随着现代军事工业水平的日益提高,双弹车的设计不断朝着大型、高速、强载、连续运行和结构高度复杂化的方向发展,在满足军事需要的同时也增加了双弹车发生故障的潜在可能性。一般双弹车发动机为柴油发动机,它是双弹车极其重要的一部分,作为动力来源,其运行状态的好坏直接影响了双弹车的作战性能。由于柴油发动机结构复杂,工作环境恶劣,运行时其零部件要在高温、高压条件下工作,并且转速及负荷经常变化,所以柴油发动机发生故障的概率比较高,需要选择合理的方法对其进行故障诊断,以减少损失。　　人工神经网络具有并行分布式处理、高度自适应性、联想记忆、极强的容错性和非线性映射能力等众多优点,因而十分适合用来进行机械故障诊断。本文在分析了人工神经网络原理、柴油发动机故障原理及柴油发动机故障诊断技术的基础上,选用BP神经网络对柴油发动机7个常见故障进行了模拟仿真实验。实验过程为:先根据特征参数和故障类型设计好BP神经网络,然后将归一化后的样本数据输入到MATLAB软件,接着分别用基本梯度下降算法和LM算法对设计好的BP神经网络进行训练,最后利用训练好的B P神经网络对双弹车发动机进行故障诊断,得出仿真结果。　　仿真对比试验表明:基于基本梯度下降算法和LM算法的BP神经网络的故障诊断结果与实际情况具有良好的一致性,都可较好的完成对双弹车发动机的故障诊断,但基于LM算法的BP神经网络明显收敛速度快且故障诊断精度高,可优先选用。