近年来国内外的机械故障诊断技术发展迅速，研究的手段和方法日新月异，其应用己遍及各个工业领域。由于汽车发动机结构复杂，故障特征及原因普遍存在针对性和常见性，对其实施故障诊断比较困难，尽管人们对其开展了不少研究并取得了一些研究成果，但总的诊断水平并不有效，这与其在生产生活中广泛应用的现状极不相符。因此，对汽车发动机开展故障诊断研究具有十分重要的意义。本文研究工作就是在这个技术背景下展开的。 本文主要研究汽车发动机故障诊断的方法。在分析了现有故障诊断方法的基础上。提出了一套利用神经元网络进行故障诊断的方法。在分析了发动机常见故障和经验解决方法之后，结合人工神经元网络模型和学习模型，设计了适合本研究的故障诊断系统。本系统采用三层神经网络结构，4个输入结点，中间层为10个，输出层与故障模型相对应，为12个。在算法方面，经过多次实验，提出了一种高效的改进型FBP算法。使用梯度下降法迭代法不断修正权值，网络训练迭代次数为10万次，学习精度要求为取系统总误差E=0.001.系统诊断成功率高打91.6％，使系统最终达到了设计目的。