随着汽车行业的发展，对汽车的性能检测、维修、管理提出更高的要求。通过分析多传感器数据融合技术故障诊断方法及汽车诊断系统(故障预测与健康管理)的特点，在不改变当前汽车智能检测系统硬件组成的情况下，将多传感器信息融合技术运用到汽车诊断系统，并且比较智能化分析系统的故障，以及记录下全部传感器和驱动器的数据，实现对汽车系统的实时状态监测、健康评估和故障诊断。
O 引言
　　目前的大部分故障检测方法往往只是对系统状态信息中的一种或几种信息进行多层次、多角度的分析和观察，从中提取有关系统行为的特征，所以给系统故障的有效诊断带来了局限性。比如，在汽车的运动过程中，利用发动机气缸的缸温对发动状态进行诊断时，由于信号类型中能够提供的信息较少，因而很难做出准确评价。但如果能将气缸的温度信息、发动机转速，以及汽车的运动速度综合起来考虑，那么就可以对发动机的状态进行更准确的评价。在某些故障诊断过程中，虽然有时利用一种信息，即可判断机器的故障，但在许多情况下得出的诊断结果并不可靠。因而多传感器数据融合技术从多个不同的信息源获得有关系统状态的特征参数进行有效的集成与融合，能较为准确和可靠地实现系统运行状态的识别和故障的诊断与定位。
　　随着微电子技术、现场总线、计算机测控技术、信息与处理技术、无线通信、线控驱动等技术的发展，多传感器信息融合的智能化诊断技术在汽车系统故障诊断中的应用已成为一个新的研究方向。多传感器数据融合与所有单传感器信号处理相比，单传感器信号处理是对人脑数据处理的一种低水平模仿，而通过多传感器数据融合可以更大程度地获得被测目标和环境的信息量，能够在最短的时间内，以最小代价获取单个传感器所无法获取的更精确特征。多传感器数据融合的基本原理也象人脑综合处理信息一样，充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间的信息冗余或互补依据某种准则进行组合，以获得被测对象的一致性解释或描述，但从现代生活应用的角度看，多传感器信息的融合技术可以定义为通过对空间分布的多源信息，各种传感器的时空采样，对所关心的目标进行检测、关联、跟踪、估计等多级多功能处理，以更高的精度、较高的概率或置信度得到人们所需要的目标状态和估计，以及完整及时的态势和威胁评估，为驾驶员提供有用的决策信息。实际上也是对各类传感器提供的信息进行综合处理，模拟人脑对复杂问题的综合处理。它的基本原理就是充分利用不同时间与空间的多传感器信息资源，通过在一定准则下对计算机技术这些传感器及观测信息进行自动分析、综合以及合理支配和使用，将各种单个传感器获取的信息冗余或互补依据某种准则组合起来，获得对被测对象的一致性解释与描述，使系统获得比它的各组成部分更优越的性能，以此来提高整个传感器系统的有效性，消除单个或少量传感器的局限性。因此，它应用在汽车系统中就能使整个系统的各个子系统更好的管理和维修。
1 自诊断系统思想的实现
　　汽车系统是一个集机械、电子、材料、通信和网络等先进技术的复杂系统。汽车故障诊断系统的目标是实现准确故障诊断和维修，以减少汽车在运动中的一些事故发生。为适应未来人们高质量的需要，提高汽车智能化的发展，降低总的维修费用，需要根据汽车的具体要求建立汽车故障诊断体系和技术方法，即汽车整个系统实施方案。首先要确定可以直接表征其故障、健康状态的参数指标或间接推理判断系统故障、健康状态所需的参数信息，并利用数据采集设备将该类参数信息进行实时采集，这些采集数据是实施汽车系统诊断的数据基础。精确、及时、高可靠性的状态监测与数据处理技术作为实施汽车的前端技术，将直接影响汽车系统的性能。但是汽车系统体积小、系统复杂，机载设备多，载荷能力有限，所以汽车系统对数据信息、数据链路和诊断设备提出更高的要求，并借助各种算法(如快速傅里叶变换、离散傅里叶变换)和智能模型(如专家系统、神经网络、模糊逻辑等)将原来单一的各分系统的性能检测信息、故障诊断信息和汽车运动信息进行集成，