汽车作为现代生活必不可少的交通工作,是衡量人们生活质量的重要参数,同时汽车运转的情况,与交通安全、甚至与生命息息相关。发动机作为汽车运行的“心脏”,是汽车运转的核心部件,同时也是汽车故障原因的主要来源,基于某合资品牌的某款车为例,在质量方面无论在短占用期还是全三包周期,维修和索赔数据在行业中处于上游水平,但是每年与发动机相关的三包花费需要一千多万人民币,三包花费占整车三包花费的70%,发动机维修比例占整车维修比例的60%,并且专业汽车质量调研机构数据显示,有20%的客户对发动机的燃油经济性、噪音和抖动、维护成本较高产生了抱怨。现阶段,汽车企业的竞争是产品和服务的竞争,汽车故障诊断水平直接影响汽车企业的质量及服务水平,与企业发展、形象紧密相连。随着科技的进步,人工智能,云计算、大数据、移动网络等技术的兴起,为汽车发动机故障诊断带来新的发展思路,智能化的故障诊断将提高诊断的准确性、可靠性、及时性。因此,针对汽车发动机建立一个智能化的故障诊断模型对车辆安全,汽车企业的发展均有重要意义。本文致力于研究基于人工智能的汽油发动机故障诊断模型。针对单一智能诊断方法的局限性,引入自动化信息化处理技术-多信息融合技术,选择符合融合模型各层的智能化算法,将信息进行组合优化,为精准挖掘发动机故障原因奠定基础。本文首先,总结、归纳、分析故障征兆与故障原因的对应关系;其次,分析多信息融合技术应用于发动机故障诊断的可行性;最后,运用人工智能技术精准刻画数据层,特征层,决策层多信息融合的诊断模型,构建基于人工智能的汽油发动机故障诊断模型。该模型包含数据层、特征层、决策层。其中釆用能处理非线性问题、有自学习能力和容错能力、可快速做出故障分类的RBF神经网络,构建数据层的融合故障诊断模型;利用适合于小样本决策、具有较强泛化能力的支持向量机SVM算法,构建特征层的融合故障诊断模型;利用在表达不确定性问题方面更有优势的D_S证据理论,构建决策层的融合故障诊断模型,选取数据层或特征层的融合故障诊断结果作为证据体,选取相应的可信度函数,一定程度上改善汽油发动机故障诊断的精度。最后,根据本实验用发动机各传感器特性,设计开发模拟装置,以模拟发动机在实际运行过程中出现的故障,获取汽油发动机实时状态数据,并对基于人工智能的汽油发动机故障诊断模型展开数据层,特征层,决策层的融合诊断测试,实验验证了该故障诊断模型的精度及时效性。