内燃机广泛应用于工业、农业、能源和交通运输等领域，是国民生产与国防军事的关键设备之一，其运行状况的好坏直接影响到整个动力系统的安全性和可靠性。因此，为确保系统正常、安全运行，提高设备的维修质量和效率，对内燃机进行状态监测和故障诊断显得尤为重要的。基于振动信号的状态监测与故障诊断方法，可快速、有效的判断内燃机运行状态。然而，由于内燃机工作过程的转速变化，会导致等时间采样信号产生能量的泄漏和频率模糊；同时，内燃机的结构复杂，振动激励源多，多界面传递路径等，导致机体表面振动信号呈现出多态冲击、时变传输与非高斯的典型特征。基于时间序列的传统信号分析和特征提取技术难以实现内燃机故障的准确诊断。因此，本文提出了基于角域信号的对角累积量和小波特征频带的特征参数提取方法，以及基于支持向量机(SVM)的内燃机多故障诊断方法。仿真和试验结果表明，基于累积量-小波频带的新型特征参数能高效准确的从复杂的内燃机信号中提取故障信息，基于新型特征参数输入样本集的SVM多分类算法具有更好的故障诊断能力。本文的主要工作如下:①基于对角累积量的特征提取方法：为有效的提取非线性振动信号的故障特征，定义基于三阶累积量的对角累积量，分析了对角累积量的性质，进一步提出了基于对角累积量的统计参数（对角累积能量、对角累积标准差）作为特征提取参数。并利用仿真信号对特征参数的性能进行了验证。②基于小波特征频带的特征提取方法：为有效地提取非平稳振动信号的故障特征，提出了最大相关系数选取小波分解特征频带的算法，进一步提出了基于特征频带的统计参数(能量比、标准差比、谱能量比和谱均值)作为特征提取参数。并利用仿真信号对特征参数的性能进行了验证。③基于支持向量机(SVM)的内燃机多故障诊断方法的研究：利用对角累积量-频带特征参数作为数据样本集，建立基于SVM的内燃机多故障诊断方法。利用仿真信号对基于新型参数的内燃机多故障分类算法的分类性能进行了验证，并与基于传统参数的SVM多分类算法进行了对比。④内燃机故障诊断方法的试验验证：利用基于对角累积量-频带的特征参数的内燃机多故障诊断方法对连杆轴承间隙故障进行了诊断，诊断的准确率远高于基于传统参数的分类方法。验证了累积量-频带特征参数故障诊断方法的有效性与准确性。