内燃机的运行状态对机械系统的正常运转至关重要。随着科学技术的发展,机械设备的复杂度逐渐提高,设备的故障诊断也越来越受到重视,逐渐成为工业领域很重要的一个技术分支。该技术是通过了解和掌握设备的的运行状态,发现设备存在的异常,分析异常的原因,并提出改进措施等的一门学科。在工业化生产以及大小企业的运营中都离不开机械故障诊断,它的重要性不言而喻。建立内燃机性能的状态监测和故障诊断系统有助于提高系统的可靠性和可维修性,有利于及时维修,降低成本,对于延长机械设备的使用寿命,提高生产效率具有巨大的经济意义。时间序列分析法是一种直接地获得系统动态性能的方法,由时序分析法建立系统的动态模型来描述系统的变化或运动规律,从而揭示其状态性能的发展趋势,和运行状态的好坏,预测其寿命等。但时间序列分析法在预测模型方面精度有限,使得刻画系统实际情况的拟合性能较差,不能很好地反映系统的实际情况,尤其在一些突变的跳点上,模型不能及时响应变化,而且计算量太大,不适用于数据量庞大的情况。针对传统时间序列分析法精度低、计算量大的缺点,本文引入卡尔曼滤波对时间序列进行分析处理,并将该处理方法应用到内燃机进口导叶片等的状态预测中,提高了模型的预测精度。最后基于卡尔曼滤波采用残差分析法对内燃机的运行状态的好坏进行分析,从而对其进行故障诊断。相关研究内容如下:(1)系统地介绍了建模方法和步骤,研究了时间序列的平稳性判断、平稳化处理、模型识别、模型定阶、模型参数的求取等,并分析了时序分析法的优缺点。在此基础上,对采集到的某公司的新型内燃机NG60进口导叶片附近的温度、角度、压力等传感器数据,用时间序列分析法分析建模。(2)介绍了卡尔曼滤波原理以及常见的卡尔曼滤波技术,引入了状态空间模型,对内燃机的性能进行状态估计,研究了时间序列分析法建立的模型与状态空间模型之间的转化关系,在时序分析的基础上建立状态空间模型。对比时间序列分析法,卡尔曼滤波技术处理的时间序列模型精度更高,误差更小,且计算时间明显缩减。(3)提出了基于ARIMA模型的内燃机故障诊断方法,并分析了卡尔曼滤波的的输出,提出了基于卡尔曼滤波的内燃机故障故障诊断方法,将该方法应用于内燃机进口导叶片附近的温度、角度、压力等传感器数据,对内燃机进行故障检测与预警,证明该方法有良好的应用价值。(4)设计了内燃机时序分析的GUI,包括时间序列频域、相关性等的对比分析,使得对于内燃机性能的监测更为全面、直接,方便了技术人员对于内燃机设计的把握,也方便了内燃机使用人员及时全面地获得内燃机各传感器采集的数据信息。