随着人们对环境污染的重视，电能作为一种清洁能源受到了社会和科学界的重视，电动汽车得到了大力的推广，然而近期电动车事故频频发生，主要原因是电动车电池的自燃和起火，电池的安全性直接决定了汽车电池的安全性。在电池发生故障时，如何快速准确的判断电池的故障，并保证驾驶人员的安全成为了研究热点。
　　本文首先对电动汽车的发展和动力电池的机理进行了介绍，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、及故障类型的基础上，重点研究了数据驱动的故障诊断方法，对电池的老化、以及过充过放故障的产生的原因进行分析，通过实验寻找故障带来的电池参数的变化，为故障诊断模型的建立提供理论和数据基础。
　　鉴于动力电池系统故障具有很强的复杂性和渐变性，且故障数据具有线性不可分的性质，而最小二乘支持向量机在处理非线性数据集上具有优势，因此提出了基于最小二乘支持向量机的锂电池故障诊断方法，并引入置信度概念对故障发生概率加以评估，最终建立故障诊断模型。仿真结果表明，该方法在静态数据上表现良好，在对测试集数据的判断上有着较高的准确率。
　　在电池应用过程中，故障会随着实际使用情况的变化而出现新的类型，造成静态故障诊断模型难以识别。为了满足故障诊断的动态需求，本文提出了一种可以实时更新的基于改进在线最小二乘支持向量机的故障诊断算法，通过在线学习的特点改进最小二乘支持向量机的模型，在保证故障诊断模型精度的前提下，提高了模型对新数据的响应程度。仿真结果表明，该方法对新的故障数据有着较高的诊断能力，同时模型更新速度快，能够加快在线故障诊断速度，具有良好的可行性和准确性。