发动机是汽车的心脏,40%的汽车故障来源于此。其结构复杂,工作条件恶劣,在长期使用过程中,发动机技术参数将以不同的规律和不同的强度发生变化,最终导致故障,从而严重威胁行车安全。因此对汽车发动机展开故障诊断的研究有着非常重要而又现实的意义。然而,我国目前的发动机故障诊断系统尚缺乏一种集数据采集、分析处理和诊断推理于一体的通用化平台,同时在分析故障现象和故障原因的非线性对应关系时,也存在一定的局限性。因此,本文在研究和比较了各种故障诊断技术的基础上,把神经网络理论和虚拟仪器技术融合应用到电喷发动机故障诊断中,显著提高了发动机运行的可靠性,并从保证发动机性能、缩短维修时间、减少备件等方面获得了显著的经济效益。本文首先对BP神经网络的基本原理、模型结构、算法设计和应用情况进行了分析,并对BP神经网络的一些改进算法及其训练效果进行了研究。通过系统仿真验证了BP神经网络用于故障诊断的可行性。同时,为解决网络训练过程中因样本数目过大而无法收敛的情况,结合数据融合技术创建了基于集成神经网络的电喷发动机性能评估预测模型,并以起动困难故障和怠速不稳故障为例对该模型进行了验证。然后在分析虚拟仪器技术的基本概念、组成和LabVIEW编程技术的基础上,结合对表征发动机工作性能特征参数的研究,提出并设计了基于虚拟仪器技术的电喷发动机智能化故障诊断测试系统的通用化平台,该平台集成了信号采集技术、信号处理技术和数据库技术以及包含本文建立的故障诊断模型在内的各项智能化故障诊断技术。最后在该通用化平台上,以废气排放测试项目为例,设计了基于神经网络和虚拟仪器技术的发动机废气排放故障诊断子系统,有效解决了故障征兆信号的数据采集和存储、信号处理分析以及神经网络诊断推理等设计难点,实现了系统的在线诊断分析功能,提高了系统的诊断精度,加快了系统的开发进度。