[论文解读] Fast Fault Detection on a Quadrotor using Onboard Sensors and a Kalman Filter Approach

Bram Adriaan Strack van Schijndel, Sihao Sun+1 more|arXiv (Cornell University)|Feb 12, 2021

Fault Detection and Control Systems参考文献 20被引用 5

一句话总结

本文提出了一种针对四旋翼机的实时、轻量级故障检测方法，利用机载转速（RPM）、陀螺仪和加速度计数据，结合卡尔曼滤波器估计执行器效能因子，并通过假设检验识别失效旋翼。该方法在使用螺旋桨脱落引发的故障进行在线和离线验证时，实现了28–132毫秒的检测延迟，且无漏检或误报。

ABSTRACT

This paper presents a novel method for fast and robust detection of actuator failures on quadrotors. The proposed algorithm has very little model dependency. A Kalman filter estimator estimates a stochastic effectiveness factor for every actuator, using only onboard RPM, gyro and accelerometer measurements. Then, a hypothesis test identifies the failed actuator. This algorithm is validated online in real-time, also as part of an active fault tolerant control system. Loss of actuator effectiveness is induced by ejecting the propellers from the motors. The robustness of this algorithm is further investigated offline over a range of parameter settings by replaying real flight data containing 26 propeller ejections. The detection delays are found to be in the 30 to 130 ms range, without missed detections or false alarms occurring.

研究动机与目标

• 开发一种仅基于机载传感器数据的快速且鲁棒的四旋翼机执行器效能损失（LOE）检测方法。
• 通过依赖转速反馈和随机估计而非精确的质量、惯性或控制效能矩阵知识，最小化模型依赖性。
• 在真实飞行条件和多样飞行数据（包括风洞和高速飞行场景）的离线回放中验证故障检测算法。
• 通过在数十毫秒内检测到突发的完全执行器故障（如螺旋桨脱落），实现快速控制重构。
• 通过及时检测故障，避免依赖外部输入或复杂模型，从而提高故障容错控制系统的安全性与渐进退化能力。

提出的方法

• 通过将实时转速测量值直接作为故障检测逻辑的输入，将执行器动态与效能估计解耦。
• 使用卡尔曼估计器，基于测量的转速、角速率和加速度，递归估计每个旋翼的随机效能因子（缩放因子）。
• 卡尔曼滤波器使用过程噪声（Q = 0.1）和测量噪声（R = 1），以平衡估计精度与响应速度。
• 效能因子以500 Hz（20 ms采样）更新，算法每一步在ARM Cortex-A9处理器上耗时18 μs。
• 假设检验将估计的效能因子与阈值（k_thres = 0.25）和故障概率阈值（P_fail_thres = 0.9）进行比较，以识别失效执行器。
• 实现起飞检测器，通过仅在达到最小推力水平后才启用算法，防止在地面接触时产生误报。

实验结果

研究问题

• RQ1 是否可以仅使用机载传感器和极少的模型假设，在数十毫秒内检测执行器故障？
• RQ2 在包括风扰动和高速飞行在内的多样化飞行动力学下，基于卡尔曼滤波的效能估计方法有多鲁棒？
• RQ3 参数变化（如Q、R、k_thres、P_fail_thres）对检测延迟、误报率和漏检率的影响如何？
• RQ4 该方法能否在事先不知晓旋翼效能的情况下，可靠检测突发的完全执行器故障（如空中螺旋桨脱落）？
• RQ5 在真实世界条件下（包括重复起降）下，该算法表现如何？

主要发现

• 所有26次螺旋桨脱落事件的检测延迟均在28 ms至132 ms之间，95%置信区间为[28, 132] ms。
• 在线实时验证和26次飞行测试的离线回放中均未发生漏检或误报。
• 当控制效能参数（G_p, G_q, G_az）调整±20%时，算法表现出对参数变化的低敏感性。
• 该方法对Q、(P_fail)_thres和k_thres的参数变化具有鲁棒性，仅导致检测延迟轻微增加，且误报率和漏检率无显著上升。
• 算法以500 Hz运行，单步计算时间为18 μs，在标准嵌入式硬件ARM Cortex-A9上实现实时部署。
• 估计效能因子的概率密度函数显示正常状态与故障状态之间有明显分离，故障阈值（k = 0.25）能清晰区分两种分布。