自从汽车作为主要交通工具进入社会、家庭以来,其安全、机动以及舒适性能无时不刻的随着包括制造行业在内的社会整体科技的发展水平的提高而日新月异,为不断满足消费者对汽车行驶安全性的预期和主导性需求的升级,不断有新的各种各样的汽车电子设备被发明并规模化生产出来。电子安全设备、系统的增加,从某种角度讲,提高了行车的安全行驶能力,但同时新的问题也出现了。各主机厂或与零部件行业巨头提供的汽车自动化装备的种类越多、程度越高,则与之相配套的安全保障系统设计就愈加庞杂。车辆稳定控制系统(Electronic Stability Program,下称ESP),作为汽车业界相对成熟的主动安全装备,该装备的发展是以防抱死制动系统(Anti-Block System,下称ABS)和牵引力控制系统(Traction Control System,下称TCS)为基础,尽管学术界也有以汽车起动提速防滑系统基础的理论研究。但总体而言,以TCS及ABS为基础的ESP集成系统,能够将TCS及ABS的使用性能发挥至最大化,不仅极大地增强了汽车高速行驶时的安全稳定性,而且大幅度减少了汽车高速行驶过程中,因驾驶员转向操作不当导致车辆失稳而引发的重大安全事故。与目前市面上流行的其它安全被动设备相比,ESP系统的主动安全装备性能更高,更能保障汽车高速行驶时驾乘人员的生命财产安全,且在今后的发展过程中,该系统必将成为新车上路行驶所必须配置的安全基础装备。本文将从研究视角上,尝试用反向传递并修正误差的多层映射神经网络算法(Back Propagation Neural Network,下称BPN)的基本原理和方法,探讨影响汽车ESP系统的诸多因素。从研究对象来看,侧重于探讨ESP系统故障诊断中BPN的应用原理；从研究内容来看,侧重于探讨BPN与汽车ESP系统故障诊断判断的整合功能。在全部研究过程中,本文首先介绍了汽车ESP系统故障诊断的研究背景、研究意义及国内外研究成果；其次,从定性与定量分析两方面,分析了BPN的基本原理及使用方法,选择并确定了BPN拟真计算方法,同时构建了基础模型,利用BPN的优势,进行设计,并用MATLAB进行模拟仿真。在对汽车ESP系统故障诊断系统进行研究分析的基础上,结合汽车行驶系统的动态特点,提出将BPN系统应用到ESP系统故障诊断中的假设,对ESP系统传感器与执行器故障做了仿真模拟分析,并在单一传感器和执行器故障情况前提下用MATLAB软件进行仿真并记录、分析,随后利用BPN对ESP系统故障进行判定,其判定结果显示,在ESP系统故障中应用BPN系统在理论支撑,还是在具体方法应用方面都是切实可行的。