内燃机至今已有近一百五十年的历史，被广泛地应用于工业、农业、交通、军事等各个领域，对推动人类文明的发展起到了极其重要的作用。内燃机是一种热机，其燃烧过程是燃料化学能向机械能转换过程的反映。燃烧过程的优劣影响到内燃机的动力性、经济性及排放性能。内燃机燃烧过程中产生的缸盖表面振动信号包含丰富的与燃烧过程相关的信息，通过调节喷油角可以得到与燃烧相关的一些信号，同时振动传感器成本低、安装方便。因此，振动信号评价缸内燃烧过程的研究有重要的理论意义和实用价值。　　通过对本文中用到的理论方法进行全面论述，对内燃机的结构组成、运动过程及其燃烧机理进行深入描述，制定完善的内燃机实验方案。同时建立了柴油机的一维仿真模型，利用模型得到燃烧压力产生压力信息，并同燃烧振动加速度信号进行对比，进行了相关性的分析。为了更好地凸显燃烧信息，对内燃机振动固有时间尺度分解，截取周期动作对应的振动信号进行分析。然后，根据ITD方法和相关系数原则对内燃机振动信号进行分析，并应用神经网络进行分类识别，对不同频段信号的燃烧特征分类结果进行对比，并且增设经验模式分解EMD方法进行对比分析。考虑内燃机振动信号随机性较强的特点，此法适用于非平稳信号的分析和处理，是一种用于非平稳信号处理的通用手段。　　结果分析表明：本文选择的ITD分解方法对内燃机燃烧信号的处理具有有效性和优越性。内燃机燃烧振动信号的故障信息主要集中分布在相对低频段。识别过程中RBF神经网络具有最佳逼近和全局最优的性能，同时训练方法快速易行，不存在局部最优问题，在内燃机的燃烧识别中得到了很好的效果。对内燃机缸内的燃烧状况进行监测和控制，有利于提高内燃机的使用水平，保持其良好的使用状态,这对于内燃机的节能、减排都有重要的实用意义。