跳转至

第7章 健康管理与安全评估

智能无人系统属于典型的复杂系统，而"复杂系统"一般指规模较大、结构复杂、功能繁多、故障模态多样、外部环境未知多变的一类系统。无人系统通常具有非线性、动态多变、规模大、层级多、去中心化等特性。随着系统的复杂程度越来越高，发生故障的组件和概率都会越来越大，如何降低故障概率和减小故障后产生的后果，是系统健康和安全评估需要考虑的内容。

7.1 背景与理论

智能无人系统的健康管理与安全评估至关重要。健康管理强调系统状态的实时监测和预测维护，安全评估则侧重于风险识别、概率计算和危害控制。

alt text

7.1.1 无人系统的安全性需求

不同类型无人系统的安全性需求存在显著差异：具身智能系统（如机器狗）在室内低速运行，安全性需求相对较低；无人驾驶汽车在地面高速行驶，对安全性要求极高；无人机运行于复杂的三维气象环境中，面临"势能+动能"的双重威胁，低空安全是制约行业发展的关键瓶颈。

7.1.2 健康管理与安全评估的核心价值

构建系统化、标准化的健康管理与安全评估框架，既是保障无人系统稳定可靠运行的重要技术路径，也是建立面向未来的智能系统可信体系的核心战略举措，可推动无人系统从"可用"向"可信"转变。

7.2 框架与接口

RflySim 为健康管理与安全评估提供了完善的支撑体系，构建极限工况下的快速测试能力、软硬件在环的闭环评估框架、状态监控与指标可视化能力、数据驱动的预测性健康管理，以及高一致性的"仿真-实物"迁移能力。

alt text

7.2.1 故障建模与注入框架

故障建模与注入框架覆盖了模型层、固件层、环境层、通信层、智能算法层与集群任务层等多层次故障注入方式，支持传感器故障、电机失效、通信中断等典型故障场景，实现多维度、多层次的系统鲁棒性验证。

alt text

7.2.2 评估与诊断算法开发框架

通过 Simulink/DLL 模型与自驾仪双通道接口，构建结构化测试用例与自动触发机制，支持仿真与真机阶段的统一评估流程。通过自驾仪日志解析与安全指标计算，进行任务完成率、故障恢复能力等多维度性能分析。

alt text

7.3 精彩案例展示

故障注入实验：

故障注入与诊断算法验证：

7.4 课程配套视频

本章节公开课回放（第六期：健康管理与社会安全评估）：

7.5 本章实验案例

本章相关验证实验与引导案例存放在 [安装目录]\RflySimAPIs\7.RflySimPHM 文件夹中。

7.5.1 接口学习实验

存放在 7.RflySimPHM\0.ApiExps 文件夹中，涵盖平台基础接口导学及各工具通识入门。

实验 1：信号标签模块的使用

📝 实验简介： 学习Simulink中Goto和From模块的使用方法，掌握通过标签广播发送和接收数据，并观察From标签后的消息接收情况。

实验 2：故障参数与模块封装参数引用的学习与使用

📝 实验简介： 学习通过创建封装参数从MATLAB工作区读取所需故障参数，并在Simulink中引用，以实现故障注入与参数管理。

实验 3：RflySim故障注入MATLAB API测试

📝 实验简介： 通过MATLAB/Simulink使用UDP模式发送故障注入参数，学习故障ID及故障参数的设置方法，掌握电机、螺旋桨、电池、GPS等故障的注入技术。

实验 4：故障注入API测试

📝 实验简介： 学习使用UDP模式发送故障注入参数，掌握PX4MavCtrlV4库中sendSILIntFloat函数的用法，实现故障注入效果。

实验 5：PX4外部消息发送与接收

📝 实验简介： 学习通过MATLAB/Simulink向PX4发送外部消息并接收状态信息，掌握UDP receiver模块的使用方法（端口30100用于故障注入）。

实验 6：电机故障注入模块学习与使用

📝 实验简介： 学习从0到1使用带电机故障注入模块的Simulink模型，掌握初始化、打开模型、设置故障开关和参数，实现电机故障注入。

实验 7：故障注入最小模板

📝 实验简介： 学习故障注入最小模板的使用，包括初始化数据、编译模型、生成DLL文件及运行在环仿真脚本，实现无人机正常起飞。

实验 8：基于最小模板的电机故障注入

📝 实验简介： 学习使用基于最小模板的电机故障注入方法，通过修改故障参数并仿真观察无人机故障行为，掌握故障注入模型的配置与使用。

实验 9：故障仿真数据收集实验

📝 实验简介： 通过自动化脚本在SITL或HITL仿真环境中模拟无人机故障场景，收集飞行数据，用于故障诊断、预测性维护和智能决策系统的训练与验证。

实验 10：PHM飞行数据处理

📝 实验简介： 通过Python脚本将ULog飞行日志转换为CSV格式，进行数据筛选、清洗、时间对齐和特征工程，生成可直接用于神经网络训练的processed_data.csv表格

实验 11：基于机器学习的无人机健康状态预测与故障注入实验

📝 实验简介： 本实验通过RflySim工具链，利用TensorFlow模型对无人机健康状态进行预测，并支持软硬件在环仿真及故障注入，以验证故障模型的准确性。

实验 12：健康评估基础实验

📝 实验简介： 通过仿真收集无人机运行数据，掌握健康评估算法的实现方法，包括故障判断与故障注入功能。

实验 13：神经网络训练模型

📝 实验简介： 通过运行Model-training.ipynb文件，训练一个双层隐藏层神经网络模型，用于判断系统健康状态，学习神经网络结构、编译与优化方法。

实验 14：无人机传感器故障测试用例自动化生成

📝 实验简介： 实现无人机传感器故障测试用例的自动化生成与导入数据库功能，通过Python脚本自动生成加速度计、陀螺仪、磁力计、气压计、GPS等传感器的测试用例，并存储到SQLite数据库中

实验 15：自定义控制序列配置与使用

📝 实验简介： 学习如何配置和使用自定义控制序列，通过解析db.json文件并映射为无人机控制指令，实现硬件在环和软件在环仿真中的飞行控制。

实验 16：QGC日志自动下载

📝 实验简介： 通过Python脚本实现QGC地面站日志的自动化下载，掌握qgc.ReqQgcLog()函数的使用方法，学习无人机飞行日志的获取与管理。

实验 17：带视觉的自定义控制序列配置与使用

📝 实验简介： 学习如何配置和使用带视觉的自定义控制序列，通过解析db.json文件并映射为载具控制指令，实现无人机视觉控制仿真。

实验 18：故障注入与飞控日志时间戳获取实验

📝 实验简介： 本实验通过RflySim工具链，在无人机软件在环仿真中注入电机故障，并利用飞控日志获取故障注入时间戳，学习故障注入机制与日志解析方法。

7.5.2 基础使用实验

存放在 7.RflySimPHM\1.BasicExps 文件夹中，面向初学者提供全套配套补充教材库。

实验 1：故障注入最大模板

📝 实验简介： 学习故障注入最大模板的使用方法，包括初始化、编译生成DLL、运行软件在环仿真，并了解最小与最大模板的区别及可注入的故障类型。

实验 2：GPS故障注入实验

📝 实验简介： 基于最大模板的GPS故障注入实验，学习GPS故障注入原理、模块结构及参数设置，通过Simulink和Python实现GPS故障注入并观察无人机自动降落。

实验 3：电机模块故障注入

📝 实验简介： 学习基于最大模板的电机故障注入原理，通过Simulink模型编译生成DLL，利用Python脚本注入电机故障，观察无人机坠毁现象，掌握故障ID和参数设置。

实验 4：基于最大模板的传感器模块故障注入

📝 实验简介： 学习基于最大模板的传感器模块故障注入原理，通过Simulink模型编译生成DLL，利用Python脚本注入加速度计等传感器故障，并观察无人机姿态控制紊乱及日志验证效果。

实验 5：基于最大模板的环境风模块故障注入

📝 实验简介： 学习使用RflySim工具链，通过Simulink最大模板和Python脚本，对无人机注入环境风故障（常风、阵风、紊流、切向风），并观察故障效果。

实验 6：基于最大模板的负载模块故障注入

📝 实验简介： 学习使用最大模板模型进行负载故障注入，包括负载故障、漂移和泄露三种类型，掌握故障参数设置与仿真验证方法。

实验 7：基于最大模板的螺旋桨模块故障注入

📝 实验简介： 本实验学习基于最大模板的螺旋桨模块故障注入方法，通过Simulink建模、DLL生成及Python脚本实现螺旋桨效率故障注入，并观察无人机坠毁效果。

实验 8：基于最大模板的电池模块故障注入

📝 实验简介： 学习使用RflySim工具链，通过最大模板模型向PX4飞控注入电池失效、低电压、低电量等故障，并完成软硬件在环仿真实验。

7.5.3 进阶开发实验

存放在 7.RflySimPHM\2.AdvExps 文件夹中，进一步熟悉部分底层固件生态配置。

实验 1：全故障模型模板故障注入

📝 实验简介： 基于最大模板的全故障模块建模，将模型编译为DLL文件，通过CopterSim加载并利用UDP协议注入故障码，实现多故障并发注入仿真，学习故障注入原理和DLL技术。

实验 2：故障生成注入界面应用程序

📝 实验简介： 基于全故障注入模板，通过MATLAB APP设计故障注入界面，实现将各种故障参数注入到软件在环仿真中，以观察故障效果。

实验 3：PX4故障注入实验

📝 实验简介： 本实验通过直接修改PX4飞控源码实现故障注入，编译固件并烧录至飞控，利用Python脚本通过硬件在环仿真演示故障注入效果。

实验 4：单机单实例自动化测试

📝 实验简介： 掌握自动测试平台的基本结构和流程，通过运行AutoTest.py脚本实现单无人机单实例的自动化仿真测试，并分析测试结果。

实验 5：单机多实例自动化测试

📝 实验简介： 掌握自动测试平台单机多实例自动化测试的基本结构和流程，通过配置多架无人机实例，实现自动化测试并记录数据。

实验 6：多机型单实例自动化测试

📝 实验简介： 掌握自动测试平台多机型单实例自动化测试的基本结构和流程，通过配置四旋翼和固定翼的测试用例，运行自动化脚本并分析测试数据。

实验 7：多机型多实例自动化测试

📝 实验简介： 掌握RflySim自动测试平台中多机型（四旋翼、固定翼）多实例自动化测试的基本结构和流程，包括配置仿真参数、运行测试脚本、检查测试数据等。

实验 8：安全评估实验

📝 实验简介： 掌握安全评估算法的基本结构和流程，通过Python脚本调用ProfustSA模块，对无人机速度数据进行安全评估，输出安全得分和等级。

实验 9：航迹跟踪实验

📝 实验简介： 掌握航迹跟踪的基本结构和流程，通过Python脚本配置控制序列和参数，在软件在环仿真中实现无人机按预期航线飞行，并分析飞行数据。

实验 10：单机多实例自动化测试

📝 实验简介： 掌握自动测试平台单机多实例自动化测试的基本结构和使用流程，通过修改Python脚本实现多无人机自动化测试。

实验 11：自动化测试航迹跟踪

📝 实验简介： 掌握航迹跟踪的基本结构和使用流程，通过Python脚本进行参数设置，利用算法实现无人机航迹跟踪，并支持自定义轨迹。

7.5.4 高阶开发实验

存放在 7.RflySimPHM\3.CustExps 文件夹中，面向高阶用户的自定义开发实验。

实验 1：基于数字孪生和深度学习的无人机故障诊断虚拟仿真实验

📝 实验简介： 本实验通过构建无人机数字孪生系统，利用虚拟-虚拟仿真模式，结合双向LSTM深度学习模型，实现对无人机典型故障的自动检测与分类。