众所周知，发动机是汽车非常重要的的组成部分，而它又分为很多不同的种类，当汽车发动机在进行循环工作的时候，因燃烧就会产生出混合性的气体，那么此时汽车气缸内的压力就会发生很大的变化。而一般发动机进行循环工作的时候主要包括 3 种类不同的类型，它们分别是慢性的燃烧循环，此时气缸内的压力大概维持在 46%~85%；其次是部分燃烧性的循环，此时气缸内的压力大概维持在 46%以下；最后就是文章所提到的重点：失火性的循环，此时气缸内的压力直接在 0 以下。而文章主要研究的就是发动机失火性的循环。

1.1 汽车发动机失火故障的检测方法研究现状

目前 ,对于失火故障的主要检测方法为 :直接测量各缸燃烧压力的方法 、测量柴油机的输出扭矩法 、测量气缸盖振动信号的诊断方法、瞬时转速测量法以及排气成分分析法等。

乔新勇 ,刘建敏 ,张小明采用多传感器测量方法, 通过测量发动机的瞬时转速信号和机体振动信号 , 利用信息融合技术对发动机失火故障进行诊断识别，得出了发动机机体振动信号及转速信号能够反映气缸失火现象 ,提取的振动能量特征和转速复杂度特征可用于故障诊断。东北大学的于丁文与付金利用BP神经网络对六种故障模式与尾气排放的映射关系进行训练，在BP神经网络的基础上利用遗传算法进行网络结构的全局优化。Tamura等人提出了通过发动机排气歧管的温度传感器对发动机排放气体的温度进行数据采集，分析特征波形，对正常情况与失火情况进行区分。大连理上大字的郭晓半与英男利用RBF神经网络分析发动机故障与燃油压力波形之间的关系，对发动机燃油故障进行准确分类。东北大学的李沈与孟娇利用人工神经网络分析气缸温度、气缸压力、平均转速、摩擦系数，并将模糊数学与神经网络结合起来构建了类似专家系统的发动机故障诊断系统。Weilbenborn等人通过发动机曲轴转速构建零维度气缸压力模型，来分析气缸在做功阶段的压力变化。Bahri等人通过采集相对上止点的不同的转角位移情况下的气缸压力变化，利用BP神经网络进行失火故障诊断。 Janakiraman等人提出了一种利用神经网络与主元分析法结合，对汽油机燃烧状况进行非线性识别的研究方法。

2.1 瞬时转速诊断的方法研究现状

瞬时转速诊断是当前我国汽车行业应用最为普遍的一种方法，主要的应用步骤是在汽车发动机失火的时候，就会直接造成指示转矩出现下降的现象，在这个过程中，曲轴输出角的速度会出现波动。

武汉理工王志华教授研究了高压油管泄漏、气阀漏气等故障状态下瞬时转速信号和柴油机表面振动信号的特征变化规律，并将自适应神经网络技术应用于柴油机的故障分类。余永华教授建立了基于轴系柔性体的瞬时转速仿真模型，分析了漏油、雾化不良以及活塞紅套磨损状态下热力参数、瞬时转速以及气缸压力的变化情况，并利用模糊聚类方法和模糊工具箱实现了柴油机的故障分类和模式识别。杨建国、严新平、漼立俊、李洁等人立足于曲轴扭转理论，建立了瞬时转速仿真计算模型，并结合故障试验研究，提出了瞬时转速时域诊断指标，实现了单缸做功不足的诊断。肖小勇做出了各缸断油的谐次图形象的表现了各缸失火后瞬时转速差的变化情况，表明 0.5 谐次和 1.0 谐次下的负幅频特性和相频特性可以定位发动机发生失火故障时的单缸和多缸。覃浩东探究了发动机功率不均匀度与瞬时转速间的关系，综合应用瞬时转速诊断理论、神经网络、遗传算法和深度学习等相关理论算法，实现对发动机功率不均匀度的诊断，为设计发动机功率不均匀监测模块提供了基础。

马 晋，江志农，高金吉等人从内燃机动力模型出发，深层次分析瞬时转速与力矩之间的关系，阐明各种力矩对瞬时转速的影响。通过提出 4 个典型特征参数，利用仿真数据和实测数据证明瞬时转速波动率 IASFR( Instantaneous angular speed fluctuation ratio) 分析法对于分析内燃机燃烧状态的有效性。

张金伟提出了基于瞬时转速信号分析的柴油机故障诊断方法，首先根据瞬时转速的特点对其进行降噪处理，随后采用主成分分析法提取主要特征，使用 RBF 神经网络进行故障模式的分类。通过实测数据的验证，该方法可在怠速工况下准确区分各种形式的断油，以及排气门间隙不同程度的异常，从而可用于相关柴油机故障的诊断。

3.1基于神经网络的故障识别技术研究现状