汽车悬架系统对于改善车辆行驶平顺性、操作稳定性和乘坐舒适性起着关键作用。相比被动和半主动悬架,主动悬架更能适应不同的车辆运行状况,又能同时兼顾汽车行驶安全性和乘坐舒适性,是当今汽车悬架产业发展的重要方向。目前,诸多先进控制策略已成功应用于主动悬架系统,但其大多基于系统各部分完好无损的假设。在主动悬架运行过程中,执行器、传感器和元器件可能随时发生故障,在此情况下,针对无故障情形的控制策略难以达到期望的控制效果,甚至无法保证系统的正常运行。因此,围绕汽车主动悬架故障估计及基于故障估计的容错控制展开研究具有重要理论与实际意义。本文针对四分之一车主动悬架系统,研究基于观测器的执行器故障估计方法,主要研究工作如下:（1）建立四分之一车主动悬架系统的数学模型及常用的路面激励模型;进一步,根据三种典型执行器故障（增益变化、恒偏差和卡死故障）的特性,得出统一的故障数学表达式;然后应用H₂/H_∞控制方法,设计主动悬架多目标混合H₂/H_∞控制器。仿真结果表明:在无故障情况下,主动悬架比被动悬架具有更加优良的减振性能;存在执行器故障时,主动悬架控制性能会受到明显的影响。（2）提出一种基于自适应观测器和遗传算法的快速故障估计方法。首先,引入快速自适应故障估计算法,该算法同时包含系统输出误差及其导数项;在此基础上,考虑三种典型的执行器故障,应用遗传算法对故障估计算法中的学习率和积分权重参数进行优化。进一步,根据故障估计方法获得的故障信息,采用最小二乘线性回归拟合方法在线辨识出故障类型。故障估计仿真结果表明:和其他一些故障估计方法相比,所提方法能准确、快速地跟踪三种典型的执行器故障。此外,基于故障估计和故障类型辨识的容错控制结果进一步验证了该故障估计方法的有效性和实用性。（3）考虑主动悬架系统可能存在的簧载质量变化,提出一种基于径向基函数神经网络（RBFNN）的参数依赖型故障估计方法。该方法首先将主动悬架系统建模为具有执行器故障和外部干扰输入的参数依赖型系统。然后,考虑RBFNN良好逼近能力和快速收敛性能,引入其来逼近执行器加性故障,并设计相应的自适应故障观测器。最后,仿真结果验证了所提故障估计方法的准确性,快速性,实用性以及对簧载质量变化的良好适应性。