通过螺旋桨动平衡提升无人机性能 - 白皮书

作者：Lauren Nagel

执行摘要

无人驾驶航空器（UAV）需要采用平衡良好的螺旋桨，以实现最佳性能、效率和使用寿命。然而，即使是轻微的螺旋桨不平衡，也可能引发机械应力的正反馈循环，导致振动增加、推力效率降低、功耗升高以及关键部件加速磨损。随着时间的推移，这些影响会损害 UAV 的推进系统、轴承、飞行控制器性能和结构完整性，最终缩短其平均故障间隔时间（MTTF）并增加运营成本。

本白皮书探讨了 UAV 螺旋桨不平衡的原因、后果和解决方案。文中研究了包括 ISO 21940-11:2016 在内的行业标准，该标准为允许的残余不平衡提供了指南。

为了减轻与螺旋桨不平衡相关风险，本白皮书评估了静态与动态平衡技术。虽然静态平衡提供了一种简单、低成本的纠正质量分布的方法，但它缺乏专业 UAV 应用所需的精度。相比之下，动态平衡根据螺旋桨旋转时采集的数据进行纠正，确保了更高的准确性、对行业标准的合规性以及更长的部件使用寿命。采用动态平衡解决方案可使 UAV 制造商和运营商减少磨损、提高飞行效率并增强 UAV 的整体可靠性。

通过从源头上解决螺旋桨不平衡问题，UAV 专业人员可以减少停机时间、降低维护成本，并确保在各种运行环境中实现稳定、高效的飞行。

第 1 部分：背景

平衡良好的螺旋桨是高性能 UAV 的关键部件。平衡良好的螺旋桨是成功的关键，而螺旋桨不平衡则可能导致性能下降、部件受力以及市场竞争力降低等故障。

在小型 UAV 中，螺旋桨通常价格低廉且易于更换。当螺旋桨故障导致整个 UAV 受损，或者在配备较大螺旋桨（更换成本更高）的大型无人机中发生故障时，成本才开始累积。

本白皮书深入探讨了螺旋桨平衡的复杂性，强调了其在维持 UAV 功能、可靠性和使用寿命方面的重要性。

1.1 什么是螺旋桨平衡？

广义上讲，螺旋桨平衡是指使螺旋桨叶片和轴线达到平衡，并侧重于尺寸、质量和推力生成。

螺旋桨通常采用以下三种方式之一进行平衡：静态平衡、动态平衡和空气动力平衡。静态平衡和动态平衡包括在螺旋桨静止时（静态平衡）或在工作转速下（动态平衡）向螺旋桨添加配重，以实现螺旋桨质量分布均匀。这类不平衡修复的是质量中心与旋转中心之间的偏心。

相比之下，空气动力平衡侧重于通过调整叶片的物理特性（如叶片形状和桨距角）来实现均匀的推力生成。它通常被称为“对桨”。可以通过测量电机的俯仰和横摇扭矩，或在旋转过程中跟踪每片叶片以确保它们遵循相同的轨迹来检测空气动力平衡。

本文将讨论静态平衡和动态平衡，这两者应在进行空气动力平衡之前完成。

在 ISO 21940-11:2016 中，螺旋桨平衡被定义为“一种检查转子质量分布，并在必要时进行调整，以确保运行中的残余不平衡或振动处于规定限制范围内的程序”（ISO，2016）。更直观的螺旋桨平衡定义是：向螺旋桨添加或移除配重，以实现质量围绕中心近乎均匀的分布。

图 1：向螺旋桨叶片添加配重，以实现均匀的质量分布

1.2 螺旋桨平衡标准

目前，螺旋桨平衡最常引用的标准是 ISO 21940-11:2016，“刚性转子的程序和公差”。

它取代了之前的标准 ISO 1940-1:2003，提供了更新的定义和更广泛的应用。

2016 年制定的新标准遵循一个简单的前提：当残余不平衡 U_res小于或等于预先定义的允许残余不平衡 U_per时，转子的不平衡程度（U）被认为是可接受的。

U_per 定义为质量中心平面内的总公差，并与转子的质量成比例：

U_per ∝ m

其测量单位为 kg·m（千克米）、g·mm（克毫米）、kg·mm（千克毫米）或 mg·mm（毫克毫米）。

U_per 与转子质量的比值称为 e_per，定义为允许的残余比不平衡：

e_per = U_per m

其测量单位为 kg·m/kg（千克米/千克）、m（米）、g·mm/kg（克毫米/千克）或 μm（微米），由于许多 e_per 值处于 0.1 μm 至 10 μm 之间，因此 μm 通常是首选单位。

对于仅具有合力不平衡（且力矩不平衡可忽略不计）的转子，e_per 是转子质量中心与轴线之间的距离。

据观察，e_per 通常与转子的运行速度 n 成反比：

e_per ∝ 1 n

对于 UAV 转子的平衡，可以将“运行速度”替换为“巡航转速”，即螺旋桨在巡航飞行期间运行的转速（RPM）。

这种关系也可以表示为：

e_per = c Ω

其中

Ω = 巡航速度的角速度，单位为 rad/s

c 是一个常数

换句话说，

Ω = 2πn 60

其中 n = 巡航转速，单位为每分钟转数。

ISO 21940-11:2016 规定了五种可用于确定允许残余不平衡量的方法： 

1. 平衡质量等级，源自对大量不同转子的长期实际经验
2. 允许残余不平衡的实验评估
3. 由不平衡引起的有限轴承力
4. 由不平衡引起的有限振动
5. 已确立的不平衡公差经验

方法 3 和 4 的目标分别是限制轴承力和振动。平衡质量公差由相应的轴承力和振动限制设定。

方法 2 和 5 最常用于已积累了大量特定转子平衡数据的组织，这些数据足以使其内部设定平衡质量公差。

方法 1 采用基于“全球经验和相似性考虑”的全球标准，为典型机械类型设定平衡质量要求。

根据方法 1，平衡质量等级的单位为“G”，相当于以 mm/s（毫米/秒）表示的 e_perΩ 的大小。也就是说，如果 e_perΩ = 6.3 mm/s，则平衡质量等级 = G 6.3，而这恰恰是 UAV 转子平衡最常引用的等级。

以下是常见机械类型的平衡质量等级汇总表：

1.3 螺旋桨不平衡的原因

许多变量都可能导致螺旋桨不平衡。 

累积应力是常规运行中导致螺旋桨不平衡的常见原因。制造过程中的微小缺陷可能会随着时间的推移而加剧，尤其是在长时间高转速运行之后。不平衡的螺旋桨会导致振动增加，进而可能导致部件松动、对中不良、出现裂纹及其他有害影响，形成正反馈循环，进一步恶化螺旋桨的平衡性。

碰撞或撞击地形造成的螺旋桨损坏也可能导致材料损失，从而造成螺旋桨不平衡。对于配备廉价螺旋桨的小型 UAV，通常更经济的做法是直接更换螺旋桨。对于配备昂贵螺旋桨的大型 UAV，重新平衡螺旋桨可能比更换螺旋桨更值得。尽管如此，对于任何尺寸的航空器，还必须考虑损坏对系统的更广泛影响，因为电机或其他部件也可能受损。

温度应力也可能导致某些类型的螺旋桨变形，例如尼龙和其他塑料螺旋桨。

图 2：受损的 UAV 螺旋桨叶片（Bayne，2022）

第 2 部分：螺旋桨不平衡的后果

2.0 背景

不平衡的螺旋桨会产生连锁反应，影响许多 UAV 系统。无论不平衡的原因是什么，高速旋转都会产生不对称性，并不断被放大，每分钟重复数千次。因此，即使是很小的平衡偏差，其影响也会很快波及到更广泛的推进系统、传感器和飞行器的稳定性。

以下是 UAV 中螺旋桨不平衡的一些最严重后果的总结。

2.1 振动

由不平衡螺旋桨高速旋转产生的振动，是本节讨论的许多后续问题的根本原因。多项先前研究表明，螺旋桨不平衡会导致各种类型航空器产生破坏稳定性的振动（Best，1945；Loeffler，1987；Fu，2018）。这种振动会导致各系统性能下降，从而造成推力损失、噪声增加、加速老化和飞行效率降低。

在多旋翼领域，多项研究已证实，螺旋桨不平衡与振动之间的因果关系同样适用于 UAV，采用的方法包括机载加速度计（Ghalamchi，2018）和转子传感器（Lin，2023）。其他研究则旨在利用非接触式方法推断振动和不平衡，例如噪声特征分析（Rangel-Magdaleno，2018）和激光振动测量（Kuantama，2019）。

这些研究帮助我们更好地理解螺旋桨不平衡与振动之间的关系，包括何时会引起担忧。

在 Kuantama（2019）的研究中，研究人员使用激光多普勒振动仪测量平衡和不平衡 UAV 螺旋桨的振动。研究人员将激光束聚焦在螺旋桨的三个区域：尖端、叶片中心和轮毂，以监测螺旋桨的动态运动并推算出振动速度。在实验之前，作者使用静态平衡系统对螺旋桨的两个区域进行平衡：叶片中心和轮毂。然后将螺旋桨安装在转子上，并以最高 7,000 RPM 的转速旋转。

图 3：Kuantama（2019）的激光振动仪测试装置

有趣的是，在更高转速下，与 13 英寸螺旋桨相比，14 英寸螺旋桨在平衡和不平衡型号之间的振动速度差异明显更大。在 5,000 RPM 时，不平衡的 13 英寸螺旋桨的振动速度比平衡螺旋桨高出 12% 或 0.4 m/s。相比之下，14 英寸不平衡螺旋桨与平衡螺旋桨之间的振动速度差异达到 33% 或 2.3 m/s 的增幅。作者指出，“在超过 4,000 RPM 时，振动速度急剧增加”。 

图 4：13 英寸螺旋桨（左）和 14 英寸螺旋桨（右）的振动速度（Kuantama，2019）

这些结果支持了此前的发现，即螺旋桨不平衡产生的振动在更高转速下影响更大，并且对配备更大螺旋桨的 UAV 可能造成更严重后果。

Salem 等人（2025）最近的一项研究旨在解决在动态环境中检测转子不平衡所面临的挑战，例如涉及风力紊流和环境噪声的情况。

研究人员通过松开螺旋桨上的一个叶片螺丝，在系统中引入不平衡。振动模式使用安装在 UAV 机身上的微机电系统（MEMS）传感器进行记录，记录的数据用于训练其多层感知器（MLP）神经网络模型，随后该模型被应用于测试数据集。

在研究结果中，他们指出，与平衡转子相比，失衡转子的振动剖面在三个轴（X、Y、Z）上都显示出明显更大的振动。偏差在X轴上最为显著，峰值超过2 g，但在Y轴和Z轴上观察到的不规则模式表明，失衡在整个系统中引起了次生振动。 

作者指出：“如果不对这些波动进行处理，它们不仅可能损害无人机的稳定性，还可能增加机械故障的风险。”

图5：a)平衡和b)失衡螺旋桨的振动加速度

他们的神经网络在测试数据集上能够实现0.9224的相关系数，这表明该模型可用于识别其他具有类似数据的推进系统中的特定失衡。

在无人机系统中，精确表征振动至关重要，因为它会影响到下文所述的因素。

2.2 推力损失

可以从数学上推断并从实验中证明，螺旋桨的推力产生会受到失衡叶片的不利影响。

从数学上讲，悬停推力（T）的关键变量之一是推力系数（C_T），而叶片几何形状是其主要影响因素之一（Rangel-Magdaleno, 2018）：

T = C_T ρ A_r r² n²

C_T = T ρ n² D⁴

其中C_T是推力系数，ρ是空气密度，A_r是转子盘面积，r是螺旋桨半径，n是角速度，D是螺旋桨直径。

Sedek（2018）和Mizui（2012）完成的研究已从实验上证实了这一现象。

Sedek（2018）的研究表明，占螺旋桨总质量5%的失衡会导致推力减少高达50%。新出的商用螺旋桨出现如此严重的故障的可能性极低，但受损的螺旋桨可能因材料损失而导致这种失衡。

图6：平衡和失衡螺旋桨的推力与转速关系（Sedek, 2018）

Mizui（2012）展示了一个更符合实际的情况，其中螺旋桨的失衡仅占螺旋桨总质量的1%多一点。在2800至5600 RPM的工作速度范围内，这种失衡导致推力减少了2%至8%。

图7：平衡和失衡螺旋桨的推力与转速关系（Mizui, 2012）

因此，操作人员会感受到推力降低或功耗增加，正如Rangel-Magdaleno等（2018）所证明的那样，该研究表明测试螺旋桨的功耗会随着失衡程度的增加而增加。团队使用声音信号表明，与失衡相关的频率对应于功耗最高的转速。

图8：平衡和失衡螺旋桨功耗的中位数、平均值和标准差（Rangel-Magdaleno）

2.3 噪声

直观上，人们会认为失衡螺旋桨产生的噪声比平衡螺旋桨更多。然而，对于不会显著阻碍无人机飞行的小失衡，结果却不一。

例如，在Pechan（2015）的研究中，作者观察到了相反的效果。研究测试了具有凸起、缺口叶片和质量失衡等各种缺陷的螺旋桨的噪声产生情况，并使其在3000至5500 RPM的各种转速下旋转。

在他们的大多数实验中，带有凸起或缺口的螺旋桨平均显示出与未受损螺旋桨相等或更高的噪声产生（LZmax）。

图9：受损（B1 - B5）、失衡（B6）和光滑螺旋桨的最大探测噪声水平（LZmax）

在通过打磨移除了一片叶片材料的失衡螺旋桨案例中，结果显示，在5000 RPM时，平衡螺旋桨实际上在更高频率上产生了更多噪声。 

图10：3000（左）和5000 RPM（右）时光滑和失衡螺旋桨的噪声频谱

作者没有说明从叶片上移除了多少材料，也没有指出在测试前是否对螺旋桨进行了平衡，因此很难判断如何解释这些发现。通过添加或移除材料而受损的螺旋桨也没有得到详细表征，而且它们本身可能就处于失衡状态。

作者讨论了纯音噪声和宽带噪声之间的区别，并将其区分如下：“纯音噪声与均匀流中叶片的空气动力学和运动学有关，……厚度、载荷和四极噪声。宽带噪声更为复杂，是由流体与叶片的各种部件之间的相互作用产生的”。纯音噪声水平代表了大部分的总噪声贡献，而宽带噪声仅占一小部分。他们指出，纯音噪声的主要贡献因素是厚度噪声，由螺旋桨叶片的厚度决定。

可以假设，通过打磨减小失衡螺旋桨叶片的厚度，可能会减少厚度噪声并降低纯音噪声的产生。

在Iannace（2019）的另一项研究中，研究人员使用配备四个双叶螺旋桨的四旋翼无人机在无响室中测量了螺旋桨噪声。研究比较了三种情况下的噪声：1) 未经修改的螺旋桨，2) 在其中一个螺旋桨的一个叶片上添加了纸胶带，3) 在其中一个螺旋桨的两个叶片上都添加了纸胶带。无人机、螺旋桨和纸胶带的质量未标明。

四个麦克风被放置在无人机周围的不同位置，并测量了线性声压级（dB）。有趣的是，在三种不同情况下测得的声音没有显著差异。配备四个平衡螺旋桨的无人机的平均声级实际上略高于（1.4 dB Lin）两个失衡情况。

图11：三种情况下的声压级（dB Lin）

尽管总噪声水平非常相似，但每种情况都有独特的噪声特征，作者的神经网络能够以超过97%的成功率将其区分。

Semke（2020）进行的第三项研究，旨在表征损伤如何影响无人机的加速度、声级和飞行性能。测试使用了一架配备四套不同螺旋桨的DJI Phantom 4 Pro，两套具有低噪声设计，另外两套具有标准设计。在每套中，从其中一个螺旋桨的尖端移除了1厘米的材料以引入失衡，而另一个则保持未经修改。

结果表明，对于两款标准叶片，失衡螺旋桨的噪声水平比未经修改的螺旋桨增加了4 dB，即78 dB与74 dB相比，增加了5%。相比之下，低噪声螺旋桨在受损和未受损情况之间几乎没有差异。

图12：配备未受损和受损螺旋桨的无人机的声压级（dB）

他们同样使用机载加速度计比较了飞行器的振动。结果与声学测量相呼应。所有飞行器都表现出振动增加，但低噪声螺旋桨无人机的增加不那么明显。

图13：配备未受损和受损螺旋桨的无人机之间的加速度增加

这些研究中的每一项都假定无人机的螺旋桨和电机在实验前都已很好地平衡。如果能进一步研究这些效应并加入以下内容，将会很有意义：1) 已知的螺旋桨质量，2) 已知的失衡质量或程度，3) 在实验前根据既定标准测量螺旋桨的平衡状态。 

在更大的无人机上进行这些研究也会很有意义。虽然Pechan（2015）测试了一个22英寸的Xoar螺旋桨，但另外两项研究使用的是小型四旋翼无人机。

这些研究的结论是，无人机螺旋桨的小失衡不太可能显著增加噪声产生，但大失衡可能会产生更多噪声，尤其是随着螺旋桨尺寸和转速的增加。

2.4 飞行控制器性能下降

失衡螺旋桨的影响之一是飞行稳定性降低，这需要机载飞行控制器采取纠正措施。这可能表现为补偿转矩输入以抵消扰动（Pose, 2024），或者进行持续快速调整以保持稳定（Vertiq, n.d.）。这些纠正会增加飞行控制器的功耗，从而降低无人机的效率和飞行时间。

一个关键例子是失衡对惯性测量单元（IMU）的影响，IMU负责测量姿态、加速度和角速度等关键参数。IMU对振动高度敏感，过度的振动载荷可能导致疲劳和断裂，从而导致微机电系统（MEMS）中的微梁和金属引线失效（Xu, 2024）。研究发现，这可能是由外部加速度频率与布线自然频率同步引起的，从而导致共振和应力集中（He, 2019）。另一项研究表明，微梁中的此类裂纹会降低陀螺仪的性能，从而影响MEMS传感器的读数（Larkin, 2020）。

机载传感器读数的下降通常发生在无人机发生灾难性故障之前。在Pose（2024）中，螺旋桨失衡引起的振动导致惯性测量出现极端噪声，造成姿态估计不精确，最终导致了几次坠机。

2.5 轴承加速磨损

螺旋桨失衡与振动之间的关系已被充分定义，振动与轴承退化之间的关系也是如此，尤其是在工业制造等较老的行业中。Li（2023）设计了一个测试台，用于研究滚珠轴承在振动激励下的行为。研究表明，这种激励会显著增加轴承的加速度和轴向轨迹，并降低轴承刚度，从而加速退化。

关于无人机振动与轴承寿命之间关系的大部分工作，都集中在轴承退化如何导致振动增加上。

在Banerjee（2023）中，NASA兰利研究中心的科研人员使用一架DJI S1000无人机，从实验上检测了具有受损轴承的飞行器的振动异常。他们开发了一种归一化的健康诊断特征，称为“振动异常指标（VAI）”，用于识别具有故障轴承的飞行中特有的振动特征。该指标采用唯一振动事件与非唯一事件的比例来对每个系统评分。

该诊断使他们能够区分完好和受损系统，完好系统显示VAI值为0.04（a）和0.08（b），受损系统显示为0.65（c）和0.84（d）。

图14：功率谱密度（PSD），作为完好（a, b）和受损（c, d）轴承系统中振动的指标

总结

失衡螺旋桨会引发性能退化的正反馈循环，缩短无人机的平均故障时间（MTTF）。失衡螺旋桨的高速旋转会产生过大振动，从而降低推力效率、增加噪声产生并提高功耗。这些振动会通过机身传播，导致轴承加速磨损、结构疲劳和传感器不准确，从而可能降低飞行稳定性。

如果不对其进行处理，这种自我强化的循环可能导致关键无人机部件过早失效。

第3部分：螺旋桨平衡技术

3.0 背景

为了减轻上一节所述的性能退化，必须解决根本原因：失衡螺旋桨。

许多现成的无人机都配备了预平衡转子，根据ISO标准，它们能够获得合格成绩。这些无人机的较小版本购买成本相对较低，更换零件也相当便宜。对于这些型号的失衡问题，操作人员很可能会直接更换螺旋桨。

有三种主要情况建议对螺旋桨进行平衡：
螺旋桨很大且更换成本高。
无人机是自行制造的。
螺旋桨与新式电机搭配使用。

第一种情况相当容易理解——如果无人机的螺旋桨更换成本高达数百或数千美元，那么尝试平衡和维修它们是值得的。

在第二种情况下，无人机制造商不依赖供应商的平衡，需要在生产或质量保证过程中进行内部平衡。

第三种情况反映了一个事实，即电机和螺旋桨理想情况下应该一起平衡，因为安装在失衡电机上的完美平衡螺旋桨仍然会导致更高的振动和后续退化。

在本白皮书中，我们将介绍两种平衡无人机螺旋桨的方法——静态平衡和动态平衡。静态平衡是在静止的螺旋桨上进行的，而动态平衡则针对旋转的螺旋桨。每种技术都有其优势和局限性，将在下文讨论。

3.1 静态平衡

静态平衡通常包括将螺旋桨安装在固定支架上，并调整螺旋桨叶片或轮毂，直到肉眼可见平衡。磁平衡器是静态平衡器中的一种热门选择，它利用相反的磁铁创建一个低摩擦的支点，螺旋桨可以在其周围旋转。

一旦安装好螺旋桨，用户就可以操纵螺旋桨来识别叶片和轮毂中的失衡，并添加或移除材料以尽量减少失衡。 

减少螺旋桨质量的常见方法包括打磨、修剪或钻小孔。添加材料的常见材料包括透明漆、胶水、指甲油、粘合带或小螺丝。

图15：磁性静态螺旋桨平衡器

3.1.1 优势

静态平衡有几个优势，在无人机不用于商业的情况下，它可能更合适。

例如，静态平衡设备往往比动态平衡设备更便宜，因此具有经济优势。它也很容易学习，几乎不需要专业技术知识，并且一旦完成设置，就可以相当快地进行。

3.1.2 局限性

对于商业无人机开发商和操作人员来说，静态平衡的局限性是显著的。

首先，该工作是手工完成的，因此测量结果远不如数字系统精确。此外，由于没有生成 G 值，因此也无法将其动平衡结果与 ISO 21940-11:2016 等标准进行比较。此外，某些类型的螺旋桨，如可折叠螺旋桨或具有 2 片以上叶片的螺旋桨，使用静态平衡仪进行平衡时更具挑战性。

3.2 动态平衡

动态平衡系统至少需要：1) 一个用于测量螺旋桨转速的传感器，以及 2) 一个用于测量振动的加速度计。一些系统使用高频位置测量代替加速度测量。

有人载航空市场上有几种可用的商业动态平衡解决方案，但没有一款是专门为无人机特性表征设计的。

鉴于这一需求，Tyto Robotics 开发了一套动态螺旋桨平衡系统，其中包括用于安装螺旋桨的硬件、用于记录测量数据的传感器，以及用于控制驱动系统和处理数据以得出必要修正值的软件。

以下是平衡过程的示意示例：

第 1 步：将螺旋桨安装在动力测试台架硬件上，并将转速传感器连接到测力单元。

图 16：带有螺旋桨和转速传感器的 Flight Stand 动态平衡测试台

第 2 步：在软件中输入旋翼的属性。这包括工作（巡航）转速、添加修正配重的位置距离，以及所需的平衡质量等级。

图 17：动态平衡仪软件的参数输入界面

第 3 步：进行初步试转，增加油门直到螺旋桨达到所示的工作转速。获取读数，然后让螺旋桨停止转动。

第 4 步：按照软件指示，以胶带、透明指甲油等形式添加校准配重。软件将提供所需的质量和叶片编号，以及在修正距离处添加配重的位置。

图 18：软件关于在校准运行中为螺旋桨添加配重的说明

第 5 步：进行校准运行，增加油门以达到工作转速。

图 19：动态平衡软件中的螺旋桨油门控制系统

第 6 步：按照软件指示，为螺旋桨添加最终修正配重。在此步骤添加的修正配重通常足以达到目标平衡等级。

图 20：最终屏幕显示最终质量等级在设定标准范围内

第 7 步：如果螺旋桨未达到目标平衡等级，则添加软件推荐的额外修正配重，并再次转动螺旋桨以验证平衡情况。

3.2.1 优势

对于专业无人机使用场景，动态平衡几乎总是首选方法，原因有以下几点。

首先，它的精度极高。当螺旋桨不平衡造成的后果如此严重时，拥有精确的平衡数据是绝对必要的。动态系统还提供 G 值，并遵循已发布的标准，这对于希望向客户或利益相关者展示合规性的无人机开发人员来说至关重要。

此外，使用自动化平衡系统，动态平衡很容易进行，并且完成得相对较快，每个螺旋桨仅需 5 分钟或更短时间。

最后，动态平衡系统不受叶片数量或螺旋桨类型的限制，可以平衡具有任意叶片数量的螺旋桨，包括单叶螺旋桨或电机等盘状物。

3.2.2 局限性

动态平衡螺旋桨需要一定的技术知识。例如，大多数动态平衡软件要求用户输入巡航转速和目标 G 平衡等级等变量。更重要的一点是，如何安全地安装和改装螺旋桨，在处理带电系统和旋转螺旋桨时确保安全。

此外，用于动态平衡的设备往往比静态设备更贵，因此需要更大的投资。

结论

螺旋桨不平衡对无人机的影响是深远的，会影响飞行稳定性、效率、传感器精度和组件寿命。即使是轻微的不平衡也会导致过度振动，进而可能导致推力损失、功耗增加、轴承加速磨损、结构疲劳以及飞行控制器性能下降。如果不加以解决，这些问题会导致平均故障时间（MTTF）缩短、可靠性降低和运营成本增加。

动态螺旋桨平衡为减轻这些风险提供了一种实用且高度有效的方法。与仅提供基本质量修正的静态平衡不同，动态平衡可以在螺旋桨旋转时精确检测并修正不平衡，确保高精度并符合 ISO 21940-11:2016 等行业标准。这一过程从源头上减少了振动，从而带来更平稳的飞行、更高的效率和更长的组件使用寿命。

对于追求最佳性能、降低维护成本和提高安全性的无人机制造商和运营商来说，将动态平衡作为标准做法实施是向前迈出的关键一步。通过采用这种方法，无人机系统可以以峰值效率运行，确保更高的可靠性、更低的噪声排放和更长的使用寿命。

参考文献

• Abdullah Salem BTS, Abdullah MN, Mustapha F, Kanirai NSA, Mustapha M. Vibration Analysis Using Multi-Layer Perceptron Neural Networks for Rotor Imbalance Detection in Quadrotor UAV. Drones. 2025; 9(2):102. https://doi.org/10.3390/drones9020102
• Banerjee, P., Okolo, W. A., & Moore, A. J. (2020). In-flight detection of vibration anomalies in unmanned aerial vehicles. Journal of Nondestructive Evaluation, Diagnostics and Prognostics of Engineering Systems, 3(4), 041105. https://ntrs.nasa.gov/api/citations/20205001055/downloads/JNDE_PB_WO_AM_VibrationAnomaly.pdf
• Bayne, D. (2022, May 28). When to change drone props? [https://www.droneblog.com/when-to-change-drone-props/].
• Best, S. G. (1945). Propeller Balancing Problems. SAE Transactions, 53, 648–659. http://www.jstor.org/stable/44467824
• Capriglione D, Carratù M, Catelani M, et al. Experimental analysis of IMU under vibration. In: Proceedings of the 16th IMEKO TC10 Conference: Testing, Diagnostics & Inspection as a Comprehensive Value Chain for Quality & Safety; September 3-4, 2019; Berlin, Germany. https://www.imeko.org/publications/tc10-2019/IMEKO-TC10-2019-002.pdf
• Fu P, Qiu B, Ding C, Shi B, Zhang Y. Experimental Study of Unbalanced Multiple Propeller Shaft. SAE Technical Paper 2018-01-1398. 2018. https://doi:10.4271/2018-01-1398
• Ghalamchi, B., & Mueller, M. (2018). Vibration-based propeller fault diagnosis for multicopters. 2018 IEEE International Conference on Robotics and Automation (ICRA), 2369–2374. https://doi.org/10.1109/ICRA.2018.8460660
• Iannace, G., Ciaburro, G., & Trematerra, A. (2019). Fault diagnosis for UAV blades using artificial neural network. Robotics, 8(3), 59. https://doi.org/10.3390/robotics8030059
• International Organization for Standardization. (2016). Mechanical vibration — Rotor balancing — Part 11: Procedures and tolerances for rotors with rigid behaviour (ISO 21940-11:2016). ISO. https://www.iso.org/standard/64908.html
• Kuantama, E., Moldovan, O. G., Ţarcă, I., Vesselényi, T., & Ţarcă, R. (2019). Analysis of quadcopter propeller vibration based on laser vibrometer. Journal of Low Frequency Noise Vibration and Active Control, 40(1), 239-251. https://doi.org/10.1177/1461348419866292
• Larkin K, Ghommem M, Hunter A, Abdelkefi A. Nonlinear modeling and performance analysis of cracked beam microgyroscopes. Int J Mech Sci. 2020;188:105965. https://doi:10.1016/j.ijmecsci.2020.105965
• Li, N., Zhang, J., & Wang, Y. (2023). Dynamic response and failure analysis of bearing under the impact of vibration excitation. Engineering Failure Analysis, 154, 107640. https://www.sciencedirect.com/science/article/abs/pii/S1350630723005940
• Lin, Y., Li, C., Huang, S., Shi, D., Deng, R., Feng, G., & Gu, F. (2023). Experimental investigation on the propeller imbalance detection via on-rotor sensing vibration for industrial drone. In Proceedings of TEPEN 2022 (pp. 1079–1087). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-26193-0_94
• Loeffler, I. J. (1987). Structureborne noise control in advanced turboprop aircraft (NASA Technical Memorandum 88947). National Aeronautics and Space Administration. https://ntrs.nasa.gov/api/citations/19870007154/downloads/19870007154.pdf
• Mizui, M., Yamamoto, I., & Ohsawa, R. (2012). Effects of propeller-balance on sensors in small–scale unmanned aerial vehicle. IOSR Journal of Engineering, 2(8), 23–27. https://iosrjen.org/Papers/vol2_issue8%20%28part-6%29/E0282327.pdf
• Pechan, T., & Sescu, A. (2015). Experimental study of noise emitted by propeller's surface imperfections. Applied Acoustics, 92, 12–18. https://doi.org/10.1016/j.apacoust.2014.12.011
• Pose, C., Giribet, J., & Torre, G. (2024). Propeller damage detection, classification and estimation in multirotor vehicles. arXiv. https://doi.org/10.48550/arXiv.2410.05447
• Rangel-Magdaleno, J. J., Ureña-Ureña, J., Hernández, A., & Pérez-Rubio, C. (2018). Detection of unbalanced blade on UAV by means of audio signal. In 2018 IEEE International Autumn Meeting on Power, Electronics and Computing (ROPEC) (pp. 1–6). IEEE. https://doi.org/10.1109/ROPEC.2018.8661459
• Sedek, Z. B. (2018). Measurement of dynamic thrust produced by imbalance propeller (Bachelor's project report). School of Mechanical Engineering, Universiti Teknologi Malaysia. https://people.utm.my/mnazri/wp-content/uploads/sites/932/2020/02/Draft-report-zunur-1.pdf
• Semke, W. H., Zahui, D.-K., & Schwalb, J. (2021). The vibration and acoustic effects of prop design and unbalance on small unmanned aircraft. In Sensors and Instrumentation, Aircraft/Aerospace, Energy Harvesting & Dynamic Environments Testing, Volume 7 (pp. 9–16). Springer International Publishing. https://doi.org/10.1007/978-3-030-47713-4_2
• Vertiq. (n.d.). Understanding and addressing flight controller and motor vibrations. In Vertiq API and Usage 0.12.0 documentation. Retrieved from https://iqmotion.readthedocs.io/en/latest/tutorials/vibration_and_jittering.html
• Xu Y, Liu S, He C, et al. Reliability of MEMS inertial devices in mechanical and thermal environments: A review. Heliyon. 2024;10(5):e27481. https://doi:10.1016/j.heliyon.2024.e27481