发动机机械系统出现故障后，通常会产生非正常的振动，所以可以考虑利用振动传感器直接采集发动机振动信号，并通过计算机对信号进行适当的谱分析和分类的方法，实现用仪器取代人完成发动机机械系统的故障诊断任务。本论文即为以开发一套可用于对发动机机械系统故障进行在线检测、识别和诊断的仪器系统中的分类器为目标而开展的研究工作。 本研究工作中，首先简要讨论了汽车发动机机械故障诊断装置的硬件设计问题。然后讨论了利用BP神经网络方法构建故障诊断装置分类器的算法，并给出了基于此算法的故障诊断装置分类器设计。为了解决BP神经网络分类器计算过程过长和误差大的问题，又进一步地讨论了BP神经网络分类器的优化设计和泛化设计问题，并给出了算法设计。在上述工作基础之上，最后讨论了基于CC(级联相关)网的汽车发动机故障检测分类器设计问题并给出了实际设计。 在理论分析的基础上，研究工作还对得出的四种分类算法分别进行了实验测试工作。测试结果表明，基本BP神经网络分类器基本可以满足本论文研究问题分类要求，但存在网络训练时间长，识别误差较大的缺点。经优化设计后的基本BP神经网络分类器在运行时间和误差率上都有了较大的提高。经泛化后的神经网络分类器，其容错能力有了明显的增强。用CC网汽车发动机故障检测分类器可很好的实现特征的在线识别与分类，并较大幅度的减少了训练时间实验研究结果还表明：基于改进的BP神经网络和CC神经网络所建立的发动机故障诊断实验系统均能够对发动机故障进行有效的诊断。针对本工作所涉及的分类问题而言，后者在分类的效率上较前者略有优势。