电动助力转向技术以其节约能源，提高安全性，有利于环保等诸多优点成为未来动力转向技术发展的方向之一。国外经过二十多年的研究，已将电动助力转向技术应用到一些车型上。国内在电动助力转向技术上研究虽然起步较晚，但在近几年成为了研究的热点，很多高校和汽车研究机构都在研究和开发电动助力转向系统，并在控制策略研究上取得了相应成果。目前，随着电动助力转向技术已从理论研究(国外知识的消化，相应的资料获取)阶段逐步走向产品化，作为影响汽车安全性能的重要部件，电动助力转向器的失效模式分析和故障诊断设计成为当前的研究的重点。本文依托浙江省重大科技攻关项目，在国内率先对转向柱式电动助力转向器(C-EPS)进行在线故障诊断研究。 本文工作主要包括以下几个方面的内容： 1．确定C-EPS系统的故障点及故障代码。在详细分析C-EPS基本组成、工作原理及现有的国内外技术资料的基础上，根据产品失效模式分析判定理论，对C-EPS系统可能存在的故障进行分类，并对故障进行编码。 2．提出了基于人工神经网络的C-EPS系统在线故障诊断策略。C-EPS作为汽车重要安全部件，对其关键部件故障进行实时诊断是必要的，本文确定了对C-EPS系统的扭矩-转角传感器和电子控制单元(ECU)采用在线故障诊断方案。 3．为了获得人工神经网络模型需要的训练和验证，设计了C-EPS系统数据采集试验台。该系统能够正确模拟C-EPS在实车环境下的各种工作状态，并对所需要的状态参量进行实时采集和数据处理，数据采集试验台主要由硬件设计和软件编写两部分组成。 4．建立了基于人工神经网络的扭矩-转角传感器扭矩、转角信号的预测输出观察器及ECU的在线诊断网络。并利用数据采集试验台采集的训练样本对这三个网络进行训练。 5．采用故障点模拟方法获得C-EPS系统的故障数据——在数据采集试验台架上人为设置故障点并采集此时的故障数据，在Matlab神经网络工具箱中对基于人工神经网络的C-EPS系统在线故障诊断策略进行验证，验证了该策略的切实有效性。 本文的工作特色在于对C-EPS进行全面分析的基础上，确定了C-EPS系统可能存在的故障，并提出了相应的故障诊断策略；引入了人工神经网络方法对C-EPS系统关键部件进行在线故障诊断，建立了相应的诊断网络模型，并设计了数据采集试验台验证了该策略是切实有效的。