车辆发动机曲轴故障诊断分析是车辆售后维修的难点,也是当前车辆维修检测中最具技术含量的领域之一。随着车辆的大众化普及,车辆售后维修市场的不断扩大,如何提高车辆发动机曲轴故障诊断分析效率,降低其对维修检测人员的经验的依赖和检测的时间成本,成为当前车辆发动机曲轴诊断分析研究领域亟需解决的问题。本文根据当前已有的相关研究理论和技术现状,提出了一种基于车辆发动机曲轴振动信号,以时频相干分析为基础,结合BP神经网络的故障诊断分析方法,提高了车辆发动机在售后维修中对曲轴诊断分析的效率。在原有自动化信号分析仪的基础上,通过开发PC软件并整合各硬件功能实现了对典型故障的自动化分析和识别。本文的主要研究内容如下:1)综述了当前车辆发动机曲轴故障振动信号测量及分析的相关方法、原理,以及国内外研究现状,确定了本文的研究内容和研究方法。2)对车辆发动机基于振动信号实现故障诊断分析的一般流程、振动信号测试原理及方法、时频相干估计等理论进行了详细分析,确定了基于时频相干估计分析法对信号的提取和处理的理论依据。3)进行了车辆发动机曲轴诊断方案的设计,通过对检测信号的提取、BP神经网络的深度学习、自主学习、大数据存储、故障提取判断等几个模块的设计和融合,基于LabView平台完成了软件系统的详细编程设计。并通过PVTAS100振动信号分析仪、PIX SimMotor信号模拟器等硬件选型,实现了一个操作简便、诊断自动化的发动机曲轴故障诊断平台。4)进行了发动机曲轴故障诊断自动化平台的实际运行测试,通过对常见的发动机抱轴故障、曲轴断裂故障、硅油减震器对曲轴振动故障三种故障模式进行实际应用,证明了该平台可以可靠运行,而且提高了曲轴故障诊断效率。