随着发动机的自动化程度不断提高、工作性能不断改善,其结构也变得越来越复杂,加之工作环境恶劣,发动机故障具有多样性、频发性、不确定性和破坏性等特点,其故障识别也越来越困难。探索可靠和准确的发动机故障识别方法对人车安全、环境污染等都具有重要的意义。支持向量机(SVM.Support vector machine)对高维非线性问题有良好的识别能力,且在相对少量样本时能兼顾良好的泛化能力,是模式识别的研究热点之一;故障树分析法(FTA.Fault tree analysis)是一种思路清晰、逻辑性强,可进行定性和定量分析的系统可靠性分析方法,是安全系统工程的主要分析方法之一。本文结合SVM和FTA的特点提出了一种基于FTA-SVM的故障识别方法,从提高SVM数据处理可靠度入手来研究SVM分类器驱动的可靠性问题,利用FTA提高分类器驱动的可靠度,通过集成运用FTA和SVM分析方法来探索汽车发动机故障识别问题。本文利用FTA-SVM的故障识别方法对发动机失火和发动机异响进行了故障识别。首先,利用故障树分析法提高SVM映射模型的可靠性,对发动机失火和发动机异响进行故障树分析,理清发动机失火或异响的故障机理,建立发动机失火和异响的故障树模型;建立起故障数据与故障树底事件的非线性映射模型。利用一对一多分类方法构建多分类器,并采用遗传算法对SVM参数进行优化,建立SVM模型。最后,本文在MATLAB环境下,针对SVM数据处理部分开发了人机交互友好的SVM数据处理系统,通过对测试数据的处理,验证了该方法的可靠性和适用性。