汽车发动机是汽车的动力装置，其故障占汽车整体故障的比重较大，所以对汽车发动机进行准确、快速的故障诊断显得特别重要。本工作利用振动传感器直接采集发动机振动信号，并通过计算机对振动信号进行分析、归类、识别，进而实现用仪器对发动机机械系统的技术状态进行检测和故障诊断。 基于上述原理，本文着重解决了非平稳随机信号处理、BP网络分类器、项目研究所涉及算法的C语言实现等问题，为改进发动机故障诊断系统样机的性能，奠定良好的理论和实验基础。 论文以对非平稳随机振动信号进行时/频域谱分析为基本手段，针对其中信号分析以及学习训练、分类等主要问题所涉及的算法，进行了实验室仿真研究。研究工作中采用小波分析方法对发动机受变速运动的影响产生的非平稳随机信号进行处理。实验表明：利用多分辨率分析对振动信号进行分解，通过谱分析方法可以非常有效地抽取用于描述发动机故障工况特征。 BP网络具有通过调节权重系数使输出在特征空间中逼进任意目标的优点，因此文中根据特征向量的性质设计BP网络作为分类器，通过不同的已知类别的训练样本集以有教师的方式对分类器进行学习和训练。仿真实验表明：训练后的BP网络能对八种工况成功分类，且经过无噪声信号和有噪声信号训练的网络要比只经过无噪声训练后的网络容错能力有明显的增强。 对整个项目研究所涉及的主要算法以C语言实现进行讨论，算法的C语言函数库的开发，为整个项目系统的具体实现提供技术支持。