随着汽车排放法规日益严格，用户对发动机动力性、经济性要求越来越高，电控技术越来越多地应用到了发动机中。电控技术的广泛应用使得发动机电控系统越来越复杂，故障诊断难度加大。针对目前存在的发动机电控系统故障难以诊断问题，利用多信息融合理论，研究了基于多信息融合的发动机电控系统故障诊断方法。　　首先，研究了发动机故障诊断模型及算法。在分析故障诊断特点及多信息融合的基础上，按照数据处理层次建立基于多信息融合的发动机故障诊断模型。模型包含数据层融合，特征层融合，决策层融合，其中数据层融合算法采用BP人工神经网络，特征层融合算法采用支持向量机，决策层融合算法采用证据理论，确定了发动机故障诊断中各层融合模型结构及诊断过程。重点研究了在决策层融合模型中，将数据层融合诊断结果和特征层融合诊断结果作为证据，进行可信度分配的问题。　　其次，设计开发了发动机信息采集系统及其故障模拟装置。故障诊断中发动机信息选择从汽车CAN总线上获取，为此设计开发了基于CAN总线的信息采集系统，相比于传统的台架信息采集系统，设备简单、复杂度低。解析了测试车辆的诊断通信协议，在Visual Basic6.0平台下进行了采集系统软件开发，开展了实车测试。同时，在总结故障主要模拟方法的基础上，结合要研究的电控系统故障类型，设计开发了故障模拟装置。确定了故障模拟装置硬件方案，基于CodeWarrior集成开发环境进行了故障模拟装置软件开发，能模拟出要研究的电控系统故障类型。　　最后，选用某公司量产车型作为多信息融合故障诊断方法试验验证平台，通过CAN总线采集发动机数据，进行多信息融合发动机故障诊断。在数据层，采用BP神经网络对采集到的发动机数据直接进行故障诊断；在特征层，先采用时域法从采集到的发动机数据中提取特征向量，再进行基于支持向量机的故障诊断，对比了数据层融合故障诊断和特征层融合故障诊断的准确度和训练时间。在决策层中，将数据层融合、特征层融合诊断结果作为证据，进行基于证据理论的故障诊断。诊断结果表明多信息融合方法能对发动机电控系统故障进行有效诊断，提高故障诊断准确度及可靠度。