随着电动汽车的兴起,围绕车辆功能安全的需求,电机驱动系统的故障诊断与容错控制成为研究的热点内容。由于车用电机在负载和速度动态变化的非稳定工况下,其输出扭矩和转速将频繁变化,更容易引发系统故障且诊断更加困难。因此车用电机动态故障诊断是有待解决的关键技术之一。本文以车用永磁同步电机故障的模拟为切入点,建立了适用于多故障快速切换的仿真模型和试验平台,获取不同故障状态下的电机运行数据。通过对常用故障诊断技术和发展趋势的分析,提出融合数据层、特征层、决策层的分层诊断方案,研究变负载和转速工况下的永磁同步电机多种故障的诊断策略。文章首先模拟了在不同转速和转矩工况下的电机定子绕组匝间短路等五种故障,通过分析,选取电机的定子三相电流数据作为原始故障信息,不需要引入额外的检测设备,也避免了可能破坏电机的入侵检测。其次以基频电流的奇次倍频谐波为特征,构建基于快速傅里叶变换的故障特征向量,算法实现了在不同转矩和转速条件下的故障特征基本不变,在保留故障特征信息的前提下,大大减小了数据监测的维度和数量。最后采用神经网络的人工智能方法,将故障特征作为输入向量,构建三层前馈神经网络和自组织映射网络对故障的类型进行识别和诊断。搭建的永磁同步电机故障诊断试验平台,为诊断策略的可靠性验证提供了有力的支持。试验结果与仿真分析的对比,验证了故障仿真模型和分层诊断策略的有效性与正确性,故障识别的结果具有可接受的精度,达到了研究的预期目标。本文的研究对车用永磁同步电机动态故障的诊断提供了理论基础,对其他电机的故障诊断也具有一定启示意义。