柴油机作为机械设备的动力之源,其运转情况对整机安全起主导作用。对柴油机进行高效精准的故障诊断不仅可以减少不必要的检修开销,更为重要的是可以防控危险事故的发生。本文根据柴油机自身的工作原理,对其故障成因进行分析,依照故障诊断流程对柴油机故障进行全面且系统的分析研究,主要研究内容如下:(1)针对柴油机振动信号中包含较强背景噪声这一问题,引入SVD算法对含噪信号进行处理,制约SVD性能的是奇异值有效阶次的选取,在分析了奇异值差分谱法的弊端之后,提出用误差最小的策略来确定其有效阶次,实验结果表明该方法不仅有效地削弱了噪声对原信号的影响,也最大程度地保留了原信号的有效信息,实现了信噪分离的目的。(2)针对柴油机振动信号中所含特征微弱且不易提取这一问题,引入VMD算法对去噪后的故障信号进行分解处理,充分考虑VMD算法中的主要参数对其分解性能的影响,提出一种基于相关系数的改进VMD方法,通过计算分解前后的皮尔逊相关系数来确定VMD方法的最佳值,实验结果表明合适的值能够提高VMD的性能;为了选择对故障类型敏感度较高的特征,引入Fisher分值法对特征参数进行打分,选择最能表征故障信息的特征参数组成特征向量,提高模型对柴油机故障的识别能力。(3)针对柴油机故障样本少、故障类型多样等问题,引入ELM对柴油机故障类型进行识别,通过实验分析了不同类型的激活函数以及隐层节点取不同数值时,ELM工作性能的变化,从而确定这两个参数的选取;此外,考虑到ELM的权值和偏置随机赋值会导致其性能不稳定的问题,故引入蝙蝠算法对该参数组合进行寻优操作,并对蝙蝠算法的初始化方式、个体更新公式、种群多样性等方面都提出相对应的优化策略,通过实验证明了改进的蝙蝠算法相对于标准的蝙蝠算法以及PSO而言,具有更好的收敛效果,而且其收敛速度极快,改进效果明显;最后提出一种基于IBA-ELM的柴油机故障诊断模型,实验结果表明IBA-ELM模型相对于ELM、SVM和BP而言,能够快速准确地识别柴油机故障类型。