。
• 误区二：阈值越低越好。阈值过低会导致虚警，频繁重构反而降低系统可用性。需在灵敏度与虚警率之间平衡。
• 误区三：忽略故障传播路径。一个传感器故障可能通过总线影响其他通道，隔离时必须考虑传播链，避免"隔离一个、带倒一片"。
• 误区四：验证只做正常工况。健康监测的价值在故障工况下体现，必须通过故障注入覆盖所有定义的故障模式。