目前汽车设备诊断监测系统的结构主要有集中式的结构、主从式的结构和分散式的结构及基于网络的分布式结构。

集中式的结构由一台主机完成从信号采集处理到数据分析和故障诊断的全过程，系统便于控制，但处理负担重，实时性差，并存在危险集中的可能性。

主从式在集中式的基础上前进了一步，将单机任务中的数据采集处理等下放到从机，主机只完成诊断处理工作，主从间可以通过通信实现信息交流。这种结构易于实现多机协作和容错模式，但系统的扩展性和开放性仍然有一定的局限性。

分散式的结构是由多个主、辅机构成的系统，每台子机可以单独实现监测诊断功能，但是彼此之间相互独立，因此无法实现信息共享和相互协作，每个子机实际上是一个个信息孤岛，不利于大型复杂设备的诊断管理。

基于网络化的分布式结构，可以达到资源共享、协调工作、功能分散和管理集中的目的，网络上的各节点均能够完成分布式处理，具有子诊断功能，网络扩展灵活，便于和生产现场控制系统、生产管理信息系统联网，使现场设备状态监测与故障诊断、生产过程形成有机整体，实现全局最优运行。因此，适用于大型载重车的诊断体系结构。

由于在汽车这个具有分布式特点的多子系统中，还存在着功能分层和结构分层的特点，因此，为了实现集成化、智能化和自动化的诊断过程，提出基于层次分类法的思想，以系统的结构性为基础，对复杂问题实现由上而下进行功能分解，直到最小系统或设备。层次化的分类过程也是协作诊断过程，其目的是将复杂的问题通过分解成较简单的问题求解，从而提高系统的诊断能力。(www.daowen.com)

如图6-7所示，采用层次分解的诊断模型，将整个系统的诊断问题分解为不同层次、不同规模的子诊断问题，并由此建立层次诊断模型，然后针对各子诊断问题特点，选择相应的诊断方法或者再次实现分解，逐层深入，直到完成诊断任务。层次诊断模型通过逐步细化缩小故障范围，从而减小诊断过程中的搜索量，提高诊断效率和可靠性。

图6-7 基于层次分解的诊断模型

层次分类之间和层中各个子类之间都不是孤立的，而是相互协作的关系。基于分布式的层次分类模型不仅具有功能上的层次性，而且具有结构上的分布性，适合于以分布式问题求解为目的的分布式人工智能技术的应用和实现。