基于結構分析法的故障診斷理論及其應用研究?

陳 奇，姚志剛， Qadeer Ahmed，張 振，賀良國

基于結構分析法的故障診斷理論及其應用研究?

陳 奇1，姚志剛1， Qadeer Ahmed2，張 振1，賀良國1

(1.合肥工業大學機械工程學院，合肥 230009； 2.美國俄亥俄州立大學汽車研究中心，美國哥倫布 43212)

為最大化系統的故障診斷能力，快速實現故障診斷系統設計，應用了基于結構分析法(SA)的故障診斷理論，其主要步驟為：利用失效模式與影響分析(FMEA)獲得系統的關鍵故障，建立其故障模型；通過DM分解和FIM分析，進行系統的故障可檢測性和故障可隔離性評估；結合最小型超定方程集(MSO sets)，并基于解析冗余關系(ARR)和觀測器的參數評估方法，實現系統的殘差設計。最后以一款AMT換擋執行器為例，利用SA方法對其進行故障診斷能力分析和FDI系統設計，并在MATLAB/Simulink中對FDI系統進行仿真，驗證其有效性。

AMT換擋執行器；故障診斷；結構分析；DM分解；FIM分析

前言

隨著汽車工業的快速發展，汽車故障診斷技術已成為汽車工業發展的重要組成部分。故障診斷的主要任務有故障檢測、故障隔離和故障的評價與決策[1]。故障診斷方法分為3大類[2]，分別為基于模型的故障診斷、基于信號處理的故障診斷和基于知識的故障診斷。

根據殘差產生形式的不同，基于模型的故障診斷方法[3]又可細分為參數估計法[4-6]、狀態估計法[7-11]和等價空間法[12-15]。但這3種方法缺少故障診斷能力的評估，很難獲得最大化的故障診斷能力；同時，在進行殘差設計時，設計算法繁瑣、效率較低。以上不足將導致故障診斷效率低，故障誤診和漏診。

近年來，國外學者提出了一種故障診斷新方法——結構分析法(structural analysis，SA)，該方法不依賴于具體的數值參數，只取決于系統的結構模型，能快速地分析復雜系統中的故障可診斷性和可隔離性，設計算法簡單，可有效提高故障診斷效率，避免故障誤診、漏診。有關結構分析法(SA)的主要研究有：1989年文獻[16]中首次提出結構分析法的概念；1994年文獻[17]中對結構分析法中Dulmage-Mendelsohn(DM)分解技術進行了研究；1997年文獻[18]中應用結構分析法對非線性系統進行故障冗余分析；2000年文獻[19]中基于結構分析法進行了故障容錯控制系統設計；2002年文獻[20]和文獻[21]中對結構分析法進行了詳細論述，并給出了應用實例；2003年文獻[22]中對結構分析法的可隔離性(fault isolability，FI)分析理論進行了較大改進；2006年文獻[23]中對伺服閥系統進行故障診斷性分析；2008年文獻[24]中提出一種有效獲得最小型超定方程集(minimal structurally over-determined sets，MSO sets)的有效計算策略；2010年文獻[25]中在基于模型的故障診斷中，使用含有混合因果關系的計算序列產生故障診斷的殘差，并運用于汽車系統；2013年文獻[26]中提出基于模型的殘差生成的方法和數據驅動的殘差統計評價方法，并運用于汽車發動機的故障診斷和隔離；2014年文獻[27]中提出一種可實現連續殘差設計的方法，可有效提高故障診斷檢測和隔離的效率，并在混合動力汽車中進行驗證；2015年文獻[28]中利用結構分析法，推導出一套用于故障檢測和隔離的解析冗余關系，用于電動汽車的故障診斷。2016年文獻[29]中應用結構分析法對一款變速器的傳動系統進行了故障診斷系統設計。

本文中將介紹結構分析法的故障診斷理論，并以一款AMT換擋執行器故障診斷為例闡述具體應用方法：首先，通過失效模式及影響分析(failure modes and effects analysis，FMEA)獲得其關鍵故障，引入故障變量，建立換擋執行器的故障模型；其次，利用DM分解和故障隔離矩陣(fault isolation matrix，FIM)對換擋執行器進行故障可檢測性和隔離性分析，通過增加變速桿位移傳感器和電流傳感器可實現關鍵故障的最大可檢測性與可隔離性；然后，確定結構最小型超定方程集(MSO sets)用于產生殘差；接著，利用解析冗余關系(analytical redundant relation，ARR)和基于觀測器參數評估的方法，設計4個具有穩定性的殘差；最后，選取合適的固定值作為殘差的閾值，在MATLAB/Simulink仿真環境中進行殘差驗證，測試和校驗故障與隔離(fault detection and isolation，FDI)系統設計的有效性。

1 結構分析法理論簡介

1.1 結構分析法

結構分析法(SA)是一種新型的故障診斷方法，屬于基于模型的故障診斷方法。它是一種利用圖形工具，實現系統的故障可檢測性和可隔離性能力評估，并可構建結構最小型超定方程集(MSO sets)，用于殘差設計，實現故障的檢測和隔離；同時也可用于容錯控制的可重構性分析；也可進行傳感器的布置方案設計，實現最優化的故障可隔離性和可檢測性[30-31]。

1.2 結構分析法(SA)應用步驟

結構分析法的應用可歸納為如下6個步驟：

(1)關鍵故障獲取 通過對系統的結構分析后，利用FMEA歸納總結系統各部件的故障模式、故障引起的影響和故障產生的原因，并對各個故障進行風險優先級順序評估，獲取系統的關鍵故障；

(2)故障模型創建 根據已獲得的關鍵故障種類和特征引入關鍵故障變量，將關鍵故障變量與系統數學模型融合建立系統的故障模型，并獲得系統的結構表征圖(structural representation)；

(3)故障分析 利用DM分解、故障隔離矩陣等方法，分析故障的可檢測性(fault detectability，FD)和可隔離性分析；

(4)結構最小型超定方程集生成 重復使用DM分解，分析系統的結構超定部分，確定結構最小型超定方程集，用于序列殘差(residual)的生成；

(5)殘差設計 利用解析冗余關系和觀測器參數評估方法，進行序列殘差設計；

(6)診斷策略確定 根據序列殘差的特性，選取合適的結構最小型超定方程集，設計合適的閾值，確定診斷策略。

具體過程如圖1所示。

2 實例應用

機械式自動變速器(AMT)是在MT變速器基礎上，利用換擋執行機構代替人工換擋，實現自動換擋的一種變速器。換擋執行器是保證AMT正確換擋的重要組成部件，如果其發生故障，將會造成AMT無法正常換擋。

圖1 結構分析法的使用步驟

圖2 為線性執行機構的結構圖，主要由電機、輪系、進給絲桿、推拉繩和兩個轉動桿構成。電機動力由這些部件傳至換擋手柄實現換擋。AMT中有兩個線性執行器，由于這兩個線性執行器的結構完全相同，所以本文中取其中一個線性執行器作為研究對象。

圖2 AMT線性執行機構結構圖

2.1 線性執行器故障模型

由文獻[32]可知，通過對換擋執行器進行故障模式和影響分析，可獲取換擋執行器的關鍵故障，如表1所示。

表1 線性執行器的關鍵故障

將上述關鍵故障參數化后，并引入到換擋執行器的數學模型中，即可建立換擋執行器的故障模型：

式中：e1，e2，e3和 e4分別代表方程 1、方程 2、方程 3和方程4，下同；其他量含義如表2所示。

表2 符號含義及其單位

2.2 線性執行器結構表征圖

結構表征圖是一種能夠表達系統結構的二分圖[33]。將式(1)故障模型中的變量分為3類：未知變量{ia1，θm1，TL1，ST1}、已知變量{ea1，Fs1}和故障變量{fRa1，fKC1，fFS1}，即可得到線性執行器的結構表征圖，如圖3所示。圖中，“×”表示等式ei與對應的變量存在關聯關系。

2.3 DM分解

DM分解是一種將一個形似上三角形式的稀疏矩陣進行列和行重新排列的數學工具，并可將系統模型分為3個不同的區域[34]，如圖4所示。

(1)結構欠定部分M-，即未知變量的數目多于方程數；

圖3 換擋執行器的結構表征圖

(2)結構正定部分M0，即未知變量的數目等于方程數；

(3)結構超定部分M+，即未知變量的數目少于方程數。

圖4 DM分解區域

由文獻[35]可知，如果方程中的故障f位于結構超定部分M+，即ef∈M+，則說明該故障f是可檢測的。

圖5 AMT線性執行機構DM分解圖

圖5 給出了換擋執行器的故障模型的DM分解圖，結果顯示當換擋執行器中在沒有傳感器時，所有的關鍵故障都不可檢測，因為此模型經DM分解后，沒有結構超定部分。

2.3.1 故障可檢測性(FD)分析

為使所有的關鍵故障都能被檢測到，須在換擋執行器中增加傳感器。式(2)和式(3)分別給出了增加電機輸出軸處的角位移傳感器(θm1)和換擋撥叉桿位置的位移傳感器(ST1)后的故障模型。

式中：fST1和 fθm1為傳感器故障變量；yST1和 yθm1為測量值。

對式(2)和式(3)的故障模型分別進行DM分解，結果如圖6所示。

圖6 增加不同傳感器的DM分解圖

由圖6可見，增加位移傳感器(ST1)的結果較角位移傳感器(θm1)好，因為前者可檢測出所有的故障，而后者不能檢測出推拉繩故障(fKC1)。

2.3.2 故障可隔離性(FI)分析

故障隔離性(fault isolability，FI)指當該故障發生時，能否將其從其他故障中辨析和隔離出來。由文獻[35]可知，在一個系統模型M中，若故障fi和fj滿足式(4)的關系，則故障fi就能從故障fj中隔離出來。

式中：efi和 efj分別為含有故障 fi和 fj的方程；(M/{efj})+為消去方程efj的結構超定部分。

根據FI定義，可得到故障隔離矩陣(fault isolability matrix，FIM)，它可直觀地反映出各故障的可隔離性。

由前面分析可知，增加位移傳感器(ST1)能使所有故障可檢測，圖7(a)給出了此情況下的FIM矩陣，可知所有的故障不可隔離。

圖7 不同傳感器的故障隔離矩陣(FIM)

圖7 中的“?”表示水平方向上的故障與豎直方向上故障之間的關聯關系：若一個故障只與自身存在相關關系，此故障是可隔離的，如圖7(b)中的故障fRa1，fFs1和fia1；若一個故障與其他故障存在相關關系，則故障是不可完全隔離的，如圖7(b)中的故障fKC1和fST1。兩者雖可從其他故障中隔離出來，但彼此不能互相隔離。

為使故障隔離性最大化，需要布置更多的傳感器。經過分析，通過布置電流傳感器(ia1)，可獲得最大化的故障隔離性，其故障模型為

2.4 結構最小型超定方程集(MSO sets)

為了生成序列殘差，用于FDI系統設計，首先要確定結構最小型超定方程集。利用文獻[36]的理論，可獲得4個結構最小型超定方程集，如表3所示。表中e1～e6為式(5)中的方程。

表3 結構最小型超定方程集和最小測試集

根據結構分析(SA)理論，上述結構最小型超定方程集可用于產生4個獨立的殘差，并可檢測不同的故障，如表3所示。其中，符號“√”表示故障是可檢測的，空白處表示故障不能檢測。例如，殘差r1能檢測 4 個故障(fFS1，fKC1，fia1，fST1)，但是不能檢測fRa1。

2.5 殘差設計

2.5.1 殘差r1

由表3可得，方程集 M1由 5個方程{e2，e3，e4，e5，e6}組成，用于產生殘差r1。由于方程集M1僅有方程e2含有微分項，因此利用方程e2產生一個解析冗余關系(ARR)：

由文獻[37]和文獻[38]可知，解析冗余關系可用于產生殘差，根據式(7)可計算出殘差r1：

式中p為微分算子。根據控制理論，為了保證系統的穩定性，β＞0，且(p+β)的指數應不小于式(7)左邊微分變量的最高階數。

取狀態變量即可獲得殘差r1的狀態空間表示形式：

2.5.2 殘差r2

由表3可得，方程集 M2由4個方程{e1，e3，e5，e6}組成，用于產生殘差r2。利用產生殘差r1相同的方法，即可得到一個解析冗余關系：

根據式(10)可計算出殘差r2：

式中p為微分算子，β＞0可保證系統的穩定性。殘差r2的狀態空間表示形式為

2.5.3 殘差r3

由表3可得，方程集 M3由4個方程{e1，e2，e4，e5}組成，用于產生殘差r3。由于方程集M3中e1和e2兩個都含有微分項，不能直接采用基于ARR的殘差設計方法，在此將采用標準的觀察器方法來設計殘差r3。 將e4代入e1和e2，M3變為

取狀態變量X3＝(x1，x2)＝(ia1，θ.m1)，通過推導可獲得殘差r3的狀態空間表示形式：

2.5.4 殘差r4

由表3可得，方程集 M4由 5個方程{e1，e2，e3，e4，e6}組成，用于產生殘差r4。利用產生殘差r3相同的方法，即可獲得殘差r4。取狀態變量x＝(x1，x2，x3)＝(ia1，θ.m1，θm1)，通過推導可獲得殘差r4的狀態空間表示形式：

2.6 FDI系統仿真與校驗

為了驗證上述基于SA方法的故障可檢測和可隔離分析結果的正確性，利用上述4個殘差進行FDI系統設計，并對其進行模擬仿真與校驗。圖8給出了FDI系統模型原理圖。

在MATLAB中建立換擋執行器的系統模型后，將系統模型中的相關信號引入到FDI系統中，并設置人為故障，檢測FDI系統的有效性。圖9顯示無故障時，AMT某一路況下的換擋情況。

為了校驗FDI系統，人為設置一系列故障，如表4所示，包括故障類型、發生時間和擋位狀態。

圖8 FDI系統模型原理圖

圖9 無故障時換擋過程情況

表4 故障模擬

在人為設置故障后，對系統模型進行仿真，即可獲得FDI系統中4個殘差的信號輸出情況，如圖10～圖13所示。為了快速評估FDI系統，選擇固定值作為殘差的閾值，通過判斷殘差的值是否超過對應的閾值，作為是否發生故障的判斷條件。

圖10 殘差 r1 可檢測故障 fFS1，fKC1，f ST1，fia1

圖11 殘差 r2 可檢測故障 f Ra1，fKC1，f ST1，fia1

圖12 殘差r3可檢測故障fRa1，f FS1，fia1

圖13 殘差 r4 可檢測故障 f Ra1，fFS1，fKC1，f ST1

由圖10可見，殘差 r1在 10，31，98和 113s處可檢測到故障，而在0處不能檢測故障，即殘差r1可檢測故障 fFS1，fKC1，fST1，fia1，不能檢測 fRa1；由圖 11可見，殘差r2在0，31，98和113s處可檢測到故障，而在10s處不能檢測故障，即殘差r2可檢測故障fRa1，fKC1，fST1，fia1，不能檢測 fFS1；由圖 12 可見，殘差r3在0，10和113s處可檢測到故障，而在31和98s處不能檢測故障，即殘差r3可檢測故障 fRa1，fFS1，fia1，不能檢測 fKC1，fST1；由圖 13 可見，殘差 r4在 0，10，31和98s處可檢測到故障，而在113s處不能檢測故障，即殘差 r4可檢測故障 fRa1，fFS1，fKC1，fST1，不能檢測fia1。

表5顯示了4個殘差的故障檢測結果。

表5 4個殘差的檢測結果

由表5可見，FDI系統的故障檢測結果與表3的分析結果一致，因此說明了基于SA的故障診斷方法有效、可行。

3 結論

(1)引入了結構分析法，闡述了其具體主要操作步驟，其中重要的4個方面為：故障模型的建立、DM分解、最小型超定方程集(MSO sets)的獲取和序列殘差的設計。

(2)應用了結構分析法故障診斷理論，進行AMT換擋執行器的故障診斷分析，獲得了布置不同傳感器的FD與FI能力對比；設計了AMT換擋執行器的故障檢測與隔離(FDI)系統，通過仿真分析，對FDI系統進行了仿真和校驗，證實了結構分析方法的有效性。

(3)完成了基于結構分析法的AMT換擋執行器故障診斷分析和仿真校驗，結果表明：通過增加變速桿位移傳感器和電流傳感器，可實現故障可檢測性與可隔離性能力最大化，即AMT線性執行器中的所有5個關鍵故障都可檢測，其中有3個故障可完全隔離，另外2個故障可與其他3個故障隔離，但不能完全隔離。

[1] 陳玉東，施頌椒，翁正新.動態系統的故障診斷方法綜述[J].化工自動化及儀表，2001，28(3)：1-14.

[2] FRANK P M.Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy：a survey and some new results[J].Automatica，1990，26(3)：459-474.

[3] 周東華，王桂增.故障診斷技術綜述[J].化工自動化及儀表，1998，25(1)：58-62.

[4] MA?GA M， RAMDANI N， TRAVé-MASSUYèS L.Robust fault detection in hybrid systems using set-membership parameter estimation[J].IFAC-PapersOnLine，2015，48(21)：296-301.

[5] 康維國，蔣東翔.基于擴展卡爾曼濾波的燃氣輪機性能參數估計與故障診斷[J].熱能動力工程，2015，30(5)：702-707.

[6] 于勁松，沈琳，唐荻音，等.基于貝葉斯網絡的故障診斷系統性能評價[J].北京航空航天大學學報，2016，42(1)：35-40.

[7] MEZIANE H，LABARRE C，LEFTERIU S，et al.Fault detection and isolation for a multi-cellular converter based on sliding mode observer[J].IFAC-PapersOnLine，2015，48(21)：164-170.

[8] BALLESTEROS-MONCADA H， HERRERA-LóPEZ E J， ANZUREZ-MARíN J.Fuzzy model-based observers for fault detection in CSTR[J].ISA Transactions，2015，59(325-333).

[9] LI L，DING S X，YANG Y，et al.Robust fuzzy observer-based fault detection for nonlinear systems with disturbances[J].Neurocomputing，2016，174：767-772.

[10] 朱紀洪，和陽，黃志毅.舵機特征模型及其故障檢測方法[J].航空學報，2015，36(2)：640-650.

[11] 胡志坤，孫巖，姜斌，等.一種基于最優未知輸入觀測器的故障診斷方法[J].自動化學報，2013，39(8)：1225-1230.

[12] HWANG W，HUH K.Fault detection and estimation for electromechanical brake systems using parity space approach[J].Journal of Dynamic Systems Measurement＆ Control，2014，137(1)：1-7.

[13] PUIG V，BLESA J.Limnimeter and rain gauge FDI in sewer networks using an interval parity equations based detection approach and an enhanced isolation scheme[J].Control Engineering Practice，2013，21(2)：146-170.

[14] ZAKHAROV A， TIKKALA V M， J?MS?-JOUNELA S L.Fault detection and diagnosis approach based on nonlinear parity equations and its application to leakages and blockages in the drying section of a board machine[J].Journal of Process Control，2013，23(9)：1380-193.

[15] 劉劍慰.基于模型的飛行控制系統故障診斷方法研究[D].南京：南京航空航天大學，2014.

[16] STAROSWIECKI M，DECLERCK P.Analytical redundancy in non linear interconnected systems by means of structural analysis[J].IFAC Proceedings Volumes，1989，22(6)：51-55.

[17] STAROSWIECKI M，DECLERCK P.Structural decomposition of large scale systems for the design of failure detection and isolation procedures[J].Systems Science，1994，20(1)：31-42.

[18] CASSAR J P，STAROSWIECKI M.A structural approach for the design of failure detection and identification systems[J].IFAC Proceedings Volumes，1997，30(6)：841-846.

[19] IZADI-ZAMANABADI R，STAROSWIECKIM.A structural analysis method formulation for fault-tolerant control system design[C].Decision and Control，2000.Proceedings of the 39th IEEE Conference on.IEEE，2000，5：4901-4902.

[20] KRYSANDER M，NYBERG M.Fault diagnosis utilizing structural analysis[R].CCSSE， Norrk?ping， Sweden，2002.

[21] KRYSANDER M，NYBERG M.Structural analysis for fault diagnosis of DAE systems utilizing MSS sets[J].IFAC Proceedings Volumes，2002，35(1)：143-148.

[22] FRISK E， Dü?TEG?R D， KRYSANDER M， et al.Improving fault isolability properties by structural analysis of faulty behavior models：application to the DAMADICS benchmark problem[J].IFAC Proceedings Volumes，2003，36(5)：1107-1112.

[23] Dü?TEG?R D， FRISK E， COCQUEMPOT V， et al.Structural analysis of fault isolability in the DAMADICS benchmark[J].Control Engineering Practice，2006，14(6)：597-608.

[24] KRYSANDER M， ?SLUND J， NYBERG M.An efficient algorithm for finding minimal overconstrained subsystems for modelbased diagnosis[J].IEEE Transactions on Systems， Man， and Cybernetics-Part A： Systems and Humans，2008，38(1)：197-206.

[25] SV?RD C， NYBERG M.Residual generators for fault diagnosis using computation sequences with mixed causality applied to automotive systems[J].IEEE Transactions on Systems Man and Cybernetics-Part A Systems and Humans，2010，40(6)：1310-1328.

[26] SV?RDC，NYBERGM，FRISK E，et al.Automotive engine FDI by application of an automated model-based and data-driven design methodology[J].Control Engineering Practice， 2013， 21(4)：455-472.

[27] SUNDSTROM C，FRISK E，NIELSEN L.Selecting and utilizing sequential residual generators in FDI applied to hybrid vehicles[J].IEEE Transactions on Systems Man＆ Cybernetics：Systems，2014，44(2)：172-185.

[28] ZHANG J，RIZZONI G.Functional safety of electrified vehicles through model-based fault diagnosis[J].IFAC-PapersOnLine，2015，48(15)：454-461.

[29] CHEN Q，AHMED Q，RIZZONI G，et al.Design and evaluation of model-based health monitoring scheme for automated manual transmission[J].Journal of Dynamic Systems， Measurement， and Control，2016，138(10)：1-10.

[30] MAQUIN D，LUONG M，RAGOT J.Fault detection and isolation and sensor network design[J].Journal Européen Des Systèmes Automatisés，1997，31(2)：393-406.

[31] COMMAULT C，DION J M，SENAME O，et al.Observer-based fault detection and isolation for structured systems[J].IEEE Transactions on Automatic Control，2002，47(12)：2074-2079.

[32] CHEN Q，AHMED Q，RIZZONIG.Sensor placement analysis for fault detectability and isolability of an automated manual transmission[C].ASME 2014 Dynamic Systems and Control Conference.American Society of Mechanical Engineers，2014.

[33] SVARD C，NYBERG M.Residual generators for fault diagnosis using computation sequences with mixed causality applied to automotive systems[J].IEEE Transactions on Systems Man and Cybernetics-Part A Systems and Humans，2010，40(6)：1310-1328.

[34] DULMAGE A L，MENDELSOHN N S.Coverings of bipartite graphs[J].Canadian Journal of Mathematics，1958，10(517-534).

[35] KRYSANDER M，FRISK E.Sensor placement for fault diagnosis[J].IEEE Transactions on Systems Man and Cybernetics Part A：Systems ＆ Humans，2008，38(6)：1398-1410.

[36] KRYSANDER M，NYBERG M.An efficient algorithm for finding over-constrained subsystems for construction of diagnostic tests[C].16th International Workshop on Principles of Diagnosis DX-05，2005.

[37] FRISK E，NYBERG M.A minimal polynomial basis solution to residual generation for fault diagnosis in linear systems[J].Automatica，2001，37(9)：1417-1424.

[38] NYBERG M，FRISK E.Residual generation for fault diagnosis of systems described by linear differential-algebraic equations[J].IEEE Transactions on Automatic Control，2006，51(12)：1995-2000.

A Research on Structural Analysis-based Fault Diagnosis Theory and Its Application

Chen Qi1， Yao Zhigang1， Qadeer Ahmed2， Zhang Zhen1＆ He Liangguo1

1.School of Mechanical Engineering， Hefei University of Technology， Hefei 230009；2.Center of Automotive Research， The Ohio State University， Columbus， USA 43212

In order to maximize the fault diagnosis capability of system and rapidly design fault diagnosis system，the theory of fault diagnosis based on structural analysis(SA)is applied.Its main procedures are as follows： firstly， the key faults of system are detected by the techniques of failure modes and effects analysis(FMEA)with its fault model established.Secondly，the fault detectability(FD)and fault isolability(FI)of system are evaluated by using Dulmage-Mendelsohn(DM)decomposition and fault isolation matrix(FIM)analysis.Thirdly，combined with minimal structurally over-determined(MSO)sets，the residual design of system is fulfilled based on analytical redundant relation(ARR)and observer-based parameter evaluation techniques.Finally，with the shifting actuator of an automated mechanical transmission(AMT)as an example，an analysis on its fault diagnosis ability and the design of fault detection and isolation(FDI)system are conducted by using SA technique，and a simulation is performed on FDI system with MATLAB/Simulink and the effectiveness of the method adopted is validated.

AMT shifting actuator； fault diagnosis； structural analysis； Dulmage-Mendelsohn decomposition；fault isolability matrix analysis

10.19562/j.chinasae.qcgc.2017.11.018

?國家自然科學基金(51675151和51405127)資助。

原稿收到日期為2016年12月1日，修改稿收到日期為2017年7月17日。

陳奇，副教授，E-mail：sencq＠ 163.com。