随着汽车技术的发展,汽车的结构越来越复杂,电子化程度越来越高,随之而来的汽车安全问题也越来越突出。发动机作为汽车的核心部位,故障诊断尤为关键。故障节点数节节攀升,线路日趋复杂,诊断中需获取的信息量迅速膨胀,使得汽车故障诊断的难度也越来越大。现代汽车故障诊断已不仅仅是汽车出现故障后的诊断,还包括汽车运行过程中的故障预警。现有的故障诊断仪器与人工经验法,对故障诊断的准确率有待提高。此外其只能确定故障的存在与否,而对故障的趋势判定无能为力,已难以满足现代汽车安全的需要。论文是在分析了发动机电控系统主要故障的基础上,建立了以模糊神经网络为核心的故障诊断系统,并以465Q发动机电控系统为例,应用MATLAB软件进行了仿真实验。本文从汽车发动机故障诊断的背景和意义出发,从理论方面论述了基于模糊神经网络的车用发动机故障诊断方法是解决这些难题的有效途径。介绍了发动机电控系统的四大子系统(电子点火控制系统、电子燃油喷射控制系统、怠速控制系统和废气再循环控制系统)的结构功能和常见故障。完成了基于模糊BP神经网络诊断系统的设计,主要包括:故障征兆信息的采集与模糊化处理,BP网络结构与参数的设定,故障诊断模糊规则库的设计。该系统将采集到的故障征兆信息经过模糊化处理后,作为BP网络的输入,以模糊规则为准则,通过BP网络仿真得出最终可能的故障原因。论文进行了发动机单故障和多故障的仿真实验,通过常规故障诊断方法对单故障诊断的结果进行了验证,采用大量的故障征兆样本数据对多故障诊断的结果进行了验证。实验结果表明,基于模糊神经网络的发动机故障诊断方法,在发动机多故障诊断及故障趋势的判定方面具有明显优势,为车用发动机的智能故障诊断技术应用提供了可行的思路。