驱动桥作为汽车的主要组成部分,一旦发生故障会造成严重的行车安全。因此,驱动桥故障诊断的智能化成为未来驱动桥发展的主要方向。本文以BP神经网络为理论基础,进行驱动桥故障检测器的设计。　　首先,本文介绍了车桥故障诊断在国内外的研究发展情况,以及三种重要用于车桥故障诊断的理论方法,其中着重阐述了人工智能方法中的神经网络思想及其在故障诊断中的实际应用,为下文中故障模式的识别与诊断提供了理论基础。　　其次,根据市场的反馈和与厂家的技术对接,总结梳理出车桥可能发生的一系列故障情况。针对其中几种频率较高的故障,即油温故障、磨损故障、应力故障、磨损温度故障。通过合理的布置各类传感器来采集上述几种故障信号,本文选用STC12C5628AD单片机作为故障检测系统的主控芯片,并以此芯片为核心设计了电源电路、主控芯片最小电路、传感器信号采集电路、故障信号处理电路,故障信号报警和显示电路等,最后将各类电路模块进行集成化处理,生成 PC B电路板,作为故障采集的硬件的设备。　　再次,对上述4种故障状态的组成因子进行分析,利用自行设计的故障检测电路板采集到的4种故障信号生成故障状态的初始决策向量。在了解理论的基础上设计出用于故障状态识别的3层 BP神经网络结构,确定各层神经元的节点数、层与层之间的传递函数、各层之间的权值和阈值矩阵。再利用MATLAB中的神经网络工具箱函数创建出BP模型,通过相应的算法和函数实现对BP网络的训练。　　最后,利用MATLAB软件对驱动桥系统频率最高的四种故障进行仿真,通过仿真的结果得出,BP神经网络在故障诊断的速度上以及诊断的误差率上都可以满足车桥故障诊断的需求。并将神经网络训练完成后的程序编写入单片机系统,作为故障检测系统的软件的程序。将以上设计的硬件电路和BP神经网络的软件程序结合起来,构成驱动桥的故障检测系统。