自我国加入WTO以来，汽车市场竞争日益激烈，任何车身制造缺陷都有可能带给用户恶劣的影响，降低企业的市场竞争力，车身制造质量的控制技术越来越得到汽车行业界和学术界的重视。目前车身故障诊断研究多集中在焊装过程中夹具偏差诊断，而并没有过多地考虑冲压件生产、物流运输、工人操作等影响因素，且在诊断过程中都需要完备性的数据。事实上由于车身结构的复杂性、知识表达的不精确及测试手段的局限性，所获得的信息大多是不完整、不确定的、多源异类的信息，如何在这样的信息条件下构建一个考虑到车身生产过程中各种因素的系统网络模型来完成故障推理，快速定位故障源，获得最有价值的决策结果，是车身故障诊断所面临的一个棘手的问题。 为解决上述问题，本文引入贝叶斯网络方法来进行车身的故障诊断研究。贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一，适用于不确定性知识表达和推理，特别适用于有条件地依赖多种控制因素的诊断决策，并已经在多个故障诊断领域获得了成功。本文利用贝叶斯网络在不确定性问题故障诊断中的优势，针对车身故障诊断中的问题，尝试将贝叶斯网络的相关理论研究应用到具体的车身故障诊断实践中，主要完成的以下工作： 1) 在分析车身故障诊断目前面临的主要问题，总结现有故障诊断方法存在的主要局限的基础上，论述了应用贝叶斯网络方法进行故障诊断决策方面的优势，并明确了应用贝叶斯网络进行故障诊断需要研究的主要问题。 2) 针对车身故障的贝叶斯网络建模的困难，通过引入“CME三层模型”即“原因-模式-影响”（Cause-Mode-Effect）模型完成了车身故障诊断网络的构建工作，并详细的总结了车身故障的建模流程，为以后车身故障建模的提供了理论指导。 3) 通过引入改进的Noisy–Or推理模型，降低了车身故障诊断中的数据需求，简化了故障推理过程，最后通过具体实例的解决论证了方法的可行性与合理性。 通过本文的这些研究工作，实现了将贝叶斯网络从理论研究过渡到应用于车身故障诊断实践中，从而为车身故障诊断研究提供一条新的途径。