电动汽车与传统的内燃机车辆本质不同，它以车载电源为动力，用电机驱动车辆行驶，因此电机的可靠性决定了电动汽车的性能和工作情况。而电机故障诊断技术与电机的可靠性密不可分，它包含很多新科技内容的综合技术，其中轴承故障诊断是电机故障诊断技术中的重要部分。基本原理是根据轴承运行过程中产生的各种信息，判断轴承运行是属于正常还是发生了异常，滚动轴承故障的准确诊断可以减少或杜绝事故的发生。本文从以下几个方面开展了对滚动轴承故障诊断的研究：　　 首先，在分析神经网络、遗传算法、专家系统等故障诊断方法的基础上，提出了电机滚动轴承故障的贝叶斯分类器的设计方法。贝叶斯网络诊断法与神经网络方法相比，更简单，易实现，容易实现后期的在线诊断。　　 其次，对电机滚动轴承的故障振动信号进行分析，用高通滤波的方法从中提取出电机滚动轴承的特征参数，包括有量纲特征参数与无量纲特征参数，此特征参数在遵循正态分布和韦伯分布的基础上，进行了故障的初步判断，同时得出了电机滚动轴承通用的特征参数。　　 然后，提出一种识别指标(DI)，在此基础上，选取滚动轴承故障，内轮磨损，外轮磨损，内轮裂痕，外轮裂痕以及滚动损伤的有效特征参数作为故障诊断贝叶斯分类器的输入，各个故障作为贝叶斯分类器的节点。将滚动轴承故障诊断的信号数据分成两组，一组作为教师数据，确定贝叶斯分类器的结构以及节点概率表；另外一组作为学生数据，验证该贝叶斯分类器的有效性。　　 最后，根据设计的贝叶斯分类器分析其分类结果，结果表明该分类器能有效地进行故障的识别，同时也证明了有效特征参数的使用可以提高分类器的识别精度。