轮毂驱动电动汽车相较传统的内燃机汽车具有可利用空间大、传动效率高、控制性能优异等优点,是电动汽车产业中非常具有发展潜力的方向。轮毂驱动电动汽车作为一种典型的过驱动系统,执行器数目的增多也增加了故障发生的可能性。当执行器发生故障时,车辆的动力性、操稳性势必会受到影响,甚至发生严重的交通事故。执行器故障诊断技术是构成轮毂驱动电动汽车主动安全技术的重要组成部分之一,受到许多汽车厂商和高校学者的广泛关注。本文正是在这一背景下,以轮毂驱动电动汽车执行器为对象,针对基于模型的执行器故障诊断方法在小滑移率区域故障辨识精度较低的问题,进行执行器混合故障诊断方法的研究,以提高故障辨识的精度。论文的主要研究内容如下:本文根据融合基于模型与数据驱动的执行器混合故障诊断方法的需要,建立了车辆动力学模型及Car Sim/Simulink整车模型,分别用于基于模型的故障诊断方法研究和模拟实车,得到传感器准确测量到的车辆状态量数据。通过仿真试验对模型进行验证,结果表明本文搭建的模型是可靠准确的。然后进行了基于参数估计法的轮毂驱动电动汽车执行器故障诊断研究,通过对执行器的故障分析,引入执行器的故障参数并确定了研究的故障类型,将执行器的故障诊断转化为故障参数的估计。基于模型的执行器故障诊断方法的关键点是将故障参数估计任务分为两个区域执行,小滑移率区域对应线性轮胎模型,非小滑移率区域对应Dugoff轮胎模型。这样做是考虑到轮胎处于小滑移率区域时,路面附着系数估计困难的特点。利用上述组合轮胎模型对轮胎纵向力进行计算,从而估计各执行器的故障参数,完成执行器的故障检测、隔离与辨识工作。由于基于模型的执行器故障诊断方法对数学模型的精确度有较高的要求,当数学模型不够精确时,故障诊断的准确度也会降低。本文对基于模型的执行器故障诊断方法的研究表明了小滑移率区域的故障参数估计精度较低。因此,提出了基于支持向量回归的执行器故障辨识方法,该方法是对基于模型的执行器故障诊断方法的扩展,以提高在小滑移率区域的故障辨识准确度。并采用分层融合的方法,搭建了基于模型与支持向量回归的执行器混合故障诊断方法框架。本文针对轮毂驱动电动汽车执行器的混合故障诊断方法,在高中低三种不同路面附着系数的工况下进行了仿真试验,仿真结果表明了混合故障诊断方法与单一基于模型的故障诊断方法相比,可将故障辨识的均方误差由10-3级降低到10-4级,提高了故障辨识的精度。