燃料电池发动机作为燃料电池汽车的重要组成部分之一,其性能及可靠性直接决定整车性能。由于发动机工作在封闭的空间内,而且工作环境较为恶劣,在运行过程中容易发生故障。深入研究燃料电池发动机运行特性,建立其故障诊断模型,对提高燃料电池汽车的可靠性具有重要意义。论文以此为背景,研究基于神经网络的燃料电池发动机故障诊断系统,主要研究内容如下：在分析燃料电池发动机的系统结构、探讨影响其输出性能的主要因素的基础上。结合燃料电池发动机的工作原理及实验数据对发动机进行故障分析,将其分为燃料电池发动机性能型故障和系统型故障二大类,并将发动机故障按严重级别进行了分级,列举了各级典型故障及相应的处理措施。由于燃料电池发动机具有非线性,非平稳性及不确定性等特点,无法用传统的解析模型故障诊断方法得出精确诊断结果。本文提出了一种基于神经网络的故障诊断方法,并探讨了各种改进型BP算法的优劣及适用情况。针对发动机的不同子系统建立BP网络故障诊断模型,获取初始的诊断知识运用于发动机运行过程中的故障诊断。针对自主研发的燃料电池发动机系统,设计了燃料电池故障诊断专家系统软件,在对系统软件进行需求分析的基础上,对软件功能模块进行了划分,包括通讯接口模块、实时监测模块、故障诊断模块、神经网络自学习模块及数据库管理模块,实现了发动机运行状态的监测、实时及历史数据查询、报警显示、常见故障判断以及定位分析等功能,同时该系统还可离线诊断。通过现场实验模拟故障对故障诊断模型及诊断软件进行了验证,诊断正确率较高,可见该软件可以准确地对发动机故障进行定位及给予维修指导意见,且其采用模块化设计方法,重用性较高,在需求发生变化时,程序修改难度较低。