随着现代控制系统越来越复杂化、大型化,系统各个部位的可靠性要求也越来越高,而故障出现的可能性也随之增大。对于大型的复杂控制系统,如果发生故障将严重影响到人的生命和财产安全,带来不可估量的损失。所以必须确保系统的可靠性和安全性,该问题已经引起了广泛的关注。高空作业车是用来运送工作人员和使用器材到达指定现场,进行高空作业的专用汽车。目前广泛应用各种生产生活中的高空作业领域,是新兴的技术产业,有着广阔的发展前景。在当前科技的迅猛发展下,现代社会生产生活中对高空作业车的作业效率和安全性等方面的要求越来越高,高空作业车的设计制造也不断向着高精度和轻质化的方向发展。然而,高空作业车控制系统作为高空作业车的“大脑”,其闭环非线性、多输入多输出控制系统的特点决定了其非线性、复杂性、不确定性、资源有限的特征,这就导致了在控制系统故障诊断时的鲁棒性、很少的先验知识以及误诊漏诊等困难。而且,在以往的研究中,都是将高空作业车的作业臂作为刚性系统来处理,并没有考虑臂架的柔性变形对作业性能的影响,但这在故障诊断的过程中是一个无法回避的问题。本文首先在考虑了柔性作业臂刚体运动和弹性变形之间的耦合影响的情况下,利用拉格朗日原理推导折叠式高空作业车臂架的非线性动力学方程,高空作业车的柔性臂架系统因为建模以及测量的不准确性,还有外部的扰动与负载变化的影响,要得到完整而精确的运动模型是非常困难的,用一般的控制方法进行控制的话,将会产生一定的作业臂定位误差。本文中以混合控制的方法来解决柔性工作臂非线性系统的控制难题。使柔性臂架系统的控制系统在负载等不确定因素变化时仍能快速、准确地跟踪期望轨迹。在其控制系统解析模型的基础上,使用状态估计的方法对其进行故障诊断。因为高空作业车控制系统的非线性、不确定性、强耦合性和资源有限性的特点,传统的观测器无法对其状态进行准确跟踪,降低了故障诊断的准确性和鲁棒性。支持向量机以结构风险最小化为原则,在处理非线性、小样本高维数的问题时能取得很好的效果,是近年来统计学理论中最热门的一种学习算法。最小二乘支持向量机(leastsquares support vector machines,LS-SVM)以最小二乘算法代替传统支持向量机中的所用的二次规划算法来作为损失函数,可以很好的进行函数估计与分类。LS-SVM的能够解决大尺度问题,推广性也很好,但这会降低支持向量机解的鲁棒性。本文中利用加权支持向量机进行观测器的设计,通过对权值的动态调整,使得该观测器在各种复杂环境下都能对其状态有效跟踪,由状态估计值与系统测量值之间得出残差,分析残差提取故障特征,从而对该控制系统进行准确迅速的故障诊断,仿真结果表明,使用本文所设计的方法,可以很好的对高空作业车的控制系统进行故障特征提取,完成诊断任务,并且具有很高的精确度。