柴油机因其结构的复杂性和故障的易发性，其故障诊断技术已成为机械设备故障诊断领域中的热点和难点。本文在总结和汲取了前人研究成果的基础上，立足工程实用性，研究了基于虚拟仪器技术开发柴油机运行状态监测系统和利用人工智能技术实现智能化故障诊断的方法。论文借助于虚拟仪器技术开发柴油机信号采集、处理与分析、数据库操作等模块，并由计算机提取时域、频域、幅域分析的特征参数来实现状态监测与报警；借助于人工智能技术，建立振动信号的AR模型与RBF神经网络结合的诊断模型，并研究利用LabVIEW、MATLAB与ACCESS混合编程设计人工神经网络专家系统的方法。 本文主要内容包括：第一，提出了建立基于虚拟仪器技术的柴油机智能化故障诊断系统的通用化平台，该平台集成信号采集、处理与分析技术、网络技术、数据库技术以及人工智能等在内的故障诊断技术。第二，利用NI公司的多功能数据采集卡与LabVIEW开发了柴油机状态监测软件的各大功能模块。能进行在线与离线信号的处理分析与监测，实现多通道数据采集、数据文件存储与读取、信号分析、重要参数状态多级报警、趋势监测、远程数据通讯、数据库操作以及报表打印等功能。第三，模拟几种常见故障进行试验，采用自相关分析对3110柴油机缸盖振动信号进行工作周期的自动识别来提取振动波形样本，在此基础之上，分析了频谱以及时域和幅域等参数。第四，建立了振动信号的AR模型与RBF神经网络结合的诊断模型，利用LabVIEW的分析工具包编程对3110柴油机缸盖振动信号样本进行AR谱估计并从中提取特征参数，并利用RBF神经网络成功进行了故障模式识别。第五，提出将专家系统与神经网络技术集成，达到优势互补的目的。将LabVIEW和MATLAB有机结合，编制神经网络诊断模块，通过LabVIEW的ADO控件和第三方控件LabSQL对ACCESS数据库的操作来实现诊断知识库与数据库的创建、知识查询、知识存储等操作，并开发了子神经网络专家系统。 本文开发的信号采集处理模块可以取代传统的测试仪表；软件开发采用模块化结构，为以后添加新的功能模块提供了方便。更重要的是提出和实践了一种先进的设计思路，可为后续的系统开发提供理论支持及方法指导。尽管某些功能还不是很完善，人工智能专家系统故障诊断方面也只做了探索性研究，但为更深入的研究柴油机实时化、智能化监测诊断系统打下了基础。