本文针对小型活塞发动机出现的积碳故障,从发动机的缸内压力和缸盖振动信号出发,采用了一种变分模态分解和支持向量机相结合的故障诊断方法对发动机积碳故障进行诊断。具体的工作内容如下:首先,对选题的背景和意义以及国内外关于活塞发动机的诊断方法和信号处理方面的研究现状进行了介绍,并对活塞发动机的组成及其各个部分对应的故障进行了阐述,为后续的研究进行铺垫。其次,对经验模态分解和变分模态分解的理论进行了介绍,针对经验模态分解出现模态混叠现象的三种原因分别构造了仿真信号进行了对比分析,结果显示变分模态分解算法优于经验模态分解算法。但是变分模态分解在对发动机的缸内压力信号和缸盖振动信号进行分解时存在参数选取的问题,采用了粒子群优化算法和人工参数确定的方法对变分模态分解的参数进行优化,并构造了仿真信号进行了验证。再次,对发动机数据采集试验平台进行了搭建,并通过故障注入的方式复现了发动机的积碳故障,对发动机积碳故障下的数据进行了采集和分析,并将发动机的缸内压力信号和缸盖振动信号进行了变分模态分解,并对模态分量从时域的角度分析了发动机处于不同工况下各自运行状态下之间的差异,为故障分类识别奠定基础。最后,对模态分量进行奇异值分解计算奇异谱熵,并将奇异谱熵作为特征数据集。对6组不同工况下的发动机数据进行分类标记,将6组特征数据集分别输入到支持向量机分类器、粒子群优化的支持向量分类器和布谷鸟搜索算法优化的支持向量机分类器中进行分类识别,识别结果对比表明:基于缸盖振动信号的布谷鸟搜索算法优化的支持向量机的分类准确率最高,达到了99.17%,并且程序的运行时间最短。所以,可以尝试将布谷鸟搜索算法优化的支持向量机运用到实际的发动机积碳故障诊断中。