汽车在现代交通生活中占据越来越重要的位置，随着汽车工程技术的发展，汽车的功能和结构也有了很大的提升，然而伴随这一发展，产生了更多越来越复杂的汽车故障现象，由此对于汽车故障的诊断与维修也造成了更大的困难。为了能够快速确定故障原因以及产生部位，从而使得人们对先进的汽车故障诊断技术、故障诊断工具，以及故障诊断理论的研究十分迫切。论文通过对目前国内外本课题研究现状的分析和研究，提出了模糊神经H网(FNHN)故障诊断方法。该方法是结合FHN的图形结构特点，将FHN模型分成若干层，通过对模糊H结点点燃连续函数逐层运算，计算出这一层的所有输出H结点的标识数。在FHN中，每一个模糊H结点对应一个规则，H结点的输入是规则的前提条件，输出是规则的结果，映射函数对应规则的可信度，规则的匹配成功与FHN中模糊H结点的点火相对应。将BP网络算法应用于FHN中，在给定上述参数初始值的基础上，通过误差反向传播方式，对每个结点依次进行参数调整，使得参数的取值逼近真实值。经过推理模型的建立以及推理算法的计算，将模糊神经H网应用于汽车故障诊断过程当中，能够取得比较好的诊断效果，证明该方法是正确和有效的。基于模糊神经H网(FNHN)的汽车故障诊断过程分为两大部分：首先建立汽车故障诊断的模糊神经H网模型；然后根据已建立的模糊神经H网故障诊断模型和推理算法来进行汽车故障诊断。论文主要通过对汽车故障状况进行分析，重点对汽车发动机故障的现象及产生原因进行研究，建立了汽车发动机故障诊断知识库模型。在模糊神经H网推理过程中，运用神经网络对于专家经验所给出的参数进行预处理，并用MATLAB对样本进行仿真学习，给出期望结果，根据模糊神经H网(FNHN)的故障诊断推理算法及推理过程，结合“发动机不能正常启动”故障现象验证了本论文方法的真实性和有效性。