随着人工智能的不断发展和工业自动化水平的快速提高，汽车发动机各系统的机电化功能不断增强，致使发动机结构越来越复杂，系统故障的潜在发生点急剧增多，对其可靠性测试水平和智能化故障诊断水平的提高显得越来越重要。这正是本研究课题的大背景。 以桑塔纳2000发动机系统为研究对象，阐述了模糊神经网络中的模糊逻辑系统和神经网络的基本原理，论述了应用补偿模糊神经网络进行发动机系统故障诊断问题。 在分析空调系统常见故障特征的基础上，利用数据采集系统采集空调系统故障特征参数，对特征参数归一化处理，计算得到训练样本集。并针对系统制冷剂过少、膨胀阀开度过大、冷却水流量改变、压缩机吸气管堵塞、压缩机吸排气串通等5种常见故障进行了诊断。建立了以压缩机进口温度、蒸发器进口温度、冷媒水进口温度、冷媒水出口温度、压缩机排气压力、压缩机吸气压力、压缩机出口温度、冷凝器出口温度等8个特征参数作为输入层参数、故障模式作为输出层的补偿模糊神经网络模型。 利用MATLAB 7.0编写出了基于补偿模糊神经网络的空调系统故障诊断学习训练及仿真检验程序，在网络的学习训练中，通过比较，选择合适的模糊分割数和学习率，使网络能够较快的达到收敛值。对已建立好的补偿模糊神经网络进行学习训练和仿真检验。仿真结果表明系统具有很高的准确率，只要制冷系统发生了与训练样本中一样的故障，诊断系统就能给出正确的故障原因。