四缸汽车发动机是一种典型的往复式机械装置,与旋转机械装置一样,在所有的机械装置中扮演很重要的作用,然而对这种往复式机械装置的研究远不如旋转机械成熟。由于发动机是汽车中最为重要的一个部件,随着科技的进步,四缸汽车发动机的结构越来越复杂。本文将对一种典型的四缸汽车发动机故障问题——气门间隙异常进行研究,希望能降低汽车维修成本和能耗、提高汽车运行状态等方面带来经济效益和提高工作效率。本文根据四缸汽车发动机的结构特点,建立一个发动机缸盖振动信号源模型,并对配气机构进行运动学和动力学分析,对其振动机理进行研究以便分析其故障特点。发动机工作时的状态信息通常都包含在振动信号中,我们利用振动信号对发动机进行故障诊断已经得到了广泛的应用。本文提出了运用时域分析和小波分析的方法来对四缸汽车发动机的故障信息进行特征提取,并研究信号处理中小波基函数的选取原则,选取一个合适的小波基函数来对振动信号进行小波包分解,得到故障信息的特征参数。利用粗糙集理论对前面特征参数进行属性的离散化和约简,并提出了一种基于粗糙集和BP神经网络相结合的诊断模型,并对其学习方法和结构进行深入理解,提出了一种用一对粗糙神经元来代替传统神经元的方法,将原有的数值扩大为一连续的区间,从而增强了BP神经网络对输入信息的理解能力。运用这种方法对本文研究的四缸汽车发动机气门间隙异常这种典型故障进行诊断,并与传统BP神经网络诊断的结果作比较。为解决气门间隙异常这个四缸汽车发动机故障问题提供一种切实可行的解决方案。