随着国内生产、生活水平的不断提高，汽车保有量快速增长，行车问题也日益受到政府和国民等相关方面的高度重视。轮毂单元作为重要的安全件，受力复杂，出现问题时易导致重大的交通事故，因此对其进行工作状态监测和故障诊断具有重要意义。智能轮毂单元可以实时监测轮毂单元安装在汽车上后的运行状态，及时发现出现的故障，是今后轮毂单元发展的方向，因此开展智能轮毂单元的研究有重要的理论和工程应用意义。智能轮毂单元的状态检测技术是其重要的组成部分，检测技术性能的好坏直接决定了智能轮毂单元的整体性能。因此研究智能轮毂单元的检测技术有助于智能轮毂单元的发展。目前，智能化的状态检测和故障诊断方法已成为研究人员研究的热点。人工免疫系统是近年发展起来的一种智能系统，危险理论作为人工免疫系统中的一种较新的模型，对于解决一些工程问题具有很大的研究意义和应用价值。因此，本文针对智能轮毂单元提出了一种基于危险理论——云模型的智能轮毂单元在线检测和故障诊断方法。首先，针对信号的预处理和消噪，提出基于数学形态学的汽车轮毂单元状态信号消噪算法，该算法只涉及加、减和取极值计算，不涉及乘除计算，运算简便快速，适用于在线检测。通过与其他消噪方法比较，该方法可以保证一定的有效性和可行性。其次，从信号鲁棒性角度考虑，基于模糊推理原理，构造了多源信号融合算法，对采集的同一类别的多源信号进行数据融合。融合的层次为特征级，该层次的数据融合方法兼顾了数据级融合与决策级融合的优点。为了与下文中基于云模型的危险信号检测器相匹配，在数据融合处理时采用了模糊推理原理，并分析了具体实现方法。再次，在危险理论及云理论的基础上，针对轮毂单元这一特定系统，提出系统故障的危险定义。在算法实现上，需先建立正常工况及常见故障工况下的数据库，在此基础上构造识别检测器；然后采用未知确定度信息的逆向云算法获取状态信号的时频域特征，并将特征向量与识别检测器进行匹配计算；对于识别的危险信号，经过进一步分析，确定危险类型和等级。然后，提出状态检测和故障诊断的决策算法。根据系统性能指标的状态值，依据设计的云决策器，输出系统的危险级别。对相应危险级别的轮毂单元状态变量进行采样，利用逆向云算法计算相应危险级别的标准概念云特征；根据多云相似度的度量算法，对于某一时刻的输入，输出系统的危险程度。最后，以MATLAB为软件平台，对本文中的方法进行了仿真与验证，结果表明：各算法均实现预期目标，具有一定的可行性和有效性。