无论是传统汽车还是智能汽车，制动系统是保障乘客出行安全和道路交通顺畅的最为重要的关键技术之一。线控技术是智能汽车的核心组成部分，线控技术的不断突破和发展将促进智能驾驶时代的早日到来。对于汽车、航天器、核电站、化工厂等对安全性能有较高要求的系统而言，设计一套兼具可靠性、安全性和容错性的控制系统是十分必要的，它能够容忍零部件的潜在故障，在出现这种故障时，能够维持系统的稳定性与可靠性。本文的研究工作围绕智能车执行器突然失效工况下的容错控制问题展开，主要研究内容如下：　　(1) 贝叶斯网络是一种针对于不确定性问题的基于概率论思想的机器学习算法，本文将贝叶斯网络相关理论方法应用于线控制动系统执行器的失效问题研究，设计基于BBW系统不确定执行器故障的贝叶斯网络诊断方法。　　(2) 课题研究车辆平面运动，选取车辆质心的纵向速度、侧向速度和横摆角速度为目标控制变量，拟对智能汽车的线控制动系统的四个车轮的制动力进行分配和补偿，由于在行驶过程中不同状态变量存在相互耦合的情况，本文建立了面向控制的七自由度非线性动力学车辆模型。　　(3) 基于BBW系统制动执行器失效问题设计相应的双层主动容错控制策略，上层是结合面向控制的非线性七自由度车辆动力学模型，以参考模型中的横摆角速度和质心侧偏角为理想参考值，基于滑模控制方法设计的运动控制器；下层采用非迭代重构控制分配方法，用轮胎利用率表征轮胎与路面的附着力对附着圆的利用程度，选取四个车轮的轮胎利用率的加权平方和作为优化控制目标，求解该目标函数的最小化即可获得最优的轮胎力重构再分配方案。　　(4) 从理论层面分析该双层主动容错控制策略对单轮部分失效、单轮完全失效、双轮同侧部分失效、双轮异侧部分失效、双轮异侧完全失效、三轮部分失效、四轮部分失效这7种失效工况容错控制的可行性。根据不同失效模式(1轮、2轮、3轮、4轮)和失效程度(部分失效和完全失效)分别设计其对应最优控制分配方案。