内燃机是一种被普遍使用的动力设备，它的运行状况的好坏，直接关系着使用部门的生产能否正常运行。因此，做好对内燃机的故障诊断工作，对提高内燃机使用安全性、降低污染、节约维修费用及降低消耗具有重要的意义。由于内燃机结构较为复杂，因此只用单一方法对它进行诊断是不够的，必须借助于信息融合、神经网络、模糊逻辑以及专家系统等人工智能技术的计算机诊断方法，才能达到较高的准确性及实时性。 本文的研究是在神经网络与模糊理论最新研究基础上，围绕着内燃机热工故障智能化诊断问题展开的，主要工作如下： 首先，综合分析了国内外关于内燃机故障诊断方面研究现状，指出了存在的问题。 其次，由于专家系统的应用领域非常广泛，所以将神经网络、模糊技术同专家系统结合起来应用于不同领域的模型也多种多样。本论文以内燃机故障诊断领域为背景，在将神经网络、模糊技术同专家系统进行融合的理论模型和实现方法上进行了探讨。 第三，深入研究了神经网络系统理论，并针对目前常用的BP算法所存在的问题，提出了一种加快收敛速度和解决局部极小点的新的方法。 第四，在对专家系统、神经网络和模糊技术各自的特点进行深入地分析之后，本论文提出了将专家系统和神经网络相结合的三种模型，分析了各模型所适用的环境，并讨论了对符号专家系统进行模糊化改造以及模糊逻辑同神经网络相结合的方法。 第五，在分析内燃机故障诊断问题特点的基础上，系统的研究了基于热工参数异常的内燃机的故障诊断策略。并应用故障树方法对内燃机进行了故障分析。 第六，由于内燃机故障诊断是设备诊断学的重点和难题，而目前的各种监测方法是按照各自的工作原理，从不同的角度获得内燃机部分不同性质的信息。本论文提出了采用对温度、压力以及流量等热工参数的监测，实现对故障的采样，因而在准确性、可靠性和实用性等方面都有较大的提高。 最后，根据本文的理论研究结果，设计并研制了“基于神经网络与模糊武汉理工大学博士学位论文技术的内燃机热工故障诊断专家系统”。