随着汽车工业的飞速发展,机动车污染物的排放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。本文对该课题研究的目的和意义进行了探讨,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,缩短维修时间,降低工人师傅的劳动强度,提高劳动效率,同时也有利于I/M制度的管理。本文将BP(Back Propagation)神经网络和RBF神经网络(Radial Basis Function Neural Network)应用于电控发动机的故障诊断。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神经网络和RBF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400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。因此,将RBF神经网络应用于故障诊断比BP神经网络更有效、可行。