随着电动汽车的逐渐兴起,轮毂驱动汽车的发展也越来越快,未来将在电动汽车市场占有一席之地,四轮轮毂驱动汽车革新了现有的汽车架构,带来新的底盘实现方式,不需要传动的机械结构,新技术的发展和应用有机遇也有挑战,轮毂电机的引入不仅对四轮的协同控制提出了高要求,四轮独立驱动的特性也使得轮毂驱动汽车的故障诊断技术成为一个重要的研究领域。本文主要研究针对驱动系统失扭故障的故障诊断方法。传统的故障诊断大都是基于模型的故障诊断方法,这部分方法的理论成熟,技术相对来说也比较完善,建立在有一个精确模型的基础之上,但是车辆本身具有极高的非线性,并且工况复杂,车重、路面参数多变,因此对车辆进行高精度建模是一件非常困难的事情,使得基于模型的故障诊断方法较难应用于轮毂电机失扭故障诊断。本文针对上述问题,提出一种通过构建数据模型实现故障诊断的方法。为了获取具有普适特性的车辆状态数据库,通过分析,选用WLTC工况来获取数据,在高精度车辆仿真软件中,通过跟踪WLTC工况的速度序列,获取此工况下的输入输出数据构建数据库,利用构建的数据库使用即时学习算法从数据库中选择当前状态最相似的向量组,基于ARX建模方法建立局部模型,数据模型与车辆并行运行获取残差序列,最后研究了基于残差的支持向量机,针对侧向风等容易误诊断的工况,设立分层诊断装置,实现了防干扰的故障诊断方法。针对建立的原始算法效率低下,难以应用于车载控制单元的问题,利用模糊C均值聚类,提出了缩减数据库规模的去重算法,根据八叉树理论设计了数据的分层查找算法,并通过仿真初步验证了效率优化算法对于查询时间的缩减使效率实现了指数级的提升。最后,针对不同工况对预测算法和故障诊断算法的准确度进行了仿真,并基于dSPACE实时仿真平台对算法的实时性进行了验证,提出了树形结构的矩阵存储方法,并利用重采样技术使得数据库在保证精度的前提下可以适用于不同控制周期的硬件。本文通过建立离线数据库,在数据库基础之上建立数据模型,并使用基于残差的支持向量机故障诊断方法,完成了不依赖车辆模型的轮毂电机失扭故障诊断研究,并且在实时控制系统硬件在环平台上验证,本文方法具有一定的工程实践意义。