汽车是一个复杂的机械系统，它由数千种的零件所构成，发动机是汽车的动力源，是汽车的心脏，汽车的一些基本技术性能都直接或间接地与发动机的相关性能相联系。因此发动机综合性能的检测对整车性能的了解至关重要，在发动机不解体的情况下，及时准确地对发动机当前的技术状况作出判断，并给出其技术状态的调整意见，这无疑提高了汽车使用的可靠性、经济性和安全性，同时减少了盲目维修产生的费用。与发达国家相比，我国车辆状况、道路条件差别很大，驾驶员、检测员的文化素质相对较低，因此汽车发动机性能检测与故障诊断专家系统的研制具有重要的经济价值和广阔的应用前景。 传统的故障诊断专家系统（Expert System，简称ES），是基于符号推理的智能诊断模型，是在故障诊断领域内以人类专家水平去解决该领域中困难问题的计算机程序。其一般由知识源、推理机和人机接口等部分组成。它能在系统不确定、不完备的领域知识下进行推理，而且能对问题求解过程作出解释。但它同时存在着知识获取难、知识台阶窄和推理能力弱等局限性。 人工神经网络（Artificial Neural Network，简称ANN）是由大量神经元相互连接而成的复杂网络，是由人工建立的以有向图为拓朴结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。网络的连接权值可通过训练获得，具有学习、归纳、记忆等特点；同时具有较强的容错能力及鲁棒性等优点。但其本身也存在着一些缺陷，如易出现局部最小，并行处理技术带来识别结果难以理解和解释等。 因此本研究构造了基于神经网络的诊断专家系统，使之兼有专家系统与神经网络的优点，通过多种传感器检测发动机的性能，与标准参数数据库进行比较后提供给专家系统，实现了故障诊断的高效、迅速，为发动机故障诊断提供了新的途径。 本论文的核心部分是基于神经网络的汽车发动机故障诊断专家系统和数据采集系统的硬件和软件设计。数据采集系统是利用电流/电压传感器，白金传感器，外卡夹持式传感器，油压传感器，高压传感器等多种传感器，利用89C51单片机对从传感器获取的信号进行A/D转换，滤波，信号放大等处理，用汇编语言编写而成，对系统的传感器和诊断参数的选择作了分析，并提出了防止系统干扰的软硬件措施，对发动机数据的预处理方法作了介绍。根据汽车发动机的类型、组成结构、功能原理及维修专家的实际经验，用计算机故障模拟建立故障诊断树。由诊断树提炼出训练样本，提供给神经网络学习，学习后生成的权值和阈值组成了知识库的一部分。期间专家系统可以借助于神经网络进行自学习，扩充知识库，提高诊断准确性。文中对目前应用最广泛最有成效的BP网络及其在sigmoid激发函数下的算法步骤，程序设计作了详细说明，并对基于BP神经网络的模糊故障诊断作了探讨。 该软件是在Windows98操作系统中用Visual Basic 6.0程序设计语言和Access数据库技术开发设计的。系统中收集了一百多种型号的发动机的三十多个标准参数以及汽油发动机的点火系统与柴油发动机的供油系统的正常波形和故障波形，以便用户添加、删除机型，能方便地进行查询，对所获取的数据和压力或电流电压波形进行比较，从而得知发动机的性能状态，运用故障诊断专家系统程序后一般能够迅速找出故障所在。 如何更好地实现在线检测与故障诊断，使检测与故障诊断简单化，智能化，建立起适合我国国情的汽车发动机性能检测与故障诊断系统，并能在实践中得以推广应用，是今后故障诊断系统研究的课题。