将基于残差的故障诊断与干扰估计与反无人机策略整合的无人机抗干扰与容错控制

更智能的无人机为什么重要

小型无人机正在迅速成为送货、检查、灾难响应和安防的工作马。但现实天空并不干净：电机会磨损、传感器会漂移、风会冲击机体，对手还可能尝试干扰或误导无人机的导航。本文探讨如何让无人机更加自给自足并难以被扰偏，通过赋予它们感知异常、识别成因并在实时自动调整飞行的能力——即便另一架无人机或干扰器正在主动干扰。

无人机可能遇到的多种问题

作者首先概述了现代无人机面临的日益增多的威胁清单。机体内部，电机可能失去动力、控制面可能卡滞，陀螺仪和GPS接收机等传感器可能出现偏差或噪声。外部，阵风、湍流和变化的有效载荷会将无人机推离航道。此外，对手可以发射无线电信号以淹没指令、伪造卫星信号误导导航，甚至派出另一架无人机进行碰撞。传统控制系统通常一次只应对一种问题——要么处理故障，要么应对风扰，要么对抗敌对无人机——而不是将这些问题同时综合处理。这种零碎的方法在多种问题同时发生时会留下危险的空白，而这在实际任务中很可能发生。

一个用于故障、扰动和威胁的统一“大脑”

为弥补这些空白，论文提出了一个统一的控制架构，将三种思想编织到同一回路中。首先，故障自诊断模块不断比较无人机的实际行为与数学模型应有的行为。所谓残差——两者的差异——揭示了电机或传感器何时开始异常，并估算其退化程度。其次，自适应扰动估计器将来自环境的所有未知推力和拉力视为模型中的一个隐藏变量，并在线学习其值，使控制器能够抵消风和其他未建模效应。第三，反无人机策略位于体系之上，监测无线电干扰、伪造GPS信号或附近飞行物的碰撞轨迹等特征，随后指挥规避机动，同时下层控制保持无人机的稳定。

新的控制回路在飞行中的表现

作者构建了四旋翼的详细数学模型，包含位置信息、姿态以及每个桨转速如何转化为推力和转矩。他们再将三大模块嵌入一个两层控制器：外环跟踪期望航迹，内环维持姿态稳定与朝向。当残差表明发生故障时，系统估计某个电机丧失的推力并调整对其他健康电机的控制命令，以便无人机仍能产生所需的力。同时，扰动估计器的响应速度会根据残差大小自适应调整，在线学习当前风况和其他未知影响，并将补偿信号送入控制器。如果传感器与机载感知报告有快速逼近的物体或无线/卫星数据不一致，反无人机逻辑会判定存在威胁并重塑无人机的目标航迹以规避，同时将平滑运动的任务留给稳定性层处理。

仿真结果揭示的内容

为测试该方法，研究人员在虚拟环境中对四旋翼进行了仿真，环境包含强阵风和一系列有意注入的问题：若干桨部分失去动力、传感器偏置、一个电机饱和以及另一个电机完全失效，且这些故障在不同时间发生。他们还模拟了需要规避转弯和高度变化的敌对遭遇。采用传统控制器时，位置误差增长到约四分之一米且姿态误差累计，这在靠近障碍物或电线时可能很危险。而启用集成框架后，即便故障与风同时发生，位置偏差缩小到五厘米以下，姿态误差降到几百分之一度以内。系统对故障和扰动的估计足够准确，使无人机迅速回到计划航迹。在威胁场景中，每次仿真中的规避机动都成功且保持了航线的平滑与稳定。

这对未来空域意味着什么

简而言之，该研究表明可以将无人机设计成“感知”何时出问题——无论是电机故障、突发阵风，还是敌对无人机——并在无人干预下自动采取合适的纠正与规避动作。通过将故障检测、扰动抑制与反无人机战术融合到统一的控制系统中，作者展示了在理想条件下精确且在复杂、敌对的天空中具有鲁棒性的无人机。此类设计有望使未来的配送网络、巡检机群和应急响应无人机在拥挤、受争夺和不可预测的空域中更安全、更可靠。

引用: Xie, Z., Long, Y. Anti interference and fault tolerant control of UAVs integrating residual based diagnosis disturbance estimation with counter drone strategies. Sci Rep 16, 9429 (2026). https://doi.org/10.1038/s41598-026-37984-z

关键词: 无人机弹性, 容错控制, 抗干扰, 自主无人机, 反无人机战术