该文研究的重点是通过缸盖或缸体振动信号,提取燃烧激振力及排气门落座响应的频率特征,对柴油机工作过程故障进行诊断.在柴油机故障诊断基本方法方面,着重研究诊断特征参数的合理选择,以及在此基础上的基于神经网络的多信息集成与融合技术的故障诊断. 该文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波降噪处理及小波包提取特征参数,然后由基于BP神经网络开发的故障诊断软件进行故障诊断. 在该文的研究中,涉及到的关键技术有小波降噪技术,小波包进行信号的特征提取技术,以及神经网络技术. 该文尝试使用小波技术滤除柴油机缸盖振动信号的噪声干扰,基于小波变换的多分辨率滤波技术具有明显的优点,获得了比较好的效果,作为柴油机故障诊断的振动信号的预处理,为提高诊断的精度奠定了良好的基础. 利用小波包提取特征向量,建立起能量到发动机故障的映射关系,选择合适的能量特征化向量对故障进行特征化,可得到每一种故障形式的特征向量. 基于神经网络模拟任何连续非线性函数的能力和利用样本学习的能力,将其用于该文复杂系统的故障诊断中,应用实例证明,神经网络故障诊断技术是可行的.