论文题目：Toward lightweight acoustic fault detection and identification of UAV rotors（无人机旋翼轻量化声学故障检测与识别）

会议：EI - ICUAS 2023

摘要：数据驱动的故障检测与隔离(FDI)系统受到了研究者的广泛关注。最近的一些应用利用无人机(UAV)上记录的声信号来评估推进系统的状态并诊断旋翼叶片的损伤。在这项工作中，我们提出了对先前开发的FDI方案的两个主要改进。它们的目的是为了减少基于深度LSTM(长短期记忆)的故障分类器的计算量。首先，基于主成分分析(PCA)的特征空间约简允许减小神经网络的规模，从而减少数学运算的数量。其次，一种改进的算法引入了多个弱分类器的集成，并采用决策融合策略来提供系统的最终状态。使用大量的真实飞行声学数据集对所开发的方案进行了评估，并与原始算法进行比较。结果表明，所提出的改进在假设的性能约束下显著减少了计算时间。

---

用“听觉”给无人机旋翼做体检：一套面向机载部署的轻量化故障检测方法

1. 这篇论文要解决什么问题？

多旋翼无人机的推进系统由电调、电机和旋翼组成。旋翼叶片一旦发生断裂、缺口或边缘变形，不仅会改变推力，还可能引起振动和控制性能下降。对于主动容错控制系统而言，仅仅在飞行器已经明显失稳后发现“执行器效能下降”是不够的；更理想的做法，是尽早检测旋翼本体的物理损伤，并进一步判断损伤类型和位置。

声学信号为这个问题提供了一条可行路径。旋翼高速转动时会持续产生声音，叶片的几何形状、质量分布和气动状态发生变化后，声音的频谱结构也会改变。因此，可以在无人机机身上布置麦克风，通过声音识别旋翼是否健康。

但论文指出，现有声学故障诊断研究离真正的机载应用还有明显距离：

1. 很多实验使用外置、高质量麦克风，在悬停甚至地面固定条件下采集数据，信号质量明显优于真实机载环境。

2. 一些方法使用长达数秒的信号窗口，故障发生后必须等待完整窗口，难以满足容错控制对快速诊断的要求。

3. 深度神经网络本身计算量较大，而小型无人机通常只能搭载功耗、内存和算力都受限的嵌入式处理器。

4. 传统模型驱动方法通常关注“效能损失”“饱和”“偏置”等最终表现，不一定能够直接识别旋翼叶片的物理损伤。

因此，这篇论文的重点并不是把分类准确率继续推高，而是在保持准确率基本不变的前提下，让已有的声学故障检测与隔离系统运行得更快、更适合低功耗机载计算平台。

论文 Figure 1：用于声学故障检测系统开发的 Falcon V5 无人机。

2. 原始系统如何通过声音识别旋翼故障？

2.1 四通道麦克风与九分类任务

论文研究的是一架对称布局的 X8 构型无人机。它具有四个同轴推进单元，每个位置包含上下两个电机和旋翼。研究人员在机身上布置了四个麦克风，分别对应 A、B、C、D 四个推进位置。

论文 Figure 2：四个推进位置与四通道麦克风阵列之间的对应关系。

系统需要识别两类旋翼损伤：

• F 类，fractured tip：叶尖的一部分断裂，造成旋翼质量不平衡；

• E 类，edge damage：叶片没有发生明显断裂，但翼型边缘出现变形。

每种损伤都可能出现在 A、B、C、D 四个位置，再加上健康状态 H，因此总共有九个类别：AE、AF、BE、BF、CE、CF、DE、DF 和 H。

需要注意，这里的 A—D 表示四个同轴推进位置，而不是逐一识别八个电机中的每一个旋翼。

2.2 从原始声音到 MFCC 特征

原始系统使用 44.1 kHz 采样率。以 500 ms 为例，每一帧包含 22,050 个采样点。处理流程包括：

1. 从连续声音中截取一帧并加窗；

2. 进行快速傅里叶变换，得到频谱；

3. 使用 Mel 滤波器组压缩和重组频谱；

4. 对滤波结果取对数；

5. 进行离散余弦变换，得到 Mel 频率倒谱系数，即 MFCC。

每个声道提取 104 个 MFCC，四个声道合计得到 416 个声学特征。论文所说的 425 维记录还包括九维类别标签；真正输入分类器的声学特征部分是 416 维。

论文 Figure 3：原始声学故障检测流程，包括四通道采集、分帧、FFT、Mel 滤波、对数与 DCT、MFCC 输入向量、LSTM 分类和最终预测。

2.3 原始 LSTM 分类器

原始模型由一个 LSTM 层和一个线性层组成。作者此前尝试过堆叠多层 LSTM，但没有得到明显的准确率提升，计算时间却增加了，因此最终保留单层结构。

论文给出的最佳原始模型参数为：LSTM 层大小 512、线性层大小 256、输出类别数 9、批大小 640，使用交叉熵损失和 Adam 优化器。该模型在先前评估中取得 0.995 的准确率、0.989 的精确率、0.980 的召回率和 0.985 的 F1 分数。

论文 Table I：最佳原始 LSTM 故障分类器的网络参数和性能指标。

问题在于，这个模型要一次性处理四个声道拼接后的高维特征，在 Raspberry Pi 3B+ 这类机载平台上计算成本偏高。

3. 创新一：利用 PCA 压缩 MFCC 特征空间

四个声道一共提供 416 个 MFCC，但这些变量对分类结果的贡献并不完全相同。直接人工筛选频带并不容易，因为旋翼声学信号是非平稳的，飞行动作和转速变化会让重要频段发生变化。

作者因此引入主成分分析（PCA）。PCA 不直接选择某几个原始 MFCC，而是把原始变量线性组合成一组彼此不相关的主成分。第一个主成分解释最多的数据方差，后续主成分解释的信息依次减少。只保留前若干个主成分，就可以把 416 维输入压缩为几十维。

其基本步骤为：

1. 对数据归一化并去中心化，计算协方差矩阵；

2. 计算协方差矩阵的特征值与特征向量；

3. 按解释方差大小排序，保留前若干个主成分；

4. 将原始 MFCC 投影到较低维的主成分空间。

PCA 本身也需要计算，因此“维度降低”并不自动意味着整体更快。论文的做法是把 PCA 变换时间也纳入测试，在不同主成分数量下同时观察分类指标和处理时间。

4. 创新二：把一个大模型拆成四个单通道弱分类器

原始方法将四个声道的 MFCC 拼接起来，再送入一个较大的 LSTM。论文提出的第二项改进，是为每个麦克风通道设置一个较小的 LSTM 分类器。

每个子模型只处理一个声道的数据，但仍然输出全部九个类别。这是因为某个旋翼的故障不仅能被距离最近的麦克风听到，其他麦克风也会记录到相应声学特征，只是信号强度和辨识能力不同。

这种拆分有两个目的：

• 减少每个网络的输入维度和浮点运算量；

• 让四个子模型可以利用四核 CPU 并发执行。

论文 Figure 4：四个单通道故障分类器、PCA 模块、权重矩阵和决策融合模块组成的集成模型结构。

5. 创新三：根据麦克风空间位置设计加权决策融合

四个子模型不能简单地一人一票。对于位置相关的故障类别，距离目标推进单元最近的麦克风应该拥有更高权重。

论文使用参数 () 控制主通道权重。对于某个故障类别，最近麦克风的输出权重为 ()，其余三个麦克风平均分享 (1-)，即每个远端通道的权重为：

若第 (i) 类故障在第 (j) 个样本上的最终得分为 (S(ci,xj))，最近麦克风输出为 (S0(ci,xj))，其余三个通道输出为 (Sk(ci,xj))，则故障类别的融合得分为：

对于健康类别 H，不存在“最近的故障位置”，因此四个通道采用相同的 0.25 权重：

这种设计把麦克风阵列的物理布局直接编码进决策层，保留了故障定位能力。

论文 Table II：九个类别对应的四通道决策融合权重矩阵。

最终系统把 PCA 特征压缩和四模型集成结合起来，形成 EM-PCA 模型。

6. 实验是如何进行的？

6.1 飞行平台

实验平台为定制的 Falcon V5 X8 四旋翼无人机，外形尺寸为 615 mm × 615 mm，轴距 450 mm，整机质量 1600 g，推重比 3.1。平台共有四个同轴推进单元和八个旋翼，使用 10 × 3.3 英寸碳纤维旋翼。

论文 Table III：Falcon V5 无人机的主要结构、动力和电池参数。

6.2 麦克风与机载计算平台

声学采集系统使用 ReSpeaker 四麦克风阵列和 Raspberry Pi 3B+。麦克风带宽为 100 Hz—10 kHz，信噪比为 65 dB，声学过载点为 123 dB。较高的声学过载能力对近距离记录高声压级旋翼噪声很重要。

论文 Figure 5：Falcon V5 上的 ReSpeaker 麦克风阵列、Raspberry Pi 3B+ 和飞控安装位置。

用于测试的 Raspberry Pi 3B+ 搭载 Broadcom BCM2837 SoC，包含四个 1.4 GHz ARM Cortex-A53 64 位核心和 1 GB 内存，热设计功耗约 7 W。论文在这一平台上直接测量单帧处理时间，而不是只在桌面 GPU 上报告结果。

6.3 数据集

研究人员完成了 36 次单独飞行，每次平均持续约 200 秒，覆盖四个故障位置、两种损伤类型和健康状态。九个类别平均各有约 1000 秒音频。

连续音频被切分为 100—500 ms 的帧，因此每一类最终形成数千个样本。飞行过程中包含不同轨迹和动态机动；故障飞行中既有单个损坏旋翼，也有两个损坏旋翼同时存在的情况。

论文 Figure 6：实验使用的两种损伤旋翼，其中（a）为 F 类叶尖断裂，（b）为 E 类叶片边缘变形。

预训练模型使用来自其他飞行实验、此前未参与训练的数据进行测试。验证重复十次，并计算准确率、精确率、召回率、F1 分数和单帧平均处理时间。作者预先设定的约束是：相对基准模型，准确率最多下降 1 个百分点。

7. 实验结果

7.1 仅使用 PCA：较少特征依然可以保持高准确率

比较实验中的完整模型记为 FM。Figure 7 给出的 FM 基准结果为：

• 准确率：0.993；

• 精确率：0.975；

• 召回率：0.981；

• F1：0.978；

• 单帧平均处理时间约 22 ms。

当保留 78 个主成分时，FM-PCA78 的准确率为 0.994，略高于 FM；精确率、召回率和 F1 分别为 0.979、0.986 和 0.982，处理时间约 20 ms。

当主成分减少到 52 个时，FM-PCA52 的准确率为 0.989，相比 FM 下降 0.4 个百分点；处理时间约 17—18 ms，下降超过 20%。这正是论文用于说明“在很小准确率损失下获得明显加速”的代表性配置。

即使只保留 20 个主成分，FM-PCA20 的准确率仍达到 0.985，但精确率、召回率和 F1 分别下降到 0.953、0.949 和 0.951。说明准确率对降维相对稳定，但更细致地观察漏检和误检时，过度压缩带来的损失更明显。

论文 Figure 7：FM、FM-PCA78、FM-PCA52 和 FM-PCA20 的准确率、精确率、召回率、F1 及单帧处理时间对比。

7.2 PCA 与集成模型结合：处理时间减少超过三分之一

Figure 8 将 FM 与三种 EM-PCA 模型进行比较。三种集成模型的准确率分别为：

• EM-PCA78：0.983；

• EM-PCA52：0.984；

• EM-PCA20：0.985。

它们都保持在 98% 以上。EM-PCA20 相比 FM 的准确率从 0.993 降到 0.985，下降 0.8 个百分点，仍在作者规定的 1 个百分点约束内。

与此同时，集成模型的单帧平均处理时间约为 15—16 ms，相比 FM 的约 22 ms 下降超过 33%。论文还观察到处理时间标准差减小，说明并发执行的四分类器结构具有更稳定的时间表现。

论文 Figure 8：FM 与 EM-PCA78、EM-PCA52、EM-PCA20 的分类指标和单帧处理时间对比。

需要注意，论文正文称集成模型在精确率和召回率方面“略优于”完整模型，但 Figure 8 标注的数值实际上低于 FM。例如，EM-PCA20 的精确率、召回率和 F1 分别为 0.968、0.949 和 0.956，而 FM 分别为 0.975、0.981 和 0.978。因此，最稳妥的结论是：集成模型在准确率仍高于 98%且下降不超过 1 个百分点的条件下，显著减少了处理时间；不能根据 Figure 8 认为它全面改善了所有分类指标。

7.3 决策融合参数的最佳值为 0.5

作者使用网格搜索调整。对于所有测试的集成模型，准确率曲线都在 (\alpha=0.5) 附近达到局部最大值，因此最终把最近麦克风的权重设为 0.5，另外三个通道各占约 0.1667。

PCA 压缩程度越高、子模型越小，调整带来的准确率增益越明显。这说明当单个弱分类器能力下降时，利用传感器空间关系进行合理融合更为重要。

论文 Figure 9：EM-PCA78、EM-PCA52、EM-PCA26 和 EM-PCA10 在不同 () 下的分类准确率。

8. 这篇论文真正的贡献是什么？

这篇论文使用的 PCA、LSTM 和集成学习本身都不是新算法。它的主要贡献在于面向一个明确的机载部署瓶颈，把三种设计组合成一套可运行的工程方案：

1. 用 PCA 减少多通道 MFCC 的输入维度；

2. 把一个大模型拆成四个可并发执行的单通道模型；

3. 根据麦克风与旋翼的空间对应关系设计加权融合；

4. 在真实飞行数据和 Raspberry Pi 3B+ 上验证速度与准确率之间的折中。

最终结果是：在准确率下降不超过 1 个百分点的约束下，单帧处理时间减少超过 33%，同时整体准确率仍高于 98%。这使声学旋翼诊断更接近低功耗机载部署，而不只是停留在离线分类实验中。

9. 阅读结果时还应注意哪些限制？

第一，论文所说的“轻量化”主要由单帧处理时间体现。文中没有给出模型参数量、内存占用、能耗或实际 CPU 利用率，因此不能把它等同于所有资源维度都减少了 33%。

第二，约 15—22 ms 是计算处理时间，不包括等待 100—500 ms 音频窗口形成的时间。论文也没有给出从故障实际发生到最终告警的完整端到端时延。

第三，实验集中在一种 Falcon V5 平台、一种麦克风阵列布局和两种旋翼损伤类型。更换机架尺寸、旋翼型号、麦克风距离或外部噪声环境后，模型是否仍能保持同样性能，需要进一步验证。

第四，实验在室内完成。作者认为旋翼声音较大，因此初步实验中没有观察到明显环境影响，但论文没有系统展示室外风噪、其他无人机噪声或复杂背景声条件下的量化结果。

第五，论文自己的文字描述与 Figure 8 在精确率、召回率方面存在不一致，因此解读时应优先引用图中具体数值，并把主要贡献限定为计算加速和准确率约束内的性能保持。

作者提出的后续工作，是研究麦克风与旋翼之间距离变化对诊断性能的影响。

10. 总结

这篇论文回答了一个很实际的问题：一套准确率很高的无人机声学故障诊断系统，怎样才能在 Raspberry Pi 3B+ 这样的低功耗平台上运行得更快？

作者给出的答案是：先用 PCA 压缩四通道 MFCC，再把单一大 LSTM 改为四个单通道小 LSTM，最后利用麦克风和旋翼的空间位置进行加权融合。

该方案没有追求新的最高准确率，而是在明确的工程约束下进行取舍。与完整模型相比，改进系统把单帧处理时间从约 22 ms 降低到约 15 ms，减少超过 33%；在代表性配置下，准确率仍保持在 98% 以上，并满足不超过 1 个百分点下降的约束。

对于需要把深度学习故障诊断真正放到无人机上的研究者，这篇工作最值得借鉴的并不是某个单独算法，而是它围绕“真实数据、低功耗硬件、明确性能约束”进行系统设计和验证的方法。