汽车为人们生活工作各个方面带来巨大便利,使得不同地区间往来频繁,促进城镇一体化。发动机作为汽车的动力源泉,是汽车上最关键的部分。人们对发动机的需求由汽车最初诞生时的动力提供,变为如今的稳定性、可靠性、安全性、经济性等更高的要求。现在的发动机是由电控、机械、液压、各种传感器组成的复杂系统,日趋复杂的结构增加了发动机故障发生的概率。为了能够及时监测发动机工况及其汽车尾气排放状态,在上个世纪80年代以美国为首的西方国家开发了车载诊断系统(OBD),对发动机失火故障等发动机故障进行诊断。与此同时制定了相关的法规标准,我国根据欧盟汽车尾气排放标准制定了国Ⅲ、国Ⅳ、国Ⅴ等排放标准,目的是促使汽车制造厂商降低生产汽车的尾气排放量。汽车失火故障是指空气燃油混合气体不能在发动机气缸内进行正常燃烧,而排放出气缸的现象。会有很多原因造成失火故障,如发动机火花塞不能正常点火、发动机供油系统故障、气缸漏气等。发动机发生失火故障不仅降低燃油燃烧效率,同时对大气造成很大污染,也不符合我国尾气排放标准,且如果紧急避车等情况下由于汽车发生失火故障造成汽车动力性不足,会酿成车毁人亡的惨剧。鉴于以上原因,设计一种发动机失火故障有效诊断的方法显得尤为重要。本文在物理仿真软件AMESim软件平台上搭建直列四缸发动机怠速运行模型与发动机负载运行模型。通过设置节气门控制信号、通信时间、失火注入等相关参数模拟发动机11种运行工况。提取不同工况下发动机转速与发动机曲轴转角位移这两个数据,因为这两个数据不仅能够非常直观地表达发动机的运行状态,而且易于测量。在matlab环境中进行处理,将曲轴转角位移经过取余等处理后按照一定的曲轴转角位移与发动机转速比例值进行相加处理,成为观测数据,并整理成训练样本与测试样本。本文对多种算法进行了研究,通过大量仿真实验的验证,设计了一种基于主元分析与遗传算法改进的概率神经网络。通过基于主元分析法与遗传算法改进的概率神经网络对节气门控制信号抖动情况下发动机怠速运行状况与发动机负载运行进行发动机失火故障诊断状况(每种运行条件都有11种工况)。主元分析法的功能是优化概率神经网络的隐层神经元结构,利用主元分析法将训练样本和测试样本进行主元分析,提取相应数目的主元构成新的训练样本与测试样本。利用11种工况下的新训练样本与测试样本训练概率神经网络,通过调用遗传算法工具箱gatool利用遗传算法进行全局随机最优延展常数(spread)搜寻,提取最优spread值,即能使得概率神经网络在新的训练样本与测试样本下分类准确率最高的spread值。与概率神经网络、广义神经网络、径向基神经网络这三种算法比较,基于主元分析法与遗传算法结合的概率神经网络具有分类准确率高、抗干扰性强等优点,适合发动机怠速运行及车载运行的失火故障诊断。跟已有的发动机失火故障诊断相比,本文提出的方法具有观测量易于提取、机理与数据处理简单、性价比高、失火气缸定位准确、故障诊断准确率高(接近100%)、抗干扰性好等优点,具有广泛的应用前景与实际推广价值。