随着工业技术体系复杂性的增长,对工业系统的安全性,可靠性,鲁棒性的要求日趋严格,基于模型诊断逐渐成为研究热点。动态系统的诊断过程主要包含以下几个步骤:系统建模、传感器选择、残差生成、残差选择。在以上步骤中,传感器选择将决定系统的诊断性能,即故障检测性与故障隔离性。每个传感器具有相应的花费,传感器选择问题通常为在满足规定的故障可诊断性条件下选择一组花费最小的传感器集合。该问题的时间复杂度随传感器数量增大呈指数增长。由于传感器选择问题决定了系统的诊断性能且具有指数级别的时间复杂度,该问题成为动态系统诊断中具有难度的重要问题。在动态系统的建模中,系统不确定性与噪声分别描述了系统中的不可预测因素与传感器噪声对系统模型的影响。理想模型不考虑这两个因素对系统诊断性能的影响,因此在实际应用中往往鲁棒性较差,不能很好地模拟系统的实际情况。在传感器选择过程中,另一个需要考虑的问题是量化故障检测性与故障隔离性。显然,用0/1表示的故障检测性与故障隔离性无法量化检测某个故障或隔离某个故障对的难易程度。在传感器选择过程中,考虑不确定因素与量化故障检测性与故障隔离性将有利于动态系统的故障诊断。不确定系统是一种特殊的动态系统,在建模过程中模拟了系统不确定性和噪声对系统模型的影响,并使用基于K-L散度的故障可诊断性量化方法量化系统的故障检测性与故障隔离性。但目前只有一项研究针对量化可诊断性的不确定系统的传感器选择问题提出一种非完备的贪婪随机搜索算法（Greedy stochastic search algorithm,GSSA）且没有研究针对此类系统的传感器选择问题提出完备方法。本文提出一种幂集映射空间阻塞算法（Power Set Mapping Space Blocking Algorithm,PMSBA）,该算法包含三个策略:1.基于包含关系的局部最优解求解方法（Stochastic search that is motivated by an inclusion relation strategy,SSMIRS）。基于幂集空间中的包含关系,提出一种高效的局部最优解求解算法。通过不断标记不可移除的传感器,求得局部最优传感器集合。该方法不但具有很高的效率而且能保证求得的解一定局部最优。2.基于BILP的空间阻塞方法（BILP-based search space blocking strategy,BSSBS）。将子集阻塞与超集阻塞转化为BILP当中的约束,通过添加BILP约束的方式,阻塞幂集搜索空间,避免搜索冗余空间。3.基于阻塞空间重叠度的BMS方法（Best from multiple selections measured by overlapping space strategy,BMSMOSS）。通过BMS选择与当前阻塞空间重叠程度较小的传感器集合,该策略仅被应用于完备形式。PMSBA具有两种形式:完备形式与非完备形式。非完备形式主要针对大型系统,能够求得接近全局最优解的局部最优解,完备形式主要针对中型或小型系统,能够求得全局最优解。实验结果表明,与现行最高效非完备算法GSSA相比,该方法求得的传感器集合花费更小,且在求解效率上有很大提高。与深度优先搜索算法相比,该算法在能够极大地提高求解效率。