柴油机工作过程的实质是在气缸内完成两次能量的转化，而能量转化的结果决定了其性能优劣。气缸内的气体作为能量转化的载体，其压力变化数据p-φ示功图或p-V示功图，能直接或间接地反映出柴油机缸内工作情况，故本文以缸内气体压力为基本测量数据对柴油机的缸内工作过程进行评估。　　本文首先系统地研究了国内外现有智能诊断与评估方法，根据缸内气体压力的取样周期长、异常样本数据获取困难、表征参数多等特点，同时兼顾对现有监测系统进行充分利用，选取了粒子群支持向量数据描述这种群智能单分类算法，从整体上对缸内工作过程的正常与否做出定量评估。　　然后详细分析了柴油机的缸内工作过程，提取出能够表征缸内工作过程各阶段的特征参数并论述了相关参数的获取方法，研究了当工作过程出现异常时，示功图所能体现出来的变化特点、对应特征参数的分布规律及可能的异常原因。接着根据实际需要对两种算法进行有机结合，通过粒子群优化算法对核函数的核参数σ及惩罚系数C进行优化，辅以支持向量数据描述的结构，实现性能最优。　　最后利用上述算法完成缸内工作过程评估模型的搭建，结合特征参数的分布规律分析，得到缸内工作过程评估的完整系统，通过代入实船运行数据，成功对该船柴油机的缸内工作过程进行了定量评估，两组运行数据缸内工作过程整体评估分分别为85.5分和85.7分，同时检测出第二组数据中3号缸的异常，验证了方法的可行性。文末对研究过程中存在的不足进行分析，同时对进一步的展望做出说明。