近几年随着汽车工业的迅猛发展，电子技术在汽车上的普及应用。汽车已经成了机电液一体化的载体，各种智能科技技术的广泛应用，给广大汽车维修人员带来了很大挑战，而在众多的汽车故障中以发动机故障最为常见，因此，掌握汽车发动机智能故障诊断和维修技术，对提高汽车维修质量有积极帮助。
0 引言
发动机是汽车的动力装置，给汽车启动和运行提供强大动力。随着汽车使用里程和年限的增加，汽车发动机常常会出现这样或那样的故障，影响汽车行驶安全。随着电子技术的发展和各种智能装备的广泛应用，发动机的结构越发复杂，给故障诊断带来一定的难度，而智能故障诊断技术能够实现发动机故障的快速、精确判断，为故障维修提供了极大便利。文章首先介绍了智能诊断技术的发展趋势，然后详细分析了目前常用的几种智能故障诊断技术。
1 发动机故障诊断技术的发展趋势
对于汽车发动机来说，其工作过程中所产生的振动、热量、噪声等信息，都是对自身运行状况的一种反映，一旦这些信息发生突变，很有可能是发动机出现了故障。而发动机智能诊断技术就是借助于现代科技产品，收集发动机运作时所产生的一系列信号，然后结合人工智能分析技术，得出故障结论的一种方法。
发动机智能故障诊断技术的发展，与科技进步、新技术、新设备的研发应用密不可分，根据目前的技术现状，可以预测未来发动机故障诊断技术的大体发展趋势：
1.1 与现代信号处理技术的联系更加紧密
现代信号处理技术主要包含随机信号处理、高阶信号分析、时频信号分析等内容，与以往所使用的经典信号处理技术相比，它在发动机信号收集、故障信号分析和判定以及模式识别能力上都有显著增强。近年来，以现代信号处理技术为基础的时频分析法得到了广泛应用，成为汽车发动机智能故障诊断技术的新亮点。因此，智能诊断技术要想得到不断的完善和发展，离不开相关科学技术发展的支持，对于现代信号处理技术的依赖程度也会大大增加。
1.2 实现发动机故障诊断与设计制造的有机结合
现阶段所使用的智能故障诊断技术，主要工作流程是当汽车发动机出现故障后，进行故障检测与分析，在一定程度上延长了维修时间。随着技术的不断发展，可以在发动机设计、制造的过程中，将故障诊断传感器(信号收集系统)安装在发动机内部，这样一来，一方面能够实现发动机故障的预判断，降低了因发动机故障所造成汽车安全事故的概率;另一方面也对后期的故障诊断、维修提供了便利条件，节省了大量复杂信号的处理过程，对于降低诊断误差也有积极帮助。
1.3 提高诊断装置的实用性、标准性和可靠性
从整体上看，我国汽车发动机智能故障诊断技术在科研和应用领域取得了不错成绩，但是在实际操作过程中，仍然存在诸多关键性问题没有得到有效解决。例如诊断装置偏向于试验，实际应用效果大打折扣，诊断设备的标准性有待统一和规范等。随着新设备、新技术的不断进步，以及市场秩序的不断规范，智能故障诊断技术也会朝着实用化、标准化方向发展。
2 常见的发动机智能诊断技术分析
2.1 基于专家系统的智能诊断方法
事实上，专家系统智能诊断的原理就是收集各种已知的发动机故障问题和解决方案，然后程序员将这些问题、解决方式以编程方式输入到计算机相应的软件中，然后当发动机出现故障时，与数据库内容进行匹配，实现故障智能诊断。其主要运作流程为：当汽车发动机出现故障后，利用专用的信号采集装置，收集发动机故障信息，然后将这些信息传送到计算机中。随后将这些信息保存到专门的故障识别软件中，将故障信息与数据库进行比对，自动匹配与之相对应的故障类型，必要时还可以调用其他软件和程序，最终查找到发动机故障。具体来说，数据库的功能是存储故障匹配标准，即将常见的发动机故障原因、故障预兆、解决方式等内容，以数据编程的形式存储起来，以便于后期进行信息匹配与应答。
2.2 基于模糊数学的方法
模糊理论最早的提出，主要为了解决数学领域中一些问题，从而将一些经典的定理、公式和理论进行模糊化，以此实现数学问题的解决，在应用过程中逐步发展成完整的`推理体系。模糊数学之所以能够应用到汽车发动机智能诊断技术中，主要是利用了数学建模和模糊诊断两大功能。当汽车发动机出现故障时，将发动机的运行数据和故障信息进行综合整理和方法分析，并以此为基础建立模糊诊断模型。通过模型分析，能够帮助技术分析人员在较短时间内确定故障源点，从而采取有针对性的故障维修方法。将模糊理论应用到发动机智能诊断技术当中，主要具有以下三大优势：第一是将专家语言转变成了计算机更容易识别的语言变量，降低了语言的理解难度系数，间接提升了故障诊断效率;第二是在进行多种故障分析时，能够自动生成故障安全等级，从而根据故障等级实现有重点、有层次的处理;第三是对于不确定性问题的分析能力增强，提高了不确定性故障的处理能力。
2.3 基于故障树的方法
故障树分析是根据汽车工作特性与性能状况之间互相构成的树状图形，它以系统最不希望事件为顶事件，以可能导致顶事件发生的其他事件为第二级事件和第三级事件，采用逻辑门表示事件之间联系的一种倒树状结构，反映了系统的内在联系，零部件和系统之间发生故障的全部逻辑关系。但是由于逻辑结构较为简单，故障诊断的范围比较有限，因此多数情况下是作为现代汽车故障诊断技术的辅助方法。
2.4 基于人工神经网络的诊断方法
人工神经网络的提出是基于神经元模型的建立，从1943年该模型被建立，到目前为止人工神经网络已经成为人工智能领域的一个重要分支。其工作原理主要是通过神经元以及相互之间的有向权重连接来进行各种隐含问题的处理。在实际应用过程中，人工神经网络能够完成较为复杂问题的分析，而且面对新信息有自主学习的能力。
通过与上述几种方法进行横向对比，可以看出人工神经网络在发动机智能诊断上更具优势，但是同时，由于受现有技术条件的制约，该诊断技术仍然存在一些有待改进的问题，例如故障诊断所需样本容量较大，当样本数目不足时，很容易使故障诊断出现偏差。
2.5 综合方法
2.5.1 专家系统与神经网络的结合
这种智能故障系统的诊断方法能够在实际应用中自行地进行组织、学习，并进行模糊推理，运用该方法能够解决传统的人工智能方法中存在的不足，即较为复杂的知识获取及推理过程。众所周知，我们的大脑分为左半脑和右半脑，其中左半脑负责人体的逻辑思维能力，使人更趋向于理性化;而右半脑则负责人体的形象思维能力，使人更趋向于感性化。同样，专家系统与神经网络就像人体的左右半脑一样，各负责发动机故障诊断的一部分，只有两者协调作用，才能够提升智能诊断效果。
2.5.2 人工神经网络与模糊推理方法相结合
这两种方法相结合，能够大大提升知识的表示及知识的存储效果，并且能够提升智能问题的推理效率。这里的神经网络的主要功能是效仿人脑中的神经元思维，作用体现是进行自学及直接处理数据。模糊推理方法主要效仿的是人类的逻辑思维能力，能够进行结构性的知识表达。因此可以对不确定的信息进行处理和调整。
2.5.3 神经网络与案例推理的结合
这组结合中的案例诊断方法主要是将智能诊断中问题信息与自身存储中的数据信息库进行比对，从而搜寻出较为近似的诊断案例，提取出诊断方案，并对细节进行修订后给出诊断结果。神经网络与案例推理方法的结合能够提高诊断效率，诊断过程中，通过对相似问题的处理，来缩减诊断过程的繁琐。而且案例推理诊断不需要重新建立诊断对象模型，运用自身原有的知识进行技术指导，而且自身的适用能力较强，对问题的分析处理速度较快，同时可以对知识进行灵活的运行，自主完成动态问题的处理。
3 结论
汽车发动机利用智能诊断技术，能够提升其问题处理效率，节省维修时间及费用。在各种智能诊断技术中，每一项技术都有各自的优点及缺点，在面对较为复杂多变的实际故障问题时，就应灵活运用各种技术，并能够进行综合的技术分析，进而实现对汽车发动机多种故障的诊断。
