当今随着全球能源短缺,环境污染日益严重,传统内燃机汽车作为污染的主要来源之一,逐渐被电动汽车所替代。作为电动汽车的能量来源,动力电池系统在电动汽车中尤为重要,其性能优劣极大地影响汽车正常行驶,一旦发生故障,将危害整车安全。因此,分析动力电池系统性能及故障并加以诊断,从而提高动力电池系统的稳定性,确保动力的稳定输出是一项重要工作。本文首先对电动汽车和动力电池的发展及应用情况进行了介绍,对故障诊断技术的研究成果进行了概括和总结。在全面分析锂离子电池原理、参数、老化原因及故障类型的基础上,选择以数据驱动的故障诊断方法对锂动力电池系统故障进行诊断,并运用失效模式影响分析(Failure Mode and Effects Analysis,FMEA)来确认故障等级。鉴于动力电池系统故障具有很强的复杂性和不确定性,电池实时数据测试点少且测试数据不完备,这给动力电池系统的性能分析及故障诊断带来较大的难度,而支持向量机在小样本数据集处理上具有优势,提出了基于PSO-SVM(Particle Swarm Optimization Support Vector Machine,PSO-SVM)的锂动力电池性能估测方法,并建立仿真模型,仿真结果表明,该方法在参数寻优上表现良好,预测性能优异,适用于对锂动力电池系统工作状态的预测,为其故障诊断提供数据支持。最后,结合PSO-SVM和FMEA的分析结果,提出利用模糊贝叶斯网络对锂动力电池系统进行故障诊断,通过在朴素贝叶斯网络中引入模糊理论,构建了模糊贝叶斯故障诊断网络,并进行了仿真分析,结果表明,该方法对故障原因识别概率高,能够降低在推理过程中所需的条件概率数量,诊断速度快,具有良好的可行性和准确性。