Simulink搭建电机驱动故障诊断与容错控制仿真平台实战

前阵子有做电驱控制的朋友问我，Simulink这种图形化仿真工具，到底能不能正经做故障诊断研究。我说不仅能做，而且是我个人最推荐的验证平台之一。一套带故障检测与隔离（FDI）和容错控制（FTC）的电动汽车电机驱动系统模型，本质上就是你在电脑里搭了一座可以反复“搞破坏”的试验台：电流传感器增益漂了、位置传感器跳变、IGBT开路，各种故障都可以按计划注入进去，观察诊断算法能不能及时察觉、准确定位，以及容错策略能不能把手感给救回来。

这篇博文就围绕这个场景，写清楚我在Simulink里从零搭建电机驱动系统故障诊断与容错控制平台的完整思路和实操过程。里面的模型选型、参数计算、残差设计、阈值整定、状态机逻辑，都是我自己反复调过、踩过坑之后沉淀下来的。适合正在做电驱动系统故障诊断方向的研究生、刚接触Simulink仿真的工程师，以及所有想搞明白“FDI和FTC到底怎么落到代码和模型上”的人。

1. 场景需求与整体构建思路

1.1 为什么拿电机驱动系统开刀

电动汽车电机驱动系统是整车的动力心脏，而这一类系统的故障又非常典型：旋变传感器可能因为振动出现角度跳变，电流传感器可能因为温度漂移产生偏置或增益变化，逆变器的功率开关管可能因为过热或驱动异常发生开路。这几类故障如果不及时处理，轻则影响输出转矩品质，重则直接导致动力中断甚至损坏电机。

之所以把电机驱动系统作为Simulink仿真的场景，是因为它结构清晰、物理规律明确，又覆盖了故障诊断里最有代表性的几类问题：传感器故障、执行器故障、信号突变、缓变漂移。而且电机驱动系统的数学模型相对成熟，从PMSM的dq方程到逆变器的开关模型都有现成理论支撑，方便我们在Simulink里以“半物理半信号”的方式搭建，既不会像纯数学仿真那样过于抽象，又不会像全物理场仿真那样重到跑不动。

另外，电机驱动系统的FDI和FTC已经有大量工程应用经验可以参照。比如电流传感器故障可以通过三相电流的克希荷夫约束来检测，位置传感器故障可以通过角度变化率合理性来判断，IGBT开路故障可以通过电流平均值和谐波特征来识别。这些方法用在Simulink里面，每一步都能找到清晰的物理对应关系，非常适合作为入门到进阶的完整案例。

1.2 故障诊断与容错控制的技术路线

在正式动手搭模型之前，先把故障诊断和容错控制的关系理清楚。故障诊断（Fault Diagnosis）分成三个层次：检测（Detection）、隔离（Isolation）和辨识（Identification）。检测回答“有没有故障”，隔离回答“哪个部件坏了”，辨识则进一步估计故障的大小和类型。在实际电机驱动系统里，辨识往往不强制做，但检测和隔离是容错控制的前置条件。

容错控制（FTC）就是在故障被检测和隔离之后，重新配置控制策略或重构信号路径，使系统在性能有所下降的情况下仍然保持稳定运行。常见的容错思路有硬件冗余、信号重构、结构重构三类。硬件冗余最直接但成本高；信号重构在传感器故障时很实用，比如用另外两相电流推算出故障相电流；结构重构则是改变逆变器拓扑，比如四开关三相逆变器。

技术路线的选择也需要比较。目前主流的FDI方法大致可以分成三类：

我在这套仿真里选择的是“基于信号残差 + 基于模型重构”的组合路线。检测和隔离环节以电流残差、角度变化率和电流平均值为核心，简单可靠；容错环节则用手头可用的传感器信息和观测器重构出丢失的信号。整条链路不依赖庞大的训练数据，每一步都可以用Simulink里的示波器直接观察和验证，对初学者特别友好。

1.3 仿真系统的整体架构

整个Simulink模型我倾向于分成四层来组织。第一层是被控对象层，包括PMSM本体、三相逆变器、电流传感器和位置传感器；第二层是故障注入层，负责按设定时刻和类型把故障加到传感器输出或开关驱动信号上；第三层是诊断层，由残差生成模块、阈值比较模块和状态机组成，输出故障编码；第四层是容错层，根据故障编码切换信号源或改变控制结构。

这四层之间采用清晰的总线信号连接，诊断层只读取传感器信号，不干扰被控对象；容错层接管控制信号，但不修改诊断层的阈值逻辑。这样划分的最大好处是模块解耦，单独调残差阈值时不需要动控制器的PI参数，验证完传感器故障后又新增逆变器故障时，也不会把原有逻辑搞乱。

另外，在模型文件组织上，我建议用Simulink的子系统加封装（Mask）来做。每个子系统内部的信号标注好单位和物理含义，故障注入模块用下拉菜单选择故障类型，阈值参数统一放在模型工作空间里。习惯上我会用FDI_PMSM_Model.slx作为主模型名，变量名统一如Thr_CurrentFault、FaultCode、T_FaultInject，方便后续生成代码和联合仿真时引用。

2. Simulink环境搭建与核心模型实现

2.1 PMSM对象模型怎么选

在Simulink里建永磁同步电机模型，通常有三种方式：直接用Simulink数学表达式模块自己搭dq方程、用Simscape Electrical的物理模型、用Motor Control Blockset里的PMSM模型。三者各有取舍。

自己搭数学方程模型的优势是内部结构完全透明，id、iq、Te、转子角度这些信号想看哪根拉哪根，特别适合我们这种要做故障诊断和残差分析的场景，因为诊断算法很多时候需要访问内部状态。缺点是仿真结果不够“物理”，比如电流谐波和开关纹波很难真实体现。Simscape Electrical的物理模型更接近真实硬件，开关管导通压降、死区效应、反并联二极管续流都能仿真出来，但模型较重、仿真速度慢，而且故障注入如果处理不好容易造成仿真不收敛。

我在实际项目中用的是折中方案：电机本体用Simscape Electrical的PMSM模型，逆变器用三臂IGBT桥臂加PWM驱动，传感器部分用Simulink信号层模块模拟。这样既有一定的物理保真度，又能自由控制故障注入和残差生成逻辑。如果只是想快速验证诊断算法，也可以先把电机本体换成数学表达式模型，跑通之后再替换成物理模型。

参考参数如下（以一台30kW级驱动电机为例）：

2.2 FOC矢量控制基础模型

FOC是整个驱动系统能正常工作的大前提。磁场定向控制把三相交流电机的控制问题转化成dq坐标系下的直流控制问题，电流环控制id和iq，速度环控制转速，中间用Clarke变换和Park变换在abc坐标系和dq坐标系之间来回切换。

在我这套模型里，速度环采样周期1ms，电流环和PWM采样周期100µs。两个电流环PI的整定是常规做法：电流环带宽取800Hz左右，那么Kp=Ld·2π·800≈0.6，Ki=Rs·2π·800≈50；速度环带宽取20Hz左右，Kp≈J·2π·20/(1.5·pn·ψf)≈1.676，Ki再按速度环的零点位置适当整定。这里给的是近似值，实际要把采样延迟、死区时间等因素考虑进去，稍微留一点相位裕度。

PWM生成方面，如果用Simscape电气模型，直接给IGBT桥臂的Gate端口送PWM脉冲即可。SVPWM可以用Simulink自己的SVPWM Generator模块，也可以自己搭七段式发波。自己搭的好处是能看到每一个扇区切换的细节，排查故障时更容易定位问题；缺点是模块多、连线乱。我建议初学先用内置模块，把FOC闭环跑稳，等到做逆变器开路故障时再把发波细节打开，否则边调SVPWM边做故障诊断很容易心态崩。

FOC模型里还有一点容易被忽略：dq坐标变换需要实时获取转子电角度。正常工况下这个电角度来自位置传感器模型；一旦后面做位置传感器故障，需要把角度源切换到观测器输出。因此我在模型里预留了一个“角度源选择”开关，由一个外部信号控制是走传感器还是走重构模块。这个设计在容错控制阶段会省很多事。

2.3 故障注入模块设计

故障注入模块是整个仿真平台的灵魂。没有故障注入，诊断算法就永远只能跑“正常工况”，毫无说服力。我在Simulink里的设计方式是：传感器信号在进入控制器和诊断模块之前，先经过一个“故障注入包装层”，这个层根据外部参数决定是否对信号做增益、偏置、断线或突变处理。

以电流传感器为例，故障注入层输入的是真实电流ia_true，输出的是送入控制器的测量电流ia_meas。当FaultType=0时，ia_meas=ia_true；当FaultType=1时，模拟增益故障，ia_meas=Kf·ia_true；当FaultType=2时，模拟偏置故障，ia_meas=ia_true+delta_i；当FaultType=3时，模拟断线故障，ia_meas=0加上一个很小的白噪声。用一个Multiport Switch加上几个增益/偏置/清零模块就能实现，封装成子系统后通过Mask参数选择故障类型和注入时间。

IGBT开路故障的注入则走另一条路：不是去改物理电路拓扑，而是把故障相的Gate脉冲信号置为0。以A相上管开路为例，正常时A相上管PWM由SVPWM输出，故障时直接把这一路PWM设为0，同时让下管保持正常。这样逆变器电气结构没有变，只是这一只管不再导通，仿真稳定，而且能真实反映“驱动信号异常”导致的开路故障。

这里有一个关键经验：尽量不要在Simulink里直接删除或断开支路来模拟故障。电力电子模型对拓扑突变非常敏感，尤其在有电感电流的时候，突然断开一条支路很容易让仿真器在数值上崩溃。改用“信号层面控制”的方式注入故障，既安全又真实，这也是工程中做故障注入测试时常用的一种思路。

2.4 状态机与隔离逻辑单元

故障隔离逻辑我推荐用Stateflow来实现。Stateflow在Simulink里就像一个事件驱动的状态机工具箱，特别适合描述“如果残差超限、且持续一段时间，则判定某相传感器故障”这种带时序的判断逻辑。

我会建立一个FaultIsolationChart，内部设三个主状态：NORMAL、CONFIRM和FAULT。在NORMAL状态下，实时计算残差并和阈值比较；如果某个残差第一次超限，状态迁到CONFIRM，同时启动一个计时器（用after(n, tick)实现）；如果计时期间残差持续超限，说明不是偶发尖峰，迁到FAULT状态并输出对应的故障编码；如果计时期间残差回落了，就退回NORMAL，不产生误报。

故障编码建议用整型位域表示。我常用的编码规则是：bit0=A相电流传感器故障，bit1=B相电流传感器故障，bit2=C相电流传感器故障，bit3=位置传感器故障，bit4=逆变器故障。这样FaultCode=1表示A相电流故障，FaultCode=8表示位置故障，多个故障同时发生时FaultCode像标志位一样叠加，容错层只要按位判断就行。

用Stateflow而不是普通MATLAB Function写隔离逻辑，最主要的原因是事件和时间判断更直观。每个采样周期步进一次，状态迁移、驻留时间、跳转动作都能在状态图上可视化，排查逻辑问题的时候比看一长串if-else舒服得多。

3. 故障检测与隔离细节实操

3.1 电流传感器故障：建模与残差生成

电流传感器的典型故障是增益衰减、偏置漂移和断线。其中增益故障最难检测，因为如果三相电流的故障增益各不相同，用传统的三相电流和校验可能测不出来；偏置故障和断线故障则会导致三相电流之和明显偏离零，比较容易暴露。

我在模型里用的检测思路是“两两重构残差”，具体来说就是利用星形连接电机的中性点约束：正常情况下，三相电流的代数和为零，所以任何一相电流都可以由另外两相推算出来。设实测电流为ia、ib、ic，那么可以构造：

• ia_est = -(ib + ic)，即用B、C相实测值估计A相
• ib_est = -(ia + ic)
• ic_est = -(ia + ib)

然后计算残差：

• ra = |ia - ia_est|
• rb = |ib - ib_est|
• rc = |ic - ic_est|

如果系统正常，这三个残差都接近零，只有传感器的测量噪声和电流重构的数值误差。如果A相电流传感器出现偏置，那么ra会明显变大，而rb和rc由于各自包含A相测量值，也会有一定程度的偏差，但通常是ra最大。如果A相断线，实测ia为零，那么ra会等于|ia - (-ib - ic)|=2·|ia|，同时ib_est和ic_est也会偏离。通过比较三个残差的大小，就能定位到故障相。

这个方法的物理基础是克希荷夫电流定律，只要电机的中性点没有引出、没有接地回路，三相电流之和就恒为零。工程上绝大多数永磁同步电机都是三相三线制，所以这个方法有很强的普适性。

3.2 位置传感器（旋变）故障检测

位置传感器故障的表现比电流故障更隐蔽。旋变可能因为激磁信号异常而输出跳变，也可能因为机械松动而卡死在一个固定角度，还可能因为解码电路老化出现缓慢漂移。无论是哪一种，最终进入FOC控制器的都是电角度θ。而FOC对角度错误的容忍度很低，角度偏差直接导致Park变换错误，进而让id、iq出现虚假变化，转矩脉动甚至反转。

对于旋变故障，我主要用两个残差来检测。第一个是角度变化率合理性检验：正常情况下，转子电角速度等于角度对时间的微分，且有明确的物理上限。如果角度发生跳变，那么一个采样周期内的角度变化量会异常大。比如最高转速6000rpm对应电角速度约为628rad/s，采样周期100µs时，一个采样周期内最大正常角度变化约0.0628rad。如果实测角度变化量超过这个值的3到5倍，就可以判定为角度突变故障。

第二个是速度一致性检验：将位置传感器微分得到的转速估计值与速度环输出的转速参考值做比较。如果传感器卡死或漂移，微分后的转速会迅速偏离参考转速。但是这个方法对工况变化敏感，在加减速过程中容易误报，所以通常只作为辅助判断，和角度变化率检验配合使用。

在Simulink里实现角度变化率检验时，要注意角度换算的跨零问题。电角度从2π跳转到0的过程是正常现象，但直接相减会得到接近-2π的巨大差值。我的做法是先对角度差做wrap到[-π, π]的处理，再用绝对值判断是否超限。这个细节如果漏掉，仿真跑几秒就会出现一次莫名其妙的误报。

3.3 逆变器开路故障的检测

IGBT开路故障是电机驱动系统里最典型的开关管故障。一相上管开路后，该相电流在正半周失去导通路径，电流波形出现明显的半波缺失，相电流平均值不再为零，同时电流中包含特征次谐波。检测这类故障最常用的信号特征就是相电流平均值。

实现上，把三相电流分别做滑动平均，得到m_ia、m_ib、m_ic，再除以额定电流峰值进行归一化。正常工况下，三相电流的平均值都在0附近小幅波动；当A相上管开路时，A相电流的正半波被截断，m_ia会明显偏向负值，而下管对应的负半波仍然存在，整个波形失衡。如果A相下管开路，则m_ia偏向正值。通过平均值的正负号还能进一步区分是上管故障还是下管故障。

平均值窗口的选择有讲究。窗口太短，平均值里还包含着基波分量，阈值不好设；窗口太长，检测延迟大，容错控制的快速性就没了。我在模型里取一个电流基波周期作为平均窗口，比如电频率50Hz时取20ms。如果转速较高、电频率到200Hz，窗口可以缩短到5ms。检测延迟的概念就是大约一到两个基波周期，这在工程上是可接受的。

谐波特征虽然可以提供更丰富的信息，但在Simulink里做FFT开销偏大，而且实时性差。我建议初学者先用平均值法把逆变器开路检测跑通，后期再考虑用S函数或FFT模块补充谐波分析，把检测准确率再往上提。

3.4 阈值设置、去抖与防误报

阈值设置是故障诊断里最体现工程经验的部分。阈值太紧，正常工况的噪声就会反复触发报警；阈值太松，真正的小故障又会被漏掉。我的经验是分三步来定：先在无故障仿真中记录残差的最大波动范围，再在故障仿真中记录残差的最小稳态值，最后取两者之间的一个中间值，并留出30%到50%的裕量。

举例来说，电流重构残差在正常工况下波动不超过5A，而偏置故障产生的残差大约在30A以上，那么阈值取10A比较合适。同时我会把阈值参数化放在Workspace里，方便后续批量扫描。仿真中如果出现频繁误报，我不会先去怀疑状态机的逻辑，而是先看残差的实时波形到底长什么样，这个习惯帮我省了非常多排查时间。

去抖机制也是防误报的关键。具体实现是在残差超限之后不立即置故障位，而是要求“连续N个采样周期都超限”才确认故障。这个N对应的时间就是去抖时间，我一般取1ms到5ms之间，既能滤掉高频毛刺，又不会让检测延迟过大。在Stateflow里就是进入CONFIRM状态后用after(N, tick)来控制驻留时间，逻辑很简洁。

还有一点值得注意：不同故障的去抖时间应该分开设置。电流传感器断线是瞬时突变，去抖时间可以短一些；逆变器开路故障需要电流平均值跨过整个基波周期才能看出来，去抖时间天然就得长一些。我在模型里把去抖参数分别命名为Debounce_Current、Debounce_Resovler和Debounce_Inverter，不会混用。

4. 容错控制策略在Simulink中的落地

4.1 电流传感器容错：三相重构

一旦检测到某一相电流传感器故障，最直接的容错方案就是用健康相电流重构故障相。既然星形连接下三相电流之和恒为零，那么A相发生故障时，用B相和C相实测电流就能算出一个估计值：ia_hat = -(ib + ic)，然后用ia_hat替换故障的测量电流，喂给FOC电流环和诊断模块。

这里有一个容易踩的坑：如果把ia_hat直接接入电流环，而电流环内部又用ia_hat参与重构计算，很容易形成代数环，导致仿真报红线和运行卡死。解决办法是给重构路径增加一个单位延迟（Unit Delay）或一阶低通滤波，打破代数环。单位延迟会造成一拍滞后，但在10kHz采样频率下，一拍就是100µs，对电流环的影响可以忽略。

在Simulink里实现切换时，我用一个Fault_Tolerant_Current模块接收三相实测电流和故障编码，内部用一组Switch按位选择每一相走“实测值”还是“重构值”。例如FaultCode的bit0为1时，A相输出ia_hat，B、C相输出原实测值。这个模块做成封装后，在Mask里可以直观看到当前工作模式是被动容错还是主动容错。

电流传感器容错之后，控制器的id、iq值在故障瞬间会产生一定波动，因为重构值和真实值之间可能存在短暂偏差。我通过在切换信号上增加一个速率限制器（Rate Limiter），让采样源在几个采样周期内平滑过渡，而不是硬切，可以有效减小电流冲击。

4.2 位置传感器容错：无位置传感器切换

位置传感器故障无法用简单的代数关系来重构，需要启动无位置传感器控制算法。最经典的方法是基于扩展反电动势的滑模观测器（SMO）或龙贝格观测器，从定子电压和电流中估算转子位置和速度。在Simulink中，可以自己搭SMO模型，也可以使用Motor Control Blockset里现成的观测器模块。

我建议自己搭建一个简化的滑模观测器，因为这对理解无位置传感器控制的原理非常有帮助。基本思路是把PMSM在αβ坐标系下的电压方程中的反电动势项作为观测目标，用滑模面s=0来迫使估计电流跟踪实测电流，然后从滑模控制律的等效控制量中提取反电动势，再反正切求得转子电角度。这个过程中一定要加低通滤波来抑制滑模抖振，同时做相位补偿，否则估计角度会有明显滞后。

切换到无位置传感器控制的时刻非常关键。如果直接硬切，观测器当前估计角度和传感器故障前的真实角度可能偏差很大，会造成电流环的解耦瞬间失效，产生剧烈的电流尖峰。我的做法是在Simulink中设置一个“角度源平滑切换模块”：当位置故障确认后，先让观测器在后台自由运行一段时间（比如50ms），等待估计角度收敛到和传感器角度基本一致；然后让输出角度从一个源缓慢过渡到另一个源，过渡时间取20ms到50ms，用斜坡函数或一阶惯性环节实现。

切换后，速度环和电流环的PI参数通常不需要重调，但由于观测器带宽低于传感器，高速段的控制性能会有所下降。如果允许系统降额运行，可以把最高转速限制在额定转速的80%左右，给观测器留足稳定裕度。

4.3 逆变器故障后的控制重构

逆变器IGBT开路故障的容错比传感器故障复杂，因为功率拓扑本身已经受损。完整的容错方案一般要增加硬件，比如第四桥臂或双向开关连接到直流母线中点，把故障相切换到母线中点，继续维持三相电流通路。这种拓扑称为四开关三相逆变器（FSTPI），它用六个开关管降级成四个开关管加两个电容中点来实现继续运行。

在Simulink中做FSTPI的可行性验证，需要在中点加两个直流母线电容，并重新设计SVPWM的矢量组合。常规六开关SVPWM的六个扇区在四开关拓扑下会变成一个矮化的空间矢量六边形，电压矢量幅值和方向都发生变化，控制性能会下降，同时直流母线中点电压会波动，所以还必须加中点电压平衡控制。

说实话，FSTPI的完整实现工作量不小，不太适合作为第一次上手Simulink故障诊断时的容错练习题目。我更推荐初学者先做传感器容错，那几条路都通了之后，再研究逆变器容错。如果你已经有了一定基础，至少在Simulink里完成“故障相桥臂切除+另外两相重构”的概念验证，对理解系统级容错架构会有很大帮助。

4.4 切换逻辑与冲击抑制

容错切换的平稳性直接决定系统在故障后能不能站稳。除了前面提到的速率限制器和观测器预收敛，我还有几个小技巧。

第一，容错切换不要一次性切换多个信号源。比如同时发生电流传感器故障和位置传感器故障时，理论上电流重构和位置重构都要介入，这时候要分清先后。我一般先切换电流源，让电流环先稳定，再切换位置源，避免两个重构通道同时建立带来的耦合冲击。第二，容错生效后，速度环的积分器值可能和故障前不一致，可以考虑在状态机进入容错模式时对速度环积分器做一次重新初始化。第三，所有切换点都要在示波器上留作标记，用阶跃信号或事件标记把切换时刻打到记录里，方便后处理时对齐时间轴。

用Stateflow做这些切换控制非常顺手。我在状态机里增加FAULT_ACTIVE状态，进入后按顺序执行电流重构、观测器启动、位置源切换三步动作，每步之间设置间隔时间，比如切换电流后等待20ms再切换位置源。这套时序逻辑用普通代码写要写一堆注释，用Stateflow的状态图却能一目了然。

5. 仿真验证、数据整定与工程化扩展

5.1 求解器与仿真步长怎么选

Simulink求解器的选择对仿真成败影响很大。由于模型里包含电力电子开关和PWM信号，系统具有很强的刚性，如果求解器选择不当，仿真速度会极慢，甚至直接提示步长太小。我的经验是：如果电机本体使用Simscape Electrical物理模型，选用变步长求解器ode23tb，最大步长限制在1e-5秒，这是精度和速度比较均衡的组合；如果电机本体是自己搭的数学方程模型，整个系统主要是离散控制回路，建议直接选择离散定步长求解器，步长取1e-4秒即可，仿真速度快且结果可复现。

定步长离散求解器还有一个额外好处：后续要做C代码生成或者HIL实时仿真时，模型不需要大改。变步长模型生成代码后移植到实时机上，经常因为计算步长抖动而出现问题，所以我一般建议在第一版模型里就走离散定步长路线，把仿真步长直接固定下来。

PWM和电流环采样周期要按奈奎斯特定理来定。开关频率10kHz，电流环采样最好也在10kHz到20kHz之间。速度环频率1kHz，和电流环之间有10倍的关系，这个频率划分能让两个环路之间基本解耦，调试时也很方便。如果采样频率选得过低，电流环的相位裕度会不足，故障残差里会出现明显的振荡分量。

5.2 故障时序与指标评估

做故障诊断仿真时，故障注入的时刻设计非常重要。我一般分成四个阶段来跑一次完整仿真：第一阶段为启动加速阶段，让电机从0加速到额定转速并稳定运行，这个阶段不注故障；第二阶段为稳态带载阶段，系统稳定后保持恒速恒载；第三阶段为故障注入阶段，在某个设定时刻触发故障；第四阶段为容错评估阶段，观察检测延迟、隔离准确性、转矩波动恢复时间。

评价一次故障注入试验，我习惯看两个核心指标。第一个是检测延迟，即从故障发生到诊断层输出故障编码的时间差，这个时间要小于容错策略能承受的最大时限，否则系统可能在容错生效前就已经失稳。第二个是容错恢复时间，即从故障编码确认到系统输出恢复到可接受范围的时间。在电机驱动系统里，电流传感器故障的恢复时间通常要求小于几个电流环周期，位置传感器故障则允许稍长一些。

为了评估这些指标，我会在模型里加一组合适的Logging信号，记录故障注入标志、故障编码、三相电流残差、转速和转矩参考值。后处理阶段用MATLAB脚本把检测延迟和恢复时间自动计算出来，顺便画出故障前后的波形对比。这套评估流程标准化之后，换一组故障参数就能快速跑出一张对比表，写报告和调参数都方便。

5.3 常见问题排查速查表

在这个模型搭建和调试过程中，有几个问题几乎每次重做都会遇到，我整理成速查表供你参考。

还有一个容易被坑的地方：Simulink里如果用了不同数据类型的信号，比如把一个double信号直接接入int类型的Switch端口，仿真会报类型不匹配错误。我的习惯是所有故障编码相关的信号统一用uint16，所有物理量信号统一用double，接口处加Data Type Conversion模块做显式转换。

5.4 从仿真到工程：C代码生成、FMU导出与HIL

仿真模型验证完，下一步自然是往工程化方向走。Simulink模型通过Embedded Coder可以生成C代码，把诊断状态机和容错切换逻辑直接部署到控制器原型上。生成代码前要把求解器设为离散定步长，把Stateflow的“Trap on Overflow”等选项打开，确保状态机逻辑在代码里和仿真里行为一致。

如果希望把电机驱动系统仿真导给其他工具使用，可以考虑导出FMU（Functional Mock-up Unit）。Simulink的FMU导出功能可以把整个模型打包成一个符合FMI标准的独立模块，在CarSim、Amesim、甚至Python环境里都可以加载调用来做联合仿真。比如做“CarSim和Simulink联合仿真”时，可以把电机和故障诊断模型导出为FMU，整车的纵向动力学留在CarSim里跑，两边之间只交换转速、转矩和故障状态，这样既保证各自工具的发挥空间，又减少了跨工具耦合的复杂度。

另外在做控制器原型或HIL测试时，重点关注模型的计算开销和实时性。故障诊断里的FFT谐波分析、复杂观测器计算，在离线仿真里无所谓，进了实时机就要考虑时间预算。我的建议是先在Simulink的Profiler里看每个子系统的耗时比例，把计算密集部分优化掉或降采样执行，再进行实时目标部署。

个人在实际操作中的一点体会是：Simulink做故障诊断与容错控制，真正的门槛从来不是工具箱怎么用，而是你有没有把“什么算故障、怎么确认故障、故障后怎么办、切换会不会带来二次冲击”这一串问题想清楚。模型只是把这些工程思考变成可运行、可调试的东西。很多同学一开始就扎进Stateflow和S-function的写法里，结果一两周过去，模型越搭越复杂，但连一个简单的电流传感器偏置故障都测不准。我的建议是先静下心来把残差波形看清楚，把一套简单的检测流程跑通，再去追求高级算法和完整的容错体系。

最后再分享一个小技巧：故障诊断和容错控制模型里，信号命名和注释真的能救命。一个包含正常信号、故障注入信号、重构信号、残差信号、故障编码和容错使能信号的模型，如果命名混乱，调起参来会让人崩溃。坚持用前缀区分，比如raw_代表原始信号、meas_代表传感器测量值、res_代表残差、hat_代表重构估计值，长期下来整个模型的可读性和可维护性会提升一大截。