基于转子故障感知的四旋翼无人机在未知环境中的自主飞行研究

一、研究团队与发表信息
本研究由浙江大学控制科学与工程学院网络系统与控制研究所的Xiaobin Zhou、Miao Wang（共同一作）、Can Cui、Ruibin Zhang、Yongchao Wang、Chao Xu、Fei Gao（通讯作者）团队，联合香港理工大学航空与航空工程系Chengao Li共同完成，发表于《IEEE Transactions on Aerospace and Electronic Systems》2025年第1期。

二、学术背景与研究目标
四旋翼无人机因其卓越的机动性广泛应用于野外勘探、洞穴测绘甚至外星任务，但转子故障（如电机停转或桨叶损坏）会导致高速自旋和剧烈振动，严重威胁飞行安全。现有研究多依赖故障容错控制（FTC, Fault-Tolerant Control）和预设轨迹跟踪，但存在三大局限：
1. 故障检测延迟：传统故障检测与诊断（FDD, Failure Detection and Diagnosis）算法在复杂飞行阶段（如起飞、轨迹跟踪）效率不足；
2. 动态可行性变化：故障后推力失衡导致飞行包线改变，现有规划器未考虑这一约束；
3. 感知退化：高速自旋导致激光雷达点云畸变和IMU噪声激增。

本研究提出首个转子故障感知导航系统，目标是在未知复杂环境中实现故障无人机的自主飞行，涵盖实时FDD、动态轨迹规划和抗自旋感知三大创新模块。

三、研究流程与方法
1. 复合FDD机制
- 模型驱动与数据驱动结合：
- 电机故障检测：通过实时转速比（$m_i = \hat{w}_i/w_i$）判断，阈值$\gamma_m=0.2$；
- 桨叶故障检测：设计双观测器（公式14-15），量化推力损失指数$p_i = \hat{t}_i/t$，阈值$\gammap=0.8$；
- 起飞阶段检测：基于低通滤波的加速度/角加速度阈值（$\gamma{q,0}=0.005\,m/s^2$，$\gamma_{q,2}=0.2\,rad/s^2$），响应时间仅20 ms。
- 优势：较传统固定时间观测器（如文献[12]）提速50%，故障检测时间从253 ms缩短至184 ms。

1. 非线性模型预测控制（NMPC）

   • 动态模型：引入电机动力学（公式6）和推力-扭矩耦合矩阵（公式5），约束条件包括：
     
     • 故障转子推力归零（$u_i=0$）；
       
     • 牺牲偏航通道控制，优先稳定俯仰/滚转（公式9-12）。
       
   • 实时性：基于ACADO工具包，200 Hz频率求解优化问题，预测步长20步（50 ms/步）。

2. 抗自旋机械设计

   • 抗扭矩板：在起落架安装4块35×77 mm空气动力学翼板，通过增大空气阻力系数$k_{d,\psi}$和反向扭矩降低自旋速度（12.6 rad/s→可控范围）；
     
   • 传感器选型：Livox MID-360激光雷达（360°水平视场）+ 333 Hz IMU，结合Fast-LIO2算法抑制点云畸变。

3. 时空联合轨迹规划

   • 前端：动态A*算法生成初始路径；
     
   • 后端：基于无约束非线性优化（公式22），代价函数包括：
     
     • 时间成本（$J_t$）、平滑性（$J_s$）、动态可行性（$J_d$）、避障（$J_c$）；
       
     • 故障后加速度约束（公式33）：$a{\text{max},f} = \gamma{a,f} \left| \sqrt{t{f,\text{max}}^2 - (mg)^2} - f{\text{max}} \right| /m$，其中$\gamma_{a,f}$为安全因子。

四、实验结果与数据分析
1. FTC系统验证
- 仿真对比：在桨叶卸载故障下，本文方法成功率90%（文献[12]为60%），电机故障检测时间缩短至28 ms（文献[12]为225 ms）；
- 实物实验：电机停转后高度恢复时间3 s，偏航角速度稳定在11.0 rad/s（图8c），轨迹跟踪RMSE 0.15 m（图10b）。

1. 复杂环境导航
   
   • 室内测试：6个航点任务中，动态避障成功率100%，平均规划耗时<20 ms（图11）；
     
   • 野外森林：在30×20 m²密林区域（通道宽度 m）实现0.8 m/s稳定飞行，RMSE 0.09 m（图1）。

五、研究结论与价值
1. 科学价值：
- 首次实现未知环境中转子故障无人机的全流程自主导航，涵盖故障检测、控制重构与实时规划；
- 提出复合FDD框架，解决不同飞行阶段的故障类型泛化问题。
2. 应用价值：
- 为火星无人机等极端环境任务提供容错方案；
- 抗自旋设计可扩展至其他高速旋转机器人。

六、研究亮点
1. 方法创新：融合模型驱动与数据驱动的FDD、基于推力可行性分析的时空优化器；
2. 硬件突破：抗扭矩板设计将自旋速度降低30%；
3. 全栈验证：通过仿真+实物实验覆盖单转子完全失效、桨叶卸载等极端场景。

七、其他贡献
研究开源了机械设计参数与控制算法核心代码（如NMPC权重矩阵$Q=\text{diag}(100,100,600)$），为后续研究提供基准平台。实验数据表明，该系统在低光照、动态障碍物等复杂条件下均保持鲁棒性（图12），填补了故障无人机在无GPS环境中的技术空白。