燃料电池作为一种新的氢能发电装置，具有能量转换效率高、燃料多样化、对环境污染小、可靠性及维修性好等优点，被认为是今后替代汽车传统内燃机最理想的驱动源。内阻是反映燃料电池运行状态的一个重要参数，对其进行实时检测具有极其重要意义。燃料电池内阻在线测试系统作为检测内阻的一个设备，建立其故障诊断模型，对提高燃料电池的发电效率具有重要意义。论文以此为背景，对燃料电池内阻在线测试系统进行故障诊断方面的研究，主要工作包括：　　 (1)在分析燃料电池内阻在线测试系统的总体结构、探讨影响其输出性能的主要因素的基础上，结合内阻测试系统的工作原理及实验数据对其进行故障诊断研究，分析了系统的典型故障，并对影响系统性能的故障因素进行了特征分析。　　 (2)开展了基于故障树模型的内阻测试系统的故障诊断研究。故障树模型是一个基于被诊断对象结构的行为模型，也是一种定性的因果模型，反应了特征向量与故障原因之间的逻辑关系。针对本系统各个部分分工明确、整个系统并不十分复杂的特点，开展了基于故障树分析法的故障诊断方法研究，建立了系统故障树，并做了定性分析和定量分析。　　 (3)开展了基于BP神经网络的内阻测试系统的故障诊断研究。介绍了BP神经网络的基本原理和学习算法，分析了其算法的不足和改进方法，并结合实际详细介绍了BP神经网络在燃料电池内阻测试系统故障诊断中的应用。经过验证，表明BP网络在该系统的故障诊断中能够发挥较大的作用。　　 本文建立了燃料电池内阻在线测试系统的故障树模型和神经网络故障诊断模型，把两者相结合应用于实际研发工作中，经过实践的检验，取得了较好的效果。