1.一种网联汽车控制系统的故障诊断方法，其特征在于，包括以下步骤：S1：将网联汽车控制系统分为控制层和信息层，控制层中的控制节点为网联汽车控制系统中实现控制功能的节点，其余节点作为信息节点划分至信息层，信息层中的信息节点由控制层中的控制节点进行控制；

S2：对于信息层中的每个信息节点，记其在时刻t的输出状态参数向量B(t)＝(b1(t),b2(t),…,bM(t))T，bm(t)表示第m个输出状态参数bm在时刻t的值，m＝1,2,…,M，M表示状态参数数量；对于每个输出状态参数，采用基于遗传粒子群滤波的输出状态参数估计算法估计到时刻k的输出状态参数 如果 则判定该信息节点发生故障，否则信息节点正常；其中基于遗传粒子群滤波的输出状态参数估计算法的具体步骤包括：S2.1：确定信息节点中影响输出状态参数bm的参数，得到影响参数向量am＝(am1,am2,…,amG)T，其中amg表示输出状态参数bm的第g个影响参数，g＝1,2,…,G，G表示状态参数数量，确定以影响参数向量am为自变量的输出状态参数bm函数表达式bm(t)＝h(t,am(t))，am(t)表示时刻t的影响参数向量am的值；

S2.2：根据预先确定的先验概率p(am(0))产生粒子集 N0表示粒子数量，并且令所有粒子对应的权值初始值

S2.3：初始化诊断时刻t＝1；

S2.4：采用以下公式更新粒子权值：

其中， 表示影响参数向量am在时刻t的值时对应输出状态参数bm在时刻t函数值的条件概率， 表示影响参数向量am在时刻t-1的值时对应影响参数向量am在时刻t的值的条件概率， 表示影响参数向量am在时刻t-

1的值时与输出状态参数bm在时刻t函数值时对应影响参数向量am在时刻t的值的条件概率；

对权值进行归一化，得到归一化后的权值

S2.5：判断粒子权值方差是否小于预设阈值，如果是，进入步骤S2.7，否则进入步骤S2.6；

S2.6：进行粒子的交叉、变异，得到新的粒子集 返回步骤S204；

S2.7：根据以下公式进行状态估计：

S2.8：根据以下公式计算得到输出状态参数的估计值

S2.9：预测下一时刻的影响参数向量 f[]表示预先确定的影响参数向量的递增函数；

S2.10：令t＝t+1，返回步骤S2.2；

S3：对于控制层的故障诊断，本发明中为每个控制节点设置一个多层扩张状态观测器，包括N个观测器，N表示控制节点的输出状态参数数量；多层扩张状态观测器的结构表达式如下：其中，Observer_d表示控制节点第d个输出状态参数对应的观测器，d＝1,2,…,D，γd(k)表示观测器辅助变量，Ωd、Ξd、Ψd和Υd表示观测器增益系数矩阵，yd(k)表示时刻k时控制节点第d个输出状态参数的值， 表示时刻k时对控制节点第d个输出状态参数的估计值；

预先在智能汽车正常运行情况下，通过多层扩张状态观测器获取控制节点W个时刻的输出状态参数yd(w)及对应的估计状态信息 计算得到各个输出状态参数的残差样本向量Rd＝[rd1,rd2,…,rdW]，其中 然后对于每个残差样本向量Rd进行系统参数化表示，得到系统参数向量θd，对每一种状态参数的系统参数向量θd进行核密度估计，得到残差概率密度函数估计值pNF(θd)；

在智能汽车运行时，通过观测器周期性地获取W个时刻的状态信息，采用同样方法通过观测器得到各个状态参数对应的残差样本向量R′d，进行系统参数化表示之后得到系统参数向量θ′d，进行核密度估计得到残差概率密度函数估计值p(θ′d)；

计算每个状态参数的残差概率密度函数估计值p(θ′d)与对应正常运行情况下残差概率密度函数估计值pNF(θd)之间的散度，如果散度大于预设阈值，则认为该状态参数故障，否则该状态参数正常。

2.根据权利要求1所述的故障诊断方法，其特征在于，所述散度采用K-L散度。