公交电动汽车是一个由多种机电设备组成的复杂的控制系统,实际公交电动汽车系统的故障现象具有多样性,很多复杂故障产生的原因往往具有模糊性、随机性和组合性等特点。电池组是公交电动汽车的重要部件,由于技术、路况等方面的原因,它也是故障的主要发生点,因此也是故障诊断的重点。本论文在对国内外电动汽车故障诊断研究现状及发展趋势分析的基础上,对公交电动汽车的电池组故障特点、故障内容、故障诊断信息获得的过程和方法进行了对比分析。最终使用基于决策树学习算法的复杂故障模型对公交电动汽车蓄电池故障实例进行分类,产生决策树并生成简化的规则集合,满足了公交电动汽车电池组故障诊断的需要。公交电动汽车故障诊断的主要任务是通过网络服务器获得相关信息,对公交电动汽车的主要部件电池组进行故障诊断。电池组故障信息分析主要是对某公交电动汽车在设定时间段内的故障信息进行统计分析。从电池组故障信息表中统计分析出电池组状态(荷电状态SOC、电流、电压随时间变化以及充放电情况)、故障类型、故障原因等信息。研究基于规则的诊断模型,需要建立诊断信息规则库。通过比较神经网络、Petri网、决策树等多种知识学习和推理的方法,找到适合公交电动汽车蓄电池故障诊断的相应的知识表示和知识学习方法以及推理机制。本文提出了基于决策树学习算法的知识表示与获取方法的复杂故障诊断模型。该模型在决策树C4.5算法的基础上,对故障实例进行分类并产生决策树,由决策树产生出规则集合,并对该集合进行简化得到最终的诊断信息集合。本文对基于决策树学习算法的公交电动汽车故障诊断模型及其算法进行实证应用研究,通过该模型对公交电动汽车蓄电池现有故障实例进行分析,取得比较满意的结果,为完成今后整车故障诊断的专家系统奠定了基础。