3. 健康监测基本概念
在飞控系统中，健康监测并不是单一技术，而是一组围绕“系统是否正常、哪里不正常、未来会不会不正常”逐层递进的能力集合。工程实践中，最容易混淆的是状态监测、异常检测、故障诊断、故障预测与健康管理（PHM）这几个术语。它们既不是同义词，也不是彼此替代关系，而是从数据采集到决策支持的连续链条。理解它们的区别与联系，是设计飞控健康监测架构、划分机载与地面功能、确定告警等级和维修策略的前提。
3.1 核心定义与层级关系
健康监测是指利用传感器数据、总线信息和模型知识，对飞控系统及其关键部件的功能状态进行持续评估，并给出异常、故障、剩余寿命或维护建议的过程。它覆盖从底层信号到顶层决策的完整链路。按照信息抽象程度，可以划分为五个层次：
- 状态监测：回答“当前量是多少”。采集舵机电流、IMU 角速率、气压高度、总线负载、CPU 温度等参数，完成滤波、标定、同步和特征提取。它只描述可观测状态，不直接判断好坏。
- 异常检测：回答“是否偏离正常”。基于阈值、统计分布、残差或机器学习模型，判断当前状态是否超出预期范围。异常检测通常只给出“有异常”的二值或概率结果，不定位原因。
- 故障诊断：回答“哪里坏了、是什么故障”。在异常检测基础上，结合故障模型、拓扑关系和历史数据，完成故障定位、类型识别和严重程度评估。
- 故障预测：回答“还能用多久、何时会坏”。通过退化模型、数据驱动预测或混合方法，估计关键部件的剩余使用寿命（RUL）和故障概率。
- 健康管理：回答“接下来怎么办”。综合诊断与预测结果，进行维护决策、任务重构、容错控制和备件调度，是健康监测的决策输出层。
一句话区分：状态监测看“数据”，异常检测看“偏差”，故障诊断看“原因”，故障预测看“趋势”，健康管理看“决策”。
3.2 数据流与信息递进关系
这五个概念在工程上构成一条自下而上的信息流：传感器原始数据经过状态监测形成特征量，特征量进入异常检测产生异常标志，异常标志与故障模型结合完成诊断，诊断结果和退化特征输入预测模块，最终由健康管理生成维护或重构指令。反过来，健康管理也会向下反馈，调整监测采样率、诊断阈值和预测模型参数，形成闭环。
图中蓝色实线表示信息逐层递进，橙色线表示诊断与预测结果汇聚到健康管理，绿色虚线表示健康管理向下反馈形成闭环。这条链路说明：没有状态监测，异常检测就是无源之水；没有诊断，预测就缺少故障模式约束；没有健康管理，前面的分析都无法转化为飞控可执行的动作。
3.3 方法流程与关键参数
以飞控舵机健康监测为例，典型流程如下：
- 状态监测：以 100 Hz 采集舵机电流、位置反馈和温度，计算电流均方根、位置跟踪误差和温升速率。
- 异常检测：设定电流残差阈值 0.8 A、位置误差阈值 1.5°，采用滑动窗口统计判断是否超限。
- 故障诊断：若电流偏大且位置滞后，判定为“舵机卡滞”；若电流偏小且位置无响应，判定为“舵机断路”。
- 故障预测：基于电流退化趋势拟合指数模型，估计剩余可用起落次数或飞行小时。
- 健康管理：根据故障等级触发告警、切换冗余舵机或限制飞行包线，并生成维护工单。
# 舵机健康监测参数示例
sample_rate_hz: 100
current_rms_limit_a: 3.5
position_error_limit_deg: 1.5
temperature_rise_limit_c: 25
residual_window: 50
rul_model: exponential_degradation
alarm_levels: [info, caution, warning, critical]3.4 对比与联系：一张表看清边界
| 能力层次 | 核心问题 | 典型输入 | 典型输出 | 时间尺度 |
|---|---|---|---|---|
| 状态监测 | 当前量是多少 | 传感器原始数据 | 特征量、趋势曲线 | 毫秒～秒 |
| 异常检测 | 是否偏离正常 | 特征量、正常基线 | 异常标志、异常分数 | 秒～分钟 |
| 故障诊断 | 哪里坏、什么故障 | 异常标志、故障模型 | 故障代码、定位结果 | 秒～分钟 |
| 故障预测 | 还能用多久 | 退化特征、历史数据 | RUL、故障概率 | 小时～起落 |
| 健康管理 | 接下来怎么办 | 诊断与预测结果 | 维护建议、重构指令 | 任务级～维修级 |
从表中可以看出，五者共享同一套数据基础，但抽象层级、时间尺度和输出形式不同。状态监测和异常检测偏实时机载，故障诊断可机载可地面，故障预测和健康管理通常需要更长时间窗口和更多历史数据，常在地面健康管理系统或云端完成。
3.5 常见误区与工程复盘
误区一：把异常检测当成故障诊断。异常检测只说明“偏离正常”，可能是传感器噪声、工况变化或真实故障。若直接据此隔离部件，容易误隔离。正确做法是增加诊断层，结合故障模式和上下文确认原因。
误区二：没有状态监测基线就上预测模型。预测依赖高质量退化特征，而退化特征来自长期稳定的状态监测。基线不稳，RUL 估计会严重漂移。
误区三：健康管理只做告警，不做决策。健康管理的价值在于把诊断和预测转化为可执行的维护、重构或任务调整动作，否则只是“报警器”。
工程建议：在飞控健康监测架构设计时，先明确每一层要回答的问题和输出接口，再选择算法。状态监测保证数据可信，异常检测保证不漏警不误警，故障诊断保证定位准确，故障预测保证时间裕度，健康管理保证决策闭环。五层各司其职，才能构成完整的飞控健康监测与故障隔离能力。
综上，健康监测是一个从“感知”到“决策”的递进体系。状态监测是基础，异常检测是入口，故障诊断是核心，故障预测是延伸，健康管理是归宿。理解它们的区别与联系，有助于在飞控系统中合理分配机载与地面算力、设计告警等级、制定容错策略，并为后续故障隔离与重构打下概念基础。