4. 故障诊断流程
IMU 故障诊断不是单一算法，而是一条从原始信号到故障结论的完整链路。若把诊断系统比作一条生产线，那么数据采集是进料口，预处理是清洗与标准化，特征提取是质检指标生成，故障检测是报警闸门，隔离与辨识则是定位与定性。任何一环失配，都会让后续判断失真。本节围绕这条链路，给出可落地的完整方法流程。
一、核心原理：五级流水线为何不可跳过
IMU 输出的是三轴加速度与三轴角速度的时序信号，其故障可能表现为零偏漂移、标度因数误差、噪声异常、卡死、饱和、脉冲干扰或安装失配。这些异常在原始采样点上往往并不直观，必须经过逐级变换才能暴露。五级流水线的核心逻辑是：采集保证信息不丢失，预处理保证信号可比，特征提取保证异常可量化，检测保证异常可判定，隔离与辨识保证故障可定位、可解释。
跳过预处理直接提特征，会把温漂和振动误判为故障；跳过特征提取直接看原始波形，则难以设定统一阈值；只做检测不做隔离，只能知道“有故障”却不知道“哪一路、哪一类”，无法支撑后续重构与容错。
二、方法流程：每一步做什么、怎么做
1. 数据采集。以固定采样率同步采集三轴加速度、三轴角速度和温度，记录时间戳与量程。采集阶段要保证不混叠、不丢帧、不饱和。常用配置如下：
采样率：1000 Hz
量程：加速度 ±16 g，角速度 ±2000 °/s
同步方式：硬件触发 + PPS 秒脉冲
输出字段：ax, ay, az, gx, gy, gz, temp, timestamp
2. 预处理。先做去噪与滤波，常用低通或带通滤波抑制高频振动；再做去偏与归一化，消除安装零偏和量纲差异；最后做时间同步与重采样，保证多源数据对齐。预处理的目标是让“正常”与“异常”在同一基准下可比。
3. 特征提取。从时域提取均值、方差、均方根、峰值因子、峭度；从频域提取主频、谱峰、谐波能量、包络谱；从模型角度提取残差、新息协方差、马氏距离。特征应具备对故障敏感、对工况鲁棒的双重属性。
4. 故障检测。常用三类方法：阈值法（简单但易受工况影响）、统计检验法（如卡方检验、CUSUM）、模型残差法（如卡尔曼滤波新息检验）。检测输出是“是否异常”的二值标志及异常评分。
5. 隔离与辨识。隔离回答“哪一路故障”，辨识回答“什么故障、多严重”。常用手段包括：多模型匹配、故障字典、贡献度分析、神经网络分类、粒子滤波参数估计。最终输出故障轴、故障类型与严重度估计。
三、案例场景：无人机 IMU 零偏漂移诊断
某无人机在悬停时出现缓慢航向偏移。按五级流程排查：采集阶段确认采样率与时间戳正常；预处理后发现陀螺 Z 轴低频分量持续增大；特征提取得到 Z 轴零偏均值从 0.02 °/s 升至 0.15 °/s，Allan 方差斜率异常；检测阶段卡方统计量连续 3 秒超阈值；隔离与辨识定位为 Z 轴陀螺零偏漂移，严重度中等。后续通过温度补偿与在线零偏估计完成容错。
四、常见误区与复盘清单
| 误区 | 表现 | 纠正方法 |
|---|---|---|
| 跳过预处理直接检测 | 温漂、振动被误报为故障 | 先滤波、去偏、同步，再进入特征提取 |
| 特征单一 | 只用一个方差，漏检缓变故障 | 时域 + 频域 + 模型残差组合 |
| 阈值固定不变 | 不同工况下误报率波动大 | 引入自适应阈值或工况归一化 |
| 只检测不隔离 | 知道有故障但无法定位 | 增加贡献度分析或多模型匹配 |
| 缺少故障样本 | 辨识模型泛化差 | 注入故障、仿真扩充、多工况采集 |
综上，IMU 故障诊断的完整方法流程是一条闭环链路：采集保真、预处理保准、特征保敏、检测保判、隔离辨识保定位。五级流水线各司其职，又通过反馈回路相互校正，才能在实际工程中稳定输出可信的故障结论。