本文介绍的柴油机故障诊断专家系统是一套专用于德国道依茨公司F10L413W型柴油机的在线实时自动化故障诊断系统。它是为国内某公司新近推出的一款大吨位无轨矿运卡车所开发的故障诊断专家系统中的一个核心子模块。首先主要针对F10L413W的16种故障的机理作了定性分析并选定了9个特征参数。结合F10L413W的实际情况列出了这9个特征参数和16种故障间的关联程度。针对16种故障中的5种分别应用BP、RBF、GRNN、PNN、ELman、CHNN、自组织竞争网络、SOFM、LVQ、CPN、ART-2共11种神经网络搭建了11个神经网络故障诊断专家系统。训练、测试，对测试结果结合本系统的实际情况进行了细致深入的分析。在从诊断准确率、训练时间、诊断分辨率、泛化能力等四个方面对以上11个神经网络故障诊断专家系统进行了对比之后，决定基于唯一在以上四个方面都达到最优并且非常贴合本系统实际情况的PNN来进行开发。在分析了故障样本的确定方式之后，作为对比，首先在不考虑故障先验概率、风险系数的情况下给出了48组训练样本、48组测试样本，搭建、训练、测试了第一个基于PNN的F10L413W型柴油机故障诊断专家系统。并改变网络径向基层散布常数SPREAD，观察诊断准确率的变化。随后，在考虑先验概率、风险系数的情况下给出了79组训练样本、48组测试样本(与第一个系统的测试样本相同)，搭建、训练、测试了第二个基于PNN的F10L413W型柴油机故障诊断专家系统。同样改变SPREAD，观察诊断结果变化。发现最高诊断准确率由第一个系统的97．92％降低到了93．75％。在测试时同样考虑先验概率的情况下重新给出了79组测试样本(由上述测试样本变换而来)，再次对第二个系统进行了测试，发现系统在SPREAD=0．065时准确率达到最高96．20％仅比第一个系统低了不到两个百分点。这主要是由于训练样本和测试样本的有限性所造成。本系统最终选用了第二套基于PNN的F10L413W型柴油机故障诊断专家系统。因为它更符合散布常数理论，贴合实际。并且风险系数的引入也有力地保障了对高风险系数故障的高诊断准确率。在本文结尾，对本套基于PNN的F10L413W型柴油机故障诊断专家系统的实现也作了相应的介绍。