随着现代电子技术的飞速发展，汽车工业进入到又一次腾飞阶段。而随着汽车机电一体化的程度不断地提高，汽车在给驾驶者带来更多便捷和科技感的同时也带来了更多安全隐患。特别是日趋严重的污染问题，也让大家重新审视这个庞大产业所带来极大方便和进步的同时渐渐暴露出的种种弊端。因此，故障诊断和排放的控制在这样的环境下愈发凸显其重要意义，并渐渐成为大家关注的焦点。特别是当美国最早开始实施OBD法规后，越来越多的研发力量倾向于这一领域。而作为汽车整体最为核心的部分，发动机自然得到了更多的关注。各种故障检测和诊断的方法在过去的几十年中，随着科学技术的不断进步也逐步得以完善。从开始简单地通过人工经验到利用简单的仪器检测，再到通过权限值来判断信号是否处于正常范围。可以说，误诊断的几率通过几代汽车人的不断努力，已经大大降低。如今，随着控制科学的不断推广，基于模型和基于数据的故障诊断方式正在逐渐为人们所熟知并广泛使用。而对于发动机这个复杂的机电一体结构，鉴于它的非线性，大惯性等特点，建模的难度越来越大。并且伴随着传感器技术的不断发展，数据的简易获取特性使得基于数据的故障诊断方式得以进一步推广。鉴于上述分析和查阅相关的参考文献，本文提出一种基于数据驱动的故障诊断方式。通过利用Simulink和AMEsim软件建立发动机模型，并用该模型得到仿真所需要的数据。之后通过改变主要影响传感器参数的输入量来进行故障的设置。然后对提取出的多个时域和频域的特征数据进行处理，以便更好地体现故障特征，用于诊断分类。最后利用支持向量机算法对故障进行检测和识别。通过大量的仿真实验验证了支持向量机方法对于发动机故障诊断的优越性和可靠性，可以用于发动机的故障诊断。