发动机是装甲车的一个极其重要的部分,其故障诊断技术的研究越来越得到人们的重视。声信号诊断技术作为一种非接触式诊断方法,由于其操作的便利性也日益受到人们的关注。本文从时序分析及频谱分析角度对某型号的装甲车发动机常见的几种故障的故障机理及其声信号的特性作了具体的分析,如:点火提前角提前/滞后、进气间隙过大、排气间隙过大、一缸不工作等;针对装甲车发动机声信号的非平稳性,利用小波变换来分析声信号,使异响成分在小波分解的细节信号中得到放大,对比该频率和各种故障下形成的故障频率找到故障的原因,从而实现对信号的有效识别。通过分析研究小波变换阈值,提出一种基于非线性小波变换阈值的分层阈值法,分层阈值去噪法同其他非线性小波变换阈值去噪法相比,是一种比较理想的信号去噪方法。实验表明,分层阈值去噪法能显著提高滤波精度,在有效去除噪声的同时,能很好地保留信号的主要细节。然后结合小波包分析和能量谱分析方法提出了基于频带局部能量的区间小波包特征提取方法。其基本原理是根据信号在一系列时频分辨空间中的能量分布特征,有效地刻划出信号的固有属性,并可挑选出故障关键特征较为突出的频段。为了实现对装甲车发动机故障的智能诊断,利用小波神经网络加以识别,采用改进的松散型小波神经网络对发动机声信号进行故障诊断。其次考虑到速度对发动机故障诊断特征值的确定的影响,将速度加入特征向量之中,即特征向量由小波包提取的特征值和速度两部分构成。采用基于频带局部能量的区间小波包提取出特征值,然后再送给改进的BP网络,结果表明,此方法能够有效地对发动机的故障进行诊断。