在全球环境污染和化石能源危机日趋严峻的背景下,电动汽车成为世界各国汽车工业的新方向。电动汽车的安全性和可靠性是衡量其好坏的重要指标。故障诊断技术通过对电动汽车运行状态和异常做出判断,从而加强电动汽车的安全性能,保证行车安全。因此,对电动汽车故障诊断技术进行深入研究,具有重要的理论意义和应用价值。针对电动汽车故障数据庞杂、非线性的问题,本文提出一种基于粒计算-神经网络(GrC-NN)和DS证据理论的电动汽车故障诊断方法,以达到简化神经网络结构,提高电动汽车故障诊断准确度的目的。主要工作如下:(1)电动汽车故障诊断方法研究。定性分析了电动汽车故障产生原因和常见故障,并对电动汽车故障进行了分类;调研了电动汽车常见故障诊断方法;(2)基于粒计算的电动汽车故障方法研究。剖析了基于粒矩阵的知识约简算法;分别介绍了GrC-BP神经网络和GrC-RBF神经网络的工作原理;分析了基于GrC-NN的电动汽车故障诊断方法的流程;通过仿真证明了粒计算在保持诊断精度基本不变的前提下提高神经网络训练速度和简化神经网络模型结构。(3)基于GrC-NN和DS证据理论的电动汽车故障诊断方法研究。剖析了证据悖论问题,并采用改进的证据合成规则进行证据融合;对基于GrC-NN和DS证据理论的电动汽车故障诊断方法的流程进行分析;与基于GrC-NN的电动汽车故障诊断方法进行仿真实验对比,验证了该方法具有更好的准确度、更低的诊断不确定性;并通过在不同载重工况下仿真实验,进一步验证本课题所提方法的有效性。