随着我国经济的快速发展，机动车保有量在今后相当长的时间内将保持快速增长，随之而来的机动车排放污染物对人类居住环境的污染日趋严重，特别是尾气排放不达标的在用汽车对大气的污染更严重。本课题正是在上述背景下，明确提出如果能根据汽车尾气参数值，应用神经网络模型判断发动机的故障，这将大大减少了汽车尾气对大气环境的污染，也有利于I/M制度的管理。能使维修人员快速掌握故障部位并制定出相应的维修对策，提高发动机的使用寿命，对开发电控发动机故障诊断的辅助分析系统和解码仪的功能扩展有实际意义。如果把设计好的程序固化到解码仪的电脑之中，将会使解码仪进一步向“傻瓜化”方向发展。 本文首先介绍了汽车排放污染物、I/M制度及电控发动机的基本知识；其次，介绍了BP(Back Propagation)神经网络和RBF(Radial Basis Function Neural Network)神经网络的结构和算法，并建立神经网络模型；最后，以丰田凌志LS400电控发动机为实例，在怠速工况下，模拟发动机的各种故障，用金德K81电脑检测仪和NHA—501型尾气分析仪采集所对应故障下的尾气参数，并建立样本集。用MATLAB语言及其数据库处理技术编制仿真程序，分别用BP神经网络和RBF神经网络对所采集的样本集进行训练和仿真，并将两种神经网络的训练、仿真结果进行比较。从而得出，RBF神经网络比BP神经网络的训练速度快、效率高、诊断结果准确。