发动机故障诊断技术是利用发动机的状态信息和历史状况,通过分析和处理来定量识别其实时技术状态,并预测异常故障的未来技术状态的一门建立在多学科基础上的综合技术.本文试图从工程应用的角度出发,以桑塔纳2000GSI型发动机为研究对象,以虚拟仪器、测试技术、信号处理、神经网络、DataSocket技术等理论为基础,深入研究发动机信号的采集、信号的传输、故障机理、故障特征提取和诊断方法.论文主要由六部分组成:1)综述了汽车故障诊断技术的发展状况,指出了远程故障诊断的优越性和必要性及要解决的关键技术问题.简述了本课题的研究方案和研究内容.2)基于虚拟仪器技术设计了远程数据采集终端,可以对发动机进行实时数据采集、历史数据和暂态数据的显示,及数字滤波、频谱分析、波形显示等方面的数据后处理,从而获取原始诊断信息,为发动机智能故障诊断和远程故障诊断提供了前提条件.3)分析了现有远程故障诊断系统,并提出了基于虚拟仪器和Internet的远程故障诊断系统,利用TCP/IP、DataSocket技术编写了数据远程传输程序,实现了对信号和数据采集的远端浏览和控制,使远程故障诊断和多专家协同会诊成为可能.4)探讨神经网络的诊断原理,研究了几种BP神经网络算法,即基本BP算法、动量法、变学习率法、共轭梯度法以及LMBP算法,并就几种算法进行了比较.5)利用神经网络对故障模式识别、故障部位判断与故障原因分析等问题进行了研究.以怠速不稳为例,采用单故障样本组合的方式对神经网络进行训练,以识别具体的故障原因和部位.研究表明神经网络理论对汽车故障诊断方法的研究具有理论指导意义和实用价值.6)论文的最后一章对全文的主要研究内容进行了总结,指出了设计过程中遇到的问题,给出了主要研究结论和今后的研究方向.